一种自动预测电商销售额的装置及方法制造方法及图纸

本发明专利技术涉及科学计算、工程设计和数值分析领域，具体提供了一种自动预测电商销售额的装置，包括采集单元、预测单元、定时单元和显示单元，所述采集单元用于进行数据采集，根据采集的数据设定自变量和因变量，建立线性方程组，求解方程组解；然后，将方程组解作为系数传入到预测单元，得到预测销售额，所述定时单元进行预测更新频率，最后显示单元进行展示。与现有技术相比，本发明专利技术不仅对病态线性方程组具有快速高效求解的优势，对于普通大型线性方程组求解优势仍然明显，能有效帮助我们从海量电商交易数据中预测未来销售额，这将很大程度上节省人力和物力，实现高效准确预测电商销售业绩，对把控电商销售业绩和宏观调控具有重要意义。义。义。

【技术实现步骤摘要】
一种自动预测电商销售额的装置及方法


[0001]本专利技术涉及科学计算、工程设计和数值分析领域，具体提供一种 自动预测电商销售额的装置及方法。

技术介绍

[0002]近几年电子商务的发展迅猛，网上购物已经成为消费者获取商品 的主要途径之一。大量的商品交易产生海量的数据，如何根据这些海 量数据及时高效而又准确的预测未来销售业绩成了我们当下研究的 重点。由于平台众多，数据量巨大，为了根据已有值去预测未来值， 就需要联立方程，进而得到多元线性方程组。由实际问题得到的方程 组的系数矩阵或者常数向量的元素，本身会存在一定的误差，这些初 始数据的误差在计算过程中就会向前传播，从而影响到方程组的解， 若因系数的很小改变却导致解改变很大的方程组我们称之为病态方 程组。而快速求解多元线性方程组并在求解中有效避免方程组的病态 性则成了装置设计的难点。

