业务量预测方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种业务量预测方法、装置、电子设备及存储介质。该业务量预测方法包括：确定待预测业务量的目标区域和目标节假日；获取目标区域在目标节假日的历史业务量；根据历史业务量，计算目标节假日的业务量差值比例序列；根据业务量差值比例序列，预测目标区域在目标节假日的业务量。本申请实施例通过计算目标区域在目标节假日的业务量差值比例序列来实现业务量的预测，该过程对某个区域的某个节假日的差值比例数据来预测业务量，相比于简单观测每个时期的件量数，这种每个节假日对应的差值比例序列更能勾画出一个区域面对某类节假日刺激的消费习惯，使得业务量预测更加贴近实际场景，提高了业务量预测的准确度。

【技术实现步骤摘要】
业务量预测方法、装置、电子设备及存储介质
本申请涉及物流
，具体涉及一种业务量预测方法、装置、电子设备及存储介质。
技术介绍
随着物流行业的信息化管理改革的不断深化。面对物流行业的海量数据，物流行业的信息化管理面临着如何有效地从大量复杂的数据中提取有用信息。数据挖掘技术可以从大量的、模糊的数据中，提取隐含其中的有用信息来分析预测未来的发展。在物流领域中，节假日件量预测一直是快递行业悬而未决的一大难题。现有的时序模型和分析方法可以做到对平日件量的相对精准估计，但是无法估计到节假日期间的件量突变幅度和节奏。节假日件量的突变可能会受很多因素的影响，但是一般作为预测方可以掌握的数据量又十分有限，毕竟节假日的数据量要远远小于平日数据量，难以支撑模型的需求，而且数据和最后突变结果的关联性也难以预料。聚类方法是增大模型可用样本的一种思路，但是目前，业内缺乏一种针对节日和城市特性的聚类方法，一个城市的节假日消费习惯不能通过简单的件量组成来归类。综上可知，现有技术中件量预测存在局限性，导致件量预测不准确。
技术实现思路
本文档来自技高网...

【技术保护点】
1.一种业务量预测方法，其特征在于，所述方法包括：/n确定待预测业务量的目标区域和目标节假日；/n获取所述目标区域在所述目标节假日的历史业务量；/n根据所述历史业务量，计算所述目标节假日的业务量差值比例序列；/n根据所述业务量差值比例序列，预测所述目标区域在所述目标节假日的业务量。/n

【技术特征摘要】
1.一种业务量预测方法，其特征在于，所述方法包括：
确定待预测业务量的目标区域和目标节假日；
获取所述目标区域在所述目标节假日的历史业务量；
根据所述历史业务量，计算所述目标节假日的业务量差值比例序列；
根据所述业务量差值比例序列，预测所述目标区域在所述目标节假日的业务量。


2.根据权利要求1所述的业务量预测方法，其特征在于，所述根据所述历史业务量，计算所述目标节假日的业务量差值比例序列，包括：
确定所述目标节假日对应的节日观测时间段和平时观测时间段；
从所述历史业务量中，获取所述目标区域在所述节日观测时间段中每天的历史业务量；
从所述历史业务量中，获取所述目标区域在所述平时观测时间段每天的历史业务量；
根据所述节日观测时间段中每天的历史业务量和所述平时观测时间段每天的历史业务量，计算所述目标节假日的业务量差值比例序列。


3.根据权利要求2所述的业务量预测方法，其特征在于，所述确定所述目标节假日对应的节日观测时间段和平时观测时间段，包括：
将所述目标节假日分别往前填充第一预设天数，往后填充第二预设天数，使得总天数达到目标天数，得到所述目标节假日对应的节日观测时间段；
取所述节日观测时间段中每天的前第三预设天数，得到与所述节日观测时间段一样时间长度的平时观测时间段。


4.根据权利要求2所述的业务量预测方法，其特征在于，所述根据所述节日观测时间段中每天的历史业务量和所述平时观测时间段每天的历史业务量，计算所述目标节假日的业务量差值比例序列，包括：
根据所述节日观测时间段中每天的历史业务量，生成第一业务量序列；
根据所述平时观测时间段每天的历史业务量，生成第二业务量序列；
根据所述第一业务量序列和所述第二业务量序列，计算所述目标节假日对应的单日差值比例序列；
根据所述单日差值比例序列，计算所述目标节假日的业务量差值比例序列。


5.根据权利要求4所述的业务量预测方法，其特征在于，所述根据所述单日差值比例序列，计算所述目标节假日的业务量差值比例序列，包括：
获取所述节日观测时间段中第一总历史业务量；
获取所述平时观测时间段第二总历史业务量；
根据所述第一总历史业务量和所述第二总历史业务量，计算所述目标节假日对应的总量差值比例；

【专利技术属性】
技术研发人员：谢宇昕，李磊，李思文，张培行，张莹莹，黎碧君，潘舒静，张策，江洋，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44