一种加油站油品储备量预测的方法和系统技术方案

本发明专利技术公开了一种加油站油品储备量预测的方法和系统，统计生成加油站一年来的每个月的油品销售数据作为训练样本；获取新的一年产生的3个月的油品销售数据作为测试样本，基于训练样本和测试样本对油品销售模型进行训练和测试得到训练好的油品销量模型，在需要进行相关油品种类储备的时候输入储备油品品种、计划存储时间段到对应油品训练所得的销量模型中，得到该油品时间段内销量预测值，油站按照油品预测销量值安排储备油量，基于这种通过预测各油品销量来合理安排油品储备量的方法保障了加油站能合理安排油品的存储计划，最大可能的满足了加油站的油品销售，保证车辆正常进行油品的购买；杜绝了加油站地罐容量的浪费，不会剩余过多油品。不会剩余过多油品。不会剩余过多油品。

【技术实现步骤摘要】
一种加油站油品储备量预测的方法和系统


[0001]本专利技术属于数据分析领域，尤其是涉及一种加油站油品储备量预测的方法和系统。

技术介绍

[0002]随着中国国民经济的高速发展、交通基础设施的不断改善、机动车保有量的持续增长，加油站已成为民众生活中不可或缺的一部分。
[0003]目前加油站提供的油品类型有柴油、汽油两种，其中汽油种类有92号汽油、95号汽油、98号汽油，加油站需要对各油品进行储备，目前加油站没办法精准的预估各油品的销售情况，因此无法做到精准的计划安排各油品的储备量。

