本申请涉及数据分子技术领域，具体公开了一种库存量预测方法、装置、存储介质及电子设备，该方法包括：将若干历史数据输入数据解析模型，得到历史数据的数据特征，数据特征包括第一特征和第二特征；根据第一特征为历史数据选取模型类别，模型类别包括第一类别模型、第二类别模型和第三类别模型；在模型类别下结合第二特征为历史数据选取预估模型；利用历史数据和第二特征优化预估模型；利用历史数据和优化后的预估模型得到预估数据。该预测方法以历史数据为基点，根据历史数据特点选取不同的预估模型，使得预测结果更接近真实数据。使得预测结果更接近真实数据。使得预测结果更接近真实数据。
【技术实现步骤摘要】
库存量预测方法、装置、存储介质及电子设备
[0001]本申请实施例涉及数据分析
，具体涉及一种库存量预测方法、装置、存储介质及电子设备。
技术介绍
[0002]企业为了维持正常销量，在保证企业生产经营需求的前提下，使库存量经常保持在合理水平上，企业需要灵活掌握库存量动态，适时、适量提出订货，避免超储或缺货，以减少库存空间占用，降低库存费用，而且可以控制库存资金占用，加速资金周转。目前主流的预测方法都是基于历史销量预估，例如：日销量=3天日均*20%+7天日均*20%+14天日均*30%+60天日均*20%+90天日均*10%，该类库存预测方法对于销量变化波动大的商品预估偏差较大，而且利用同一预测模型预测所有商品，使得预测偏差程度大。
技术实现思路
[0003]本申请实施例提供一种库存量预测方法、装置、存储介质及电子设备，该预测方法以历史数据为基点，根据历史数据特点选取不同的预估模型，使得预测结果更接近真实数据。
[0004]第一方面，本申请实施例提供一种库存量预测方法，包括：将若干历史数据输入数据解析模型，得到所述历史数据的数据特征，所述数据特征包括第一特征和第二特征；根据所述第一特征为所述历史数据选取模型类别，所述模型类别包括第一类别模型、第二类别模型和第三类别模型；在所述模型类别下结合所述第二特征为所述历史数据选取预估模型；利用所述历史数据和所述第二特征优化所述预估模型；利用所述历史数据和优化后的所述预估模型得到预估数据。
[0005]在本申请实施例提供的库存量预测方法中，所述将若干历史数据输入数据解析模型，包括：获取所述历史数据；将所述历史数据标准化；将标准化后的所述历史数据输入所述数据解析模型。
[0006]在本申请实施例提供的库存量预测方法中，所述根据所述第一特征为所述历史数据选取模型类别，包括：所述第一特征包括第一子特征、第二子特征和第三子特征；当所述第一特征为第一子特征时，为所述历史数据选取所述第一类别模型；当所述第一特征为第二子特征时，为所述历史数据选取所述第二类别模型；当所述第一特征为第三子特征时，为所述历史数据选取所述第三类别模型。
[0007]在本申请实施例提供的库存量预测方法中，所述当所述第一特征为第一子特征
时，为所述历史数据选取所述第一类别模型，包括：所述第一子特征为高销量且销量平稳，所述第一类别模型为：其中，是平滑因子，为时刻历史数据，为时刻历史数据。
[0008]在本申请实施例提供的库存量预测方法中，所述当所述第一特征为第二子特征时，为所述历史数据选取所述第二类别模型，包括：所述第二子特征为销量高度变化，所述第二类别模型为时间序列模型。
[0009]在本申请实施例提供的库存量预测方法中，所述当所述第一特征为第三子特征时，为所述历史数据选取所述第三类别模型，包括：所述第三子特征为销量缓慢，所述第三类别模型为：其中，分别为历史数据对应的权重。
[0010]第二方面，本申请实施例提供一种库存量预测装置，包括：解析单元，用于将若干历史数据输入数据解析模型，得到所述历史数据的数据特征，所述数据特征包括第一特征和第二特征；第一模型单元，用于根据所述第一特征为所述历史数据选取模型类别，所述模型类别包括第一类别模型、第二类别模型和第三类别模型；第二模型单元，用于在所述模型类别下结合所述第二特征为所述历史数据选取预估模型；优化单元，用于利用所述历史数据和所述第二特征优化所述预估模型；输出单元，用于利用所述历史数据和优化后的所述预估模型得到预估数据。
[0011]在本申请实施例提供的库存量预测装置中，所述解析单元还用于：获取所述历史数据；将所述历史数据标准化；将标准化后的所述历史数据输入所述数据解析模型。