技术实现思路

[0003]本专利技术是针对上述现有技术的不足，提供一种设计合理，安全适 用的自动预测电商销售额的装置。
[0004]本专利技术进一步的技术任务是提供一种实用性强的自动预测电商 销售额的方法。
[0005]本专利技术解决其技术问题所采用的技术方案是：
[0006]一种自动预测电商销售额的装置，包括采集单元、定时单元和显 示单元，所述采集单元用于进行数据采集，根据采集的数据设定自变 量和因变量，建立线性方程组，求解方程组解；然后，将方程组解作 为系数传入到预测单元，得到预测销售额，所述定时单元进行预测更 新频率，最后显示单元进行展示。r/>[0007]进一步的,方程组求解算法一部分如下：
[0008]松弛因子ω自动生成算法，考虑线性方程组Ax＝b的解，其中，
[0009][0010]松弛因子ω的计算公式如下：
[0011][0012]其中，
[0013]进一步的,方程组求解另一部分为改进余量修正算法：
[0014]若为线性方程组(1)第k次迭代得到的一个近似解，我们把 称为近似解的余量；
[0015]构造余量方程组Ay＝r，通过线性方程组的直接法——LU分解 法求解余量方程组，并且在用计算机求解时换用比前面迭代求解多一 倍精度的变量存储数据；
[0016]然后，将余量方程组的解y加到先前求得的近似解上得到修 正后的原方程组第k次迭代最终近似解x
(k)
。
[0017]进一步的,整体求解方程组算法为：
[0018]首先，设定迭代次数上限C
d
、求解精度要求ε和算法迭代初始值 x
(0)
；
[0019]根据公式计算中间迭 代值
[0020]根据公式计算松弛 因子ω；
[0021]根据公式计算 迭代值即x
(k+1)
；
[0022]根据公式r＝b
‑
Ax
(k+1)
计算近似解x
(k+1)
对应的余量r；
[0023]构造余量方程组Ay＝r；
[0024]然后，采用双精度存储并用直接法LU分解法求解余量方程组的 解y；
[0025]用修正量y对近似解x
(k+1)
进行修正，得到第k+1次迭代最终近似 解
[0026]最后，若迭代次数k≤C
d
并且已经达到近似解的精度要求ε， 则算法结束，输出方程组的解
[0027]若迭代次数k≤C
d
并且没有达到近似解的精度要求ε，则重 复以上步骤；若迭代次数k＞C
d
，算法结束，方程组无解。
[0028]进一步的,所述定时单元设置预测更新频率，为电商销售额装置 传送启动信号。
[0029]一种自动预测电商销售额的方法，具有以下步骤：
[0030]S1、设置采集单元，进行数据采集；
[0031]S2、根据采集的数据设定自变量和因变量，建立线性方程组；
[0032]S3、求解方程组解；
[0033]S4、将方程组解作为系数传入到预测单元，得到预测销售额；
[0034]S5、设置定时单元预测更新频率；
[0035]S6、采用显示单元进行展示。
[0036]进一步的,在步骤S3中，方程组求解算法如下：
[0037]松弛因子ω自动生成算法，考虑线性方程组Ax＝b的解，其中，
[0038][0039]松弛因子ω的计算公式如下：
[0040][0041]其中，
[0042]进一步的，在步骤S3中，改进余量修正算法为：
[0043]若为线性方程组(1)第k次迭代得到的一个近似解，我们把 称为近似解的余量；
[0044]构造余量方程组Ay＝r，通过线性方程组的直接法——LU分解 法求解余量方程组，并且在用计算机求解时换用比前面迭代求解多一 倍精度的变量存储数据；
[0045]然后，将余量方程组的解y加到先前求得的近似解上得到修 正后的原方程组第k次迭代最终近似解x
(k)
。
[0046]进一步的，在步骤S3中，整体求解方程组算法具体步骤如下：
[0047]S301、设定迭代次数上限C
d
、求解精度要求ε和算法迭代初始值 x
(0)
；
[0048]S302、根据公式计算中 间迭代值
[0049]S303、根据公式计算 松弛因子ω；
[0050]S304、根据公式计算迭代值即x
(k+1)
；
[0051]S305、根据公式r＝b
‑
Ax
(k+1)
计算近似解x
(k+1)
对应的余量r；
[0052]S306、构造余量方程组Ay＝r；
[0053]S307、采用双精度存储并用直接法LU分解法求解余量方程组的 解y；
[0054]S308、用修正量y对近似解x
(k+1)
进行修正，得到第k+1次迭代最 终近似解
[0055]S309、若迭代次数k≤C
d
并且已经达到近似解的精度要求ε， 则算法结束，输出方程组的解
[0056]若迭代次数k≤C
d
并且没有达到近似解的精度要求ε，则重 复步骤S302至步骤S309；若迭代次数k＞C
d
，算法结束，方程组无 解。
[0057]进一步的，在步骤S5中，通过定时单元设置预测更新频率，所 述定时单元为步骤S1到S4传送启动信号。
[0058]本专利技术的一种自动预测电商销售额的装置及方法和现有技术相 比，具有以下突出的有益效果：
[0059]本专利技术不仅对病态线性方程组具有快速高效求解的优势，对于普 通大型线性方程组求解优势仍然明显，能有效帮助我们从海量电商交 易数据中预测未来销售额，这将很大程度上节省人力和物力，实现高 效准确预测电商销售业绩，对把控电商销售业绩和宏观调控具有重要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动预测电商销售额的装置，其特征在于，包括采集单元、预测单元、定时单元和显示单元，所述采集单元用于进行数据采集，根据采集的数据设定自变量和因变量，建立线性方程组，求解方程组解；然后，将方程组解作为系数传入到预测单元，得到预测销售额，所述定时单元进行预测更新频率，最后显示单元进行展示。2.根据权利要求1所述的一种自动预测电商销售额的装置，其特征在于，方程组求解算法一部分如下：松弛因子ω自动生成算法，考虑线性方程组Ax＝b的解，其中，松弛因子ω的计算公式如下：其中，3.根据权利要求2所述的一种自动预测电商销售额的装置，其特征在于，方程组求解另一部分为改进余量修正算法：若为线性方程组(1)第k次迭代得到的一个近似解，我们把称为近似解的余量；构造余量方程组Ay＝r，通过线性方程组的直接法——LU分解法求解余量方程组，并且在用计算机求解时换用比前面迭代求解多一倍精度的变量存储数据；然后，将余量方程组的解y加到先前求得的近似解上得到修正后的原方程组第k次迭代最终近似解x
(k)
。4.根据权利要求3所述的一种自动预测电商销售额的装置，其特征在于，整体求解方程组算法为：首先，设定迭代次数上限C
d
、求解精度要求ε和算法迭代初始值x
(0)
；根据公式计算中间迭代值
根据公式计算松弛因子ω；根据公式计算迭代值即x
(k+1)
；根据公式r＝b
‑
Ax
(k+1)
计算近似解x
(k+1)
对应的余量r；构造余量方程组Ay＝r；然后，采用双精度存储并用直接法LU分解法求解余量方程组的解y；用修正量y对近似解x
(k+1)
进行修正，得到第k+1次迭代最终近似解最后，若迭代次数k≤C
d
并且已经达到近似解的精度要求ε，则算法结束，输出方程组的解若迭代次数k≤C
d
并且没有达到近似解的精度要求ε，则重复以上步骤；若迭代次数k＞C
d
，算法结束，方程组无解。5.根据权利要求4所述的一种自动预测电商销售额的装置，其特征在于，所述定时单元设置预测更新频率，为预测电商销售额装置传送启动信号。6.一种自动预测电商销售额的方法，其特征在于，具有以下步骤：S1、设置采集单元，进...

【专利技术属性】
技术研发人员：吴呈良，郑敏，单震，
申请(专利权)人：浪潮卓数大数据产业发展有限公司，
类型：发明
国别省市：