一种资源量预估方法、装置、设备及存储介质制造方法及图纸

本申请实施例提供了一种资源量预估方法、装置、设备及存储介质，涉及人工智能技术领域，该方法包括：基于待预估资源的第一历史消耗数据和待预估资源的催化资源数据，确定待预估资源对应的目标特征数据。再将目标特征数据输入集成学习模型，确定待预估资源在预测日期对应的候选数据量。由于同时考虑了待预估资源的第一历史消耗数据和催化资源数据，因此，所确定的待预估资源对应的目标特征数据的内容更加丰富。再基于待预估资源的历史催化资源的催化结果，确定待预估资源的调整权重。然后，采用调整权重对候选数据量进行调整，确定待预估资源在预测日期对应的资源量。通过调整权重对候选数据量进行调整，使得所获得资源量更加准确。使得所获得资源量更加准确。使得所获得资源量更加准确。

【技术实现步骤摘要】
一种资源量预估方法、装置、设备及存储介质


[0001]本专利技术实施例涉及人工智能
，尤其涉及一种资源量预估方法、装置、设备及存储介质。

技术介绍

[0002]在供应链行业中，资源的采购量一直是一个重要话题。当采购的资源过多时，很容易产生资源损耗；当采购的资源过少时，很容易导致资源供应不足，以上情况均给门店造成一定损失。
[0003]门店通常基于各个资源的历史消耗数据，预估各个资源对应的资源量，作为各个资源对应的采购量。然而，如果仅仅根据历史消耗数据，预测各个资源对应的资源量，而不考虑影响其他因素，很容易导致预测的资源量不准确，进而无法准确地确定各个资源的采购量。

