【技术实现步骤摘要】
基于机器学习的营收预测方法、设备及可读存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种基于机器学习的营收预测方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]为了更好地支持上市公司决定未来一段时间内的经营策略，需要采用营业收入预测对营业数据进行预测。营业收入预测是数据分析过程中非常重要的一环，其中，营业收入预测是指以统计学和数据分析方法为理论依据，对未来可能产生的营业收入尝试进行预测的行为。通过营业收入预测可以加强计划性，减少盲目性，取得较好的经济效益。
[0003]目前营业收入预测的常规做法为主观预测和智能预测两种方式；其中，主观预测方式为：通过对公司经营活动的深入研究，结合市场因素如供求关系，分析人员给出主观的预测结果；智能预测方式为：随着人工智能的发展，利用机器学习算法模型进行营业收入预测，即通过研究历史数据，建立时间序列模型，预测出营业收入在未来一段时间内的发展趋势。然而，目前建立单一的时间序列模型对营业收入的预测准确度不高。
[0004]为了解决通过建立单一的时间序...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的营收预测方法，应用于电子设备，其特征在于，所述方法包括：通过构建的神经网络模型的输入层对获取的每个月的营业收入数据进行预处理，获取时间序列数据；通过所述时间序列数据对候选的时间序列模型进行训练和预测，选择满足预设需求的时间序列模型作为神经网络模型的第一隐藏层；通过所述时间序列数据对所述第一隐藏层进行训练，获取第一隐藏层模型；根据每个月的营业收入数据偏差对所述第一隐藏层模型进行训练，生成偏差预测模型；将所述第一隐藏模型与所述偏差预测模型相叠加，生成神经网络模型的第二隐藏层模型；通过所述时间序列数据对所述第二隐藏层模型进行迭代训练，将迭代后的第二隐藏层模型确定为最终隐藏层模型；通过所述最终隐藏层模型对每个月的营业收入数据进行预测，获取营业收入预测数据。2.如权利要求1所述的基于机器学习的营收预测方法，其特征在于，所述通过神经网络模型的输入层对获取的每个月的营业收入数据进行预处理，获取时间序列数据，包括：将数据库中的营业收入数据以时间单位进行统计，获取每个月的营业收入数据；对每个月的营业收入数据进行异常值处理以及缺失值处理，获取时间序列数据。3.如权利要求1所述的基于机器学习的营收预测方法，其特征在于，所述通过所述时间序列数据对候选的时间序列模型进行训练和预测，选择满足预设需求的时间序列模型作为神经网络模型的第一隐藏层，包括：将移动平均模型、差分整合移动平均自回归模型、霍尔特
‑
温特模型作为候选的时间序列模型；将所述时间序列数据拆分为训练集和测试集；通过所述训练集对候选的时间序列模型进行训练和预测，获取每个候选的时间序列模型的预测值；通过对所述每个候选的时间序列模型的预测值、所述测试集进行误差分析，获取每个候选的时间序列模型的预测值与真实值的之间的差值；将差值最小的时间序列模型作为神经网络模型的第一隐藏层。4.如权利要求1所述的基于机器学习的营收预测方法，其特征在于，所述通过所述时间序列数据对所述第一隐藏层进行训练，获取第一隐藏层模型，包括：将所述时间序列数据输入到所述第一隐藏层，其中，所述时间序列数据为按照时间序列的营业收入数据；根据所述时间序列数据的长期趋势、季节变动以及随机变动，分别对每个月的营业收入数据进行权重分配；通过拟合方程对权重分配后的每个月的营业收入数据进行加权求和，获取营业收入预测数据；通过激活函数获取所述营业收入预测数据与营业收入数据之间的总损失，以及重新分配每个月的营业收入数据的权重；
根据重新分配每个月的营业收入数据的权重，循环获取总损失，直至总损失收敛，停止对所述第一隐藏层进行迭代训练，并将迭代后的第一隐藏层确定为第一隐藏层模型。5.如权利要求4所述的基于机器学习的营收预测方法，其特征在于，获取所述时间序列数据的长期趋势、季节变动以及随机变动的公式为：所述时间序列数据的长期趋势的计算公式为：其中，t
i
为时间序列数据的长期趋势；x
i
表示第i个月的营业收入数据；所述时间序列数据的季节变动的计算公式为：所述时间序列...
【专利技术属性】
技术研发人员：郑词林，王东，黄瑜，冉茂森，洪鑫磊，冯婷婷，
申请(专利权)人：平安银行股份有限公司，
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。