一种预测销量的方法、系统、设备和存储介质技术方案

本发明专利技术提供一种预测销量的方法、系统、设备和存储介质，方法包括：设置物料的基本信息，并将所述基本信息作为网络的输入参数，选择对应的网络模型得到所述物料每个期数的预测销量结果；设置将所述预测销量结果分解到各个部门的比例，并根据所述比例确定每个部门的第一预测销量；根据当前政策和社会环境并结合每个部门的过往销量确定每个部门的第二预测销量；以及分别设置所述第一预测销量和所述第二预测销量的权重，并根据所述权重得到每种物料在每个部门不同时期的最终预测销量。本发明专利技术将机器学习算法与人工预测相融合，实现了新的销量预测方法，并对该方法预测的销量进行维度分解，满足现实生产中部门实际工作的需求。满足现实生产中部门实际工作的需求。满足现实生产中部门实际工作的需求。

【技术实现步骤摘要】
一种预测销量的方法、系统、设备和存储介质


[0001]本专利技术涉及人工智能领域，更具体地，特别是指一种预测销量的方法、系统、设备和存储介质。

技术介绍

[0002]在ERP(Enterprise Resource Planning，企业资源计划)中，对某种产品进行销量预测，及时调整生产规模与仓库备货，避免滞销和脱销是一种常见的销售管理模式。机器学习使用数据可以发现解决问题的最优化的方案，随着数据量的增多，精确性不断提高。它可在新数据进入的几毫秒内对结果进行预测，允许系统做出实时反应，对于大数据量的销量数据来说，机器学习可以使用云计算处理大批量的数据，对未来的销量做出预测；但是基于机器学习的销量预测有两个弊端：首先是机器学习仅仅是基于大数据量的学习，仅考虑往期数据之间的拟合规律，不能考虑突发事件(例如政策)对某种产品销量的影响；其次是机器学习预测的数据无法将该数据进行部门之间的维度分解，统筹各部门之间的工作量。