技术实现思路

[0004]本申请实施例提供了一种资源量预估方法、装置、设备及存储介质，用于提高预测的资源量的准确性。
[0005]一方面，本申请实施例提供了一种资源量预估方法，该方法包括：
[0006]基于待预估资源的第一历史消耗数据和所述待预估资源的催化资源数据，确定所述待预估资源对应的目标特征数据；所述第一历史消耗数据是根据所述待预估资源在多个历史日期的消耗数据确定的，所述催化资源数据是根据所述待预估资源在未来预设时段内的催化资源确定的；
[0007]将所述目标特征数据输入集成学习模型，确定所述待预估资源在预测日期对应的候选数据量；
[0008]基于所述待预估资源的历史催化资源的催化结果，确定所述待预估资源的调整权重；
[0009]采用所述调整权重对所述候选数据量进行调整，确定所述待预估资源在所述预测日期对应的资源量。
[0010]可选地，所述基于待预估资源的第一历史消耗数据和所述待预估资源的催化资源数据，确定所述待预估资源对应的目标特征数据，包括：
[0011]确定所述待预估资源的第一历史消耗数据对应的第一特征数据、所述待预估资源的催化资源数据对应的第二特征数据、所述待预估资源的资源信息对应的第三特征数据、所述预测日期的预测数据对应的第四特征数据；
[0012]将所述第一特征数据、所述第二特征数据、所述第三特征数据以及所述第四特征数据合并，作为所述待预估资源对应的目标特征数据。
[0013]可选地，所述确定所述待预估资源的第一历史消耗数据对应的第一特征数据，包括：
[0014]基于多个目标滑动窗口内的子历史消耗数据，确定所述多个目标滑动窗口分别对应的第一维度的第一特征和第二维度的第一特征；所述多个目标滑动窗口内的子历史消耗数据是基于滑动窗口方式从所述第一历史消耗数据中确定的；
[0015]将所述多个目标滑动窗口分别对应的第一维度的第一特征和第二维度的第一特征，作为第一组特征数据；并将所述第一组特征数据作为所述待预估资源对应的第一特征数据。
[0016]可选地，所述将所述第一组特征数据作为所述待预估资源对应的第一特征数据之前，还包括：
[0017]基于所述第一历史消耗数据，确定当前日期对应的当日消耗数据以及多个比对日期各自对应的他日消耗数据；
[0018]基于所述当日消耗数据和多个他日消耗数据，确定每个比对日期对应的所述第一维度的第二特征和所述第二维度的第二特征；
[0019]将所述多个比对日期各自对应的第一维度的第二特征以及第二维度的第二特征，作为第二组特征数据；
[0020]所述将所述第一组特征数据作为所述待预估资源对应的第一特征数据，包括：
[0021]将所述第一组特征数据和所述第二组特征数据作为所述待预估资源对应的第一特征数据。
[0022]可选地，所述集成学习模型包括第一集成学习模型和第二集成学习模型；
[0023]所述将所述目标特征数据输入集成学习模型，确定所述待预估资源在预测日期对应的候选数据量之前，还包括：
[0024]确定所述待预估资源的历史平均消耗；
[0025]所述将所述目标特征数据输入集成学习模型，确定所述待预估资源在预测日期对应的候选数据量，包括：
[0026]若所述历史平均消耗小于消耗预设值，将所述目标特征数据输入所述第一集成学习模型，确定所述待预估资源在预测日期对应的候选数据量；
[0027]若所述历史平均消耗大于等于所述消耗预设值，将所述目标特征数据输入所述第二集成学习模型，确定所述待预估资源在预测日期对应的候选数据量。
[0028]可选地，所述第一集成学习模型和所述第二集成学习模型均为提升树模型；所述第一集成学习模型的损失函数为平均绝对百分比误差，所述第二集成学习模型的损失函数为平均绝对误差。
[0029]可选地，所述基于所述待预估资源的历史催化资源的催化结果，确定所述待预估资源的调整权重，包括：
[0030]根据所述历史催化资源对应的历史催化资源数据，从第二历史消耗数据中确定多个历史催化日期各自对应的资源消耗量，以及多个历史非催化日期各自对应的资源消耗量；
[0031]根据所述多个历史催化日期各自对应的资源消耗量，以及所述多个历史非催化日期各自对应的资源消耗量，确定所述待预估资源的调整权重。
[0032]一方面，本申请实施例提供了一种资源量预估装置，该装置包括：
[0033]特征数据确定模块，用于基于待预估资源的第一历史消耗数据和所述待预估资源
的催化资源数据，确定所述待预估资源对应的目标特征数据；所述第一历史消耗数据是根据所述待预估资源在多个历史日期的消耗数据确定的，所述催化资源数据是根据所述待预估资源在未来预设时段内的催化资源确定的；
[0034]预测模块，用于将所述目标特征数据输入集成学习模型，确定所述待预估资源在预测日期对应的候选数据量；
[0035]调整权重确定模块，用于基于所述待预估资源的历史催化资源的催化结果，确定所述待预估资源的调整权重；
[0036]调整模块，用于采用所述调整权重对所述候选数据量进行调整，确定所述待预估资源在所述预测日期对应的资源量。
[0037]可选地，所述特征数据确定模块具体用于：
[0038]确定所述待预估资源的第一历史消耗数据对应的第一特征数据、所述待预估资源的催化资源数据对应的第二特征数据、所述待预估资源的资源信息对应的第三特征数据、所述预测日期的预测数据对应的第四特征数据；
[0039]将所述第一特征数据、所述第二特征数据、所述第三特征数据以及所述第四特征数据合并，作为所述待预估资源对应的目标特征数据。
[0040]可选地，所述特征数据确定模块具体用于：
[0041]基于多个目标滑动窗口内的子历史消耗数据，确定所述多个目标滑动窗口分别对应的第一维度的第一特征和第二维度的第一特征；所述多个目标滑动窗口内的子历史消耗数据是基于滑动窗口方式从所述第一历史消耗数据中确定的；
[0042]将所述多个目标滑动窗口分别对应的第一维度的第一特征和第二维度的第一特征，作为第一组特征数据；并将所述第一组特征数据作为所述待预估资源对应的第一特征数据。
[0043]可选地，所述特征数据确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资源量预估方法，其特征在于，包括：基于待预估资源的第一历史消耗数据和所述待预估资源的催化资源数据，确定所述待预估资源对应的目标特征数据；所述第一历史消耗数据是根据所述待预估资源在多个历史日期的消耗数据确定的，所述催化资源数据是根据所述待预估资源在未来预设时段内的催化资源确定的；将所述目标特征数据输入集成学习模型，确定所述待预估资源在预测日期对应的候选数据量；基于所述待预估资源的历史催化资源的催化结果，确定所述待预估资源的调整权重；采用所述调整权重对所述候选数据量进行调整，确定所述待预估资源在所述预测日期对应的资源量。2.如权利要求1所述的方法，其特征在于，所述基于待预估资源的第一历史消耗数据和所述待预估资源的催化资源数据，确定所述待预估资源对应的目标特征数据，包括：确定所述待预估资源的第一历史消耗数据对应的第一特征数据、所述待预估资源的催化资源数据对应的第二特征数据、所述待预估资源的资源信息对应的第三特征数据、所述预测日期的预测数据对应的第四特征数据；将所述第一特征数据、所述第二特征数据、所述第三特征数据以及所述第四特征数据合并，作为所述待预估资源对应的目标特征数据。3.如权利要求2所述的方法，其特征在于，所述确定所述待预估资源的第一历史消耗数据对应的第一特征数据，包括：基于多个目标滑动窗口内的子历史消耗数据，确定所述多个目标滑动窗口分别对应的第一维度的第一特征和第二维度的第一特征；所述多个目标滑动窗口内的子历史消耗数据是基于滑动窗口方式从所述第一历史消耗数据中确定的；将所述多个目标滑动窗口分别对应的第一维度的第一特征和第二维度的第一特征，作为第一组特征数据；并将所述第一组特征数据作为所述待预估资源对应的第一特征数据。4.如权利要求3所述的方法，其特征在于，所述将所述第一组特征数据作为所述待预估资源对应的第一特征数据之前，还包括：基于所述第一历史消耗数据，确定当前日期对应的当日消耗数据以及多个比对日期各自对应的他日消耗数据；基于所述当日消耗数据和多个他日消耗数据，确定每个比对日期对应的所述第一维度的第二特征和所述第二维度的第二特征；将所述多个比对日期各自对应的第一维度的第二特征以及第二维度的第二特征，作为第二组特征数据；所述将所述第一组特征数据作为所述待预估资源对应的第一特征数据，包括：将所述第一组特征数据和所述第二组特征数据作为所述待预估资源对应的第一特征数据。5.如权利要求1所述的方法，其特征在于，所述集成学习模型包括第...

【专利技术属性】
技术研发人员：刘世欢，傅广垣，
申请(专利权)人：上海壹佰米网络科技有限公司，
类型：发明
国别省市：