技术实现思路

[0004]针对以上技术问题，本专利技术提供一种可预估各油品销量进而合理安排油品储备量的加油站油品储备量预测的方法和系统。
[0005]本专利技术解决其技术问题采用的技术方案是：
[0006]一种加油站油品储备量预测的方法，其特征在于，方法包括以下步骤：
[0007]步骤S100：以月为单位，统计当月油品的销售实际数据总数、当月加油站临街车流总数及临街不同颜色车牌车流总数；
[0008]步骤S200：根据当月加油站临街车流总数和临街不同颜色车牌车流总数得到每一颜色临街车牌车流占比，根据每一颜色临街车牌车流占比和预设的占比
‑
当月油品的销售实际数据总数更新规则得到当月的油品销售数据，直至得到加油站一年来的每个月的油品销售数据，作为训练样本；
[0009]步骤S300：获取新的一年产生的3个月的油品销售数据作为测试样本；
[0010]步骤S400：基于tensorflow框架构建不同型号油品销售模型，将对应类型油品的训练样本输入至对应型号油品销售模型进行训练，并用测试样本对该油品销售模型进行测试，直至训练样本的训练误差和测试样本的测试误差满足预设的均分误差，得到相应训练好的油品销量模型；
[0011]步骤S500：将计划时间段和预测油品类型输入至相应训练好的油品销量模型，预测得到该油品在计划时间段内的销售量，根据销售量得到油品储备量。
[0012]优选地，步骤S100中油品包括柴油、92号汽油、95号汽油和98号汽油，不同颜色车牌包括黄色车牌和蓝色车牌。
[0013]优选地，步骤S200中根据每一颜色临街车牌车流占比和预设的占比
‑
当月油品的销售实际数据总数更新规则得到当月的油品销售数据，包括：
[0014]当一颜色临街车牌车流占比超过了预设第一阈值时，在当月油品的销售实际数据总数基础上增加预设第一比例作为当月的油品销售数据；
[0015]当每一颜色临街车牌车流占比超过了预设第二阈值但是小于预设第一阈值，在当
月油品的销售实际数据总数基础上增加预设第二比例作为当月的油品销售数据；
[0016]当每一颜色临街车牌车流占比超过了预设第三阈值但是小于预设第二阈值，使用当月油品的销售实际数据总数作为当月的油品销售数据；
[0017]当每一颜色临街车牌车流占比不超过预设第三阈值，在当月油品的销售实际数据总数基础上减少预设第二比例作为当月的油品销售数据。
[0018]优选地，当临街车牌颜色为蓝色时，预设第一阈值、预设第二阈值和预设第三阈值分别为0.8、0.5和0.25，预设第一比例和预设第二比例分别为10％和5％。
[0019]优选地，当临街车牌颜色为黄色时，预设第一阈值、预设第二阈值和预设第三阈值分别为0.8、0.5和0.25，预设第一比例和预设第二比例分别为10％和5％。
[0020]优选地，步骤S400中的预设的均分误差，具体为：
[0021][0022]其中，E表示预设的均分误差，i表示第i个月份，T
i
表示第i个月份的当月的油品销售数据，表示15个月的油品销售平均数据。
[0023]优选地，步骤S500中的计划时间段以1
‑
12月为一个循环，所设置的时间段格式为某月到另一月，且要求结束的时间段大于开始时间段。
[0024]一种加油站油品储备量预测的系统，包括：
[0025]车流总数统计模块，用于以月为单位，统计当月油品的销售实际数据总数、当月加油站临街车流总数及临街不同颜色车牌车流总数；
[0026]训练样本生成模块，用于根据当月加油站临街车流总数和临街不同颜色车牌车流总数得到每一颜色临街车牌车流占比，根据每一颜色临街车牌车流占比和预设的占比
‑
当月油品的销售实际数据总数更新规则得到当月的油品销售数据，直至得到加油站一年来的每个月的油品销售数据，作为训练样本；
[0027]测试样本获取模块，用于获取新的一年产生的3个月的油品销售数据作为测试样本；
[0028]油品销量模型训练模块，用于基于tensorflow框架构建不同型号油品销售模型，将对应类型油品的训练样本输入至对应型号油品销售模型进行训练，并用测试样本对该油品销售模型进行测试，直至训练样本的训练误差和测试样本的测试误差满足预设的均分误差，得到相应训练好的油品销量模型；
[0029]储备量预测模块，用于将计划时间段和预测油品类型输入至相应训练好的油品销量模型，预测得到该油品在计划时间段内的销售量，根据销售量得到油品储备量。
[0030]上述一种加油站油品储备量预测的方法和系统，在需要进行相关油品种类储备的时候输入储备油品品种、计划存储时间段到对应油品训练所得的销量模型中，得到该油品时间段内销量预测值，油站按照油品预测销量值安排储备油量，基于这种通过预测各油品销量来合理安排油品储备量的方法保障了加油站能合理安排油品的存储计划，合理利用地罐的容量进行油品的储备，最大可能的满足了加油站的油品销售，保证车辆正常进行油品的购买；杜绝了加油站地罐容量的浪费，不会剩余过多油品。
附图说明
[0031]图1为本专利技术一实施例提供的加油站油品储备量预测的方法流程图。
具体实施方式
[0032]为了使本
的人员更好地理解本专利技术的技术方案，下面结合附图对本专利技术作进一步的详细说明。
[0033]在一个实施例中，如图1所示，一种加油站油品储备量预测的方法，方法包括以下步骤：
[0034]步骤S100：以月为单位，统计当月油品的销售实际数据总数、当月加油站临街车流总数及临街不同颜色车牌车流总数。
[0035]具体地，加油站每天实际油品销售数据从加油站的零管系统获取得到，根据加油站每天实际油品销售数据可统计得到当月油品的销售实际数据总数。加油站临街车流总数、临街不同颜色车牌车流总数通过在加油站临街位置架设带车牌识别功能的摄像头得到。
[0036]在一个实施例中，步骤S100中油品包括柴油、92号汽油、95号汽油和98号汽油，不同颜色车牌包括黄色车牌和蓝色车牌。
[0037]步骤S200：根据当月加油站临街车流总数和临街不同颜色车牌车流总数得到每一颜色临街车牌车流占比，根据每一颜色临街车牌车流占比和预设的占比
‑
当月油品的销售实际数据总数更新本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种加油站油品储备量预测的方法，其特征在于，所述方法包括以下步骤：步骤S100：以月为单位，统计当月油品的销售实际数据总数、当月加油站临街车流总数及临街不同颜色车牌车流总数；步骤S200：根据所述当月加油站临街车流总数和临街不同颜色车牌车流总数得到每一颜色临街车牌车流占比，根据所述每一颜色临街车牌车流占比和预设的占比
‑
当月油品的销售实际数据总数更新规则得到当月的油品销售数据，直至得到加油站一年来的每个月的油品销售数据，作为训练样本；步骤S300：获取新的一年产生的3个月的油品销售数据作为测试样本；步骤S400：基于tensorflow框架构建不同型号油品销售模型，将对应类型油品的训练样本输入至对应型号油品销售模型进行训练，并用所述测试样本对该油品销售模型进行测试，直至所述训练样本的训练误差和所述测试样本的测试误差满足预设的均分误差，得到相应训练好的油品销量模型；步骤S500：将计划时间段和预测油品类型输入至相应训练好的油品销量模型，预测得到该油品在计划时间段内的销售量，根据所述销售量得到油品储备量。2.根据权利要求1所述的方法，其特征在于，步骤S100中油品包括柴油、92号汽油、95号汽油和98号汽油，不同颜色车牌包括黄色车牌和蓝色车牌。3.根据权利要求2所述的方法，其特征在于，步骤S200中根据所述每一颜色临街车牌车流占比和预设的占比
‑
当月油品的销售实际数据总数更新规则得到当月的油品销售数据，包括：当一颜色临街车牌车流占比超过了预设第一阈值时，在当月油品的销售实际数据总数基础上增加预设第一比例作为当月的油品销售数据；当每一颜色临街车牌车流占比超过了预设第二阈值但是小于预设第一阈值，在当月油品的销售实际数据总数基础上增加预设第二比例作为当月的油品销售数据；当每一颜色临街车牌车流占比超过了预设第三阈值但是小于预设第二阈值，使用当月油品的销售实际数据总数作为当月的油品销售数据；当每一颜色临街车牌车流占比不超过预设第三阈值，在当月油品的销售实际数据总数基础上减少预设第二比例作为当月的油品销售数据。...

【专利技术属性】
技术研发人员：赵景，陈丹，张荣，
申请(专利权)人：湖南高至科技有限公司，
类型：发明
国别省市：