[0012]第三方面，本申请实施例提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，执行本申请实施例所提供的任一种所述的库存量预测方法中的步骤。
[0013]第四方面，本申请实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现本申请实施例所提供的任一种所述的库存量预测方法中的步骤。
[0014]综上所述，本申请实施例提供了一种库存量预测方法，该方法包括：将若干历史数据输入数据解析模型，得到历史数据的数据特征，数据特征包括第一特征和第二特征；根据第一特征为历史数据选取模型类别，模型类别包括第一类别模型、第二类别模型和第三类别模型；在模型类别下结合第二特征为历史数据选取预估模型；利用历史数据和第二特征优化预估模型；利用历史数据和优化后的预估模型得到预估数据。该预测方法以历史数据为基点，根据历史数据特点选取不同的预估模型，使得预测结果更接近真实数据。
附图说明
[0015]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本申请实施例提供的库存量预测方法的流程示意图。
[0017]图2为本申请实施例提供的库存量预测装置的结构示意图。
[0018]图3为本申请实施例提供的一种服务器的结构示意图。
[0019]图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0020]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0021]本申请中的术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
[0022]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0023]本申请实施例提供了一种库存量预测方法、装置、存储介质及电子设备。
[0024]请参阅图1，图1是本申请实施例提供的库存量预测方法的流程示意图，该库存量预测方法的具体流程可以如下：101、将若干历史数据输入数据解析模型，得到历史数据的数据特征，数据特征包括第一特征和第二特征。
[0025]在一些实施例中，将若干历史数据输入数据解析模型，包括本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种库存量预测方法，其特征在于，包括：将若干历史数据输入数据解析模型，得到所述历史数据的数据特征，所述数据特征包括第一特征和第二特征；根据所述第一特征为所述历史数据选取模型类别，所述模型类别包括第一类别模型、第二类别模型和第三类别模型；在所述模型类别下结合所述第二特征为所述历史数据选取预估模型；利用所述历史数据和所述第二特征优化所述预估模型；利用所述历史数据和优化后的所述预估模型得到预估数据。2.如权利要求1所述的库存量预测方法，其特征在于，所述将若干历史数据输入数据解析模型，包括：获取所述历史数据；将所述历史数据标准化；将标准化后的所述历史数据输入所述数据解析模型。3.如权利要求1所述的库存量预测方法，其特征在于，所述根据所述第一特征为所述历史数据选取模型类别，包括：所述第一特征包括第一子特征、第二子特征和第三子特征；当所述第一特征为第一子特征时，为所述历史数据选取所述第一类别模型；当所述第一特征为第二子特征时，为所述历史数据选取所述第二类别模型；当所述第一特征为第三子特征时，为所述历史数据选取所述第三类别模型。4.如权利要求3所述的库存量预测方法，其特征在于，所述当所述第一特征为第一子特征时，为所述历史数据选取所述第一类别模型，包括：所述第一子特征为高销量且销量平稳，所述第一类别模型为：其中，是平滑因子，为时刻历史数据，为时刻历史数据。5.如权利要求3所述的库存量预测方法，其特征在于，所述当所述第一特征为第二子特征时，为所述历史数据选取所述第二类别模型，包括：所述第...
【专利技术属性】
技术研发人员：王志超，
申请(专利权)人：深圳美云集网络科技有限责任公司，
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。