【技术实现步骤摘要】
销售数额预测模型的构建方法、销售数额的预测方法
[0001]本申请涉及数据处理
，尤其涉及一种销售数额预测模型的构建方法、销售数额的预测方法。
技术介绍
[0002]为了能够高效准确地对商品进行备货，企业通常需要对商品在未来时段的销售数额和订单规模做预测。对商品的销售数额进行准确的预测，能够避免出现诸如产品断货、过剩、人员效率不高等问题，进而促进商品交易，提高企业知名度等。因而，如何准确的对商品的销售数额进行预测是关键。
[0003]目前，对商品的销售数额进行预测主要是将待预测的商品的商品特征输入至训练好的时序模型中，训练好的时序模型通过对商品特征进行时间序列分析，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，预测下一段时间的商品的预测销售数额。
[0004]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：在商品参加促销活动时，使用时序模型对该商品的销售数额进行预测得到的预测销售数额存在滞后性，使得预测准确度较差。
技术实现思路
[0005]本申请提供一...
【技术保护点】
【技术特征摘要】
1.一种销售数额预测模型的构建方法，其特征在于，包括：获取商品的销售数据，所述销售数据包括商品标识、所述商品的购买日期和所述商品的销售数额；根据所述商品的销售数据，多个预设日期范围及每个预设日期范围对应的预设活动力度，获取时序训练数据集，所述时序训练数据集包括所述商品的特征和所述特征对应的销售数额，所述特征包括标识特征、日期特征，活动特征和时序特征；根据所述时序训练数据集利用损失函数进行模型训练，得到销售数额预测模型，所述销售数额预测模型用于根据商品的特征信息，获取所述商品的预测销售数额范围，所述损失函数是基于预测销售数额的均值和标准差构建的。2.根据权利要求1所述的方法，其特征在于，所述损失函数为：其中，p(y
i，t
|μ
t
，σ
t
)为在t时刻的销售数额y
i，t
的分布，μ
t
为预测销售数额的均值，σ
t
为预测销售数额的标准差，i为大于或等于1，且小于或等于N的整数，t为大于或等于t
o
，且小于或等于T的整数。3.根据权利要求1或2所述的，其特征在于，所述获取商品的销售数据，包括：从存储在商品订单数据库中的总订单数据中，获取所述商品的销售数据，所述总订单数据中包括每个订单销售的每个商品的商品标识，每个商品的销售日期以及每个商品的销售数额。4.一种销售数额的预测方法，其特征在于，包括：获取商品的特征信息，所述特征信息包括活动特征信息，日期特征信息及标记特征信息；将所述商品的特征信息输入至销售数额预测模型，获取所述商品的预测销售数额范围，所述销售数额预测模型是根据商品的销售数据，多个预设日期范围和每个预设日期范围对应的预设活动力度进行模型训练得到的；输出所述商品的预测销售数额范围。5.根据权利要求4所述的方法，其特征在于，所述将所述商品的特征信息输入至销售数额预测模型，获取所述商品的预测销售数额范围，包括：将所述商品的特征信息输入至所述销售数额预测模型，获取所述商品的预测销售数额的均值和标准差；根据所述均值和所述标准差，获取所述商品的预测销售数额范围。6.根据权利要求5所述的方法，其特征在于，所述根据所述均值和所述标准差，获取所述商品的预测销售数额范围，包括：根据公式获取所述商品的预测销售数额范围的最大值，所述为预测销售数额范围的最大值，μ
t
为预测销售数额的均值，σ
t
为预测销售数额的标准差，α为置信系数；根据所述预测销售数额范围的最大值和所述均值，获取所述预测销售数额范围，所述预测销售数额范围的最小值为所述均值。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
根据所述商品的预测销售数额范围，确定所述商品的备货量。8.一种销售数额预测模型的构建装置，其特征在于，包括：获取模块，用于获取商品的销售数据，所述销售数据包括商品标识、所述商品的购买日期和所述商品的销售数额；处理模块，用于根据所述商品的销售数据，多个预设日期范围及每个预设日期范围对应的预设活动力度，获取时序训练数据集，所述时序训练数据集包括所述商品的特征和所述特征对应的销售数额，所述特征包括标识特征、日期特征，活动特征和时序特征；所述处理模块，还用于根据所述时序训练数据集利用损失函数进行模型训练，得到销售数额预测模型，所述销售数额预测模型用于根据商品的特征信息，获取所述商品的预测...
【专利技术属性】
技术研发人员：刘仁敏，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。