技术实现思路

[0003]有鉴于此，本专利技术实施例的目的在于提出一种预测销量的方法、系统、计算机设备及计算机可读存储介质，本专利技术在传统机器学习算法的基础之上，结合人工预测的优势，将机器学习算法与人工预测相融合，实现了新的销量预测方法，并对该方法预测的销量进行维度分解，满足现实生产中部门实际工作的需求。
[0004]基于上述目的，本专利技术实施例的一方面提供了一种预测销量的方法，包括如下步骤：设置物料的基本信息，并将所述基本信息作为网络的输入参数，选择对应的网络模型得到所述物料每个期数的预测销量结果；设置将所述预测销量结果分解到各个部门的比例，并根据所述比例确定每个部门的第一预测销量；根据当前政策和社会环境并结合每个部门的过往销量确定每个部门的第二预测销量；以及分别设置所述第一预测销量和所述第二预测销量的权重，并根据所述权重得到每种物料在每个部门不同时期的最终预测销量。
[0005]在一些实施方式中，所述分别设置所述第一预测销量和所述第二预测销量的权重包括：根据所述当前政策和社会环境确定所述第二预测销量的权重，并设置所述第一预测销量和所述第二预测销量的权重之和为一。
[0006]在一些实施方式中，所述根据所述权重得到每种物料在每个部门不同时期的最终预测销量包括：计算所述第一预测销量与对应的权重的第一结果以及所述第二预测销量与对应的权重的第二结果，并对所述第一结果和第二结果进行拟合以得到最终预测销量。
[0007]在一些实施方式中，所述方法还包括：将历史销售数据设置成训练数据集，并对所述训练数据集进行深度学习以得到预测函数，并根据所述预测函数构建网络模型。
[0008]本专利技术实施例的另一方面，提供了一种预测销量的系统，包括：信息模块，配置用于设置物料的基本信息，并将所述基本信息作为网络的输入参数，选择对应的网络模型得到所述物料每个期数的预测销量结果；第一预测模块，配置用于设置将所述预测销量结果
分解到各个部门的比例，并根据所述比例确定每个部门的第一预测销量；第二预测模块，配置用于根据当前政策和社会环境并结合每个部门的过往销量确定每个部门的第二预测销量；以及执行模块，配置用于分别设置所述第一预测销量和所述第二预测销量的权重，并根据所述权重得到每种物料在每个部门不同时期的最终预测销量。
[0009]在一些实施方式中，所述执行模块配置用于：根据所述当前政策和社会环境确定所述第二预测销量的权重，并设置所述第一预测销量和所述第二预测销量的权重之和为一。
[0010]在一些实施方式中，所述执行模块配置用于：计算所述第一预测销量与对应的权重的第一结果以及所述第二预测销量与对应的权重的第二结果，并对所述第一结果和第二结果进行拟合以得到最终预测销量。
[0011]在一些实施方式中，所述系统还包括训练模块，配置用于：将历史销售数据设置成训练数据集，并对所述训练数据集进行深度学习以得到预测函数，并根据所述预测函数构建网络模型。
[0012]本专利技术实施例的又一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现如上方法的步骤。
[0013]本专利技术实施例的再一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
[0014]本专利技术具有以下有益技术效果：
[0015](1)提供多种机器预测算法，不同预测期间，定制化不同物料的机器预测结果；
[0016](2)引入专家预测方式，将机器预测销量进行维度分解，细化分解结果；
[0017](3)自定义机器预测与人工拟合的比例，得到个性化销量；
[0018](4)实际业务发生时，通过设置物料特征与预测期间和算法，人工进行维度分解并融合人工预测进行拟合，最终能得到每种物料的销量预测结果。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，对于本领域普通技术人员来讲，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实施例。
[0020]图1为本专利技术提供的预测销量的方法的实施例的示意图；
[0021]图2为本专利技术提供的预测销量的系统的实施例的示意图；
[0022]图3为本专利技术提供的预测销量的计算机设备的实施例的硬件结构示意图；
[0023]图4为本专利技术提供的预测销量的计算机存储介质的实施例的示意图。
具体实施方式
[0024]为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术实施例进一步详细说明。
[0025]需要说明的是，本专利技术实施例中所有使用“第一”和“第二”的表述均是为了区分两
个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本专利技术实施例的限定，后续实施例对此不再一一说明。
[0026]本专利技术实施例的第一个方面，提出了一种预测销量的方法的实施例。图1示出的是本专利技术提供的预测销量的方法的实施例的示意图。如图1所示，本专利技术实施例包括如下步骤：
[0027]S1、设置物料的基本信息，并将所述基本信息作为网络的输入参数，选择对应的网络模型得到所述物料每个期数的预测销量结果；
[0028]S2、设置将所述预测销量结果分解到各个部门的比例，并根据所述比例确定每个部门的第一预测销量；
[0029]S3、根据当前政策和社会环境并结合每个部门的过往销量确定每个部门的第二预测销量；以及
[0030]S4、分别设置所述第一预测销量和所述第二预测销量的权重，并根据所述权重得到每种物料在每个部门不同时期的最终预测销量。
[0031]针对机器学习对数据过于依赖的问题，本专利技术实施例引入人工预测方法，在没有历史数据可学习的情况下，运用专家经验对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测销量的方法，其特征在于，包括如下步骤：设置物料的基本信息，并将所述基本信息作为网络的输入参数，选择对应的网络模型得到所述物料每个期数的预测销量结果；设置将所述预测销量结果分解到各个部门的比例，并根据所述比例确定每个部门的第一预测销量；根据当前政策和社会环境并结合每个部门的过往销量确定每个部门的第二预测销量；以及分别设置所述第一预测销量和所述第二预测销量的权重，并根据所述权重得到每种物料在每个部门不同时期的最终预测销量。2.根据权利要求1所述的方法，其特征在于，所述分别设置所述第一预测销量和所述第二预测销量的权重包括：根据所述当前政策和社会环境确定所述第二预测销量的权重，并设置所述第一预测销量和所述第二预测销量的权重之和为一。3.根据权利要求1所述的方法，其特征在于，所述根据所述权重得到每种物料在每个部门不同时期的最终预测销量包括：计算所述第一预测销量与对应的权重的第一结果以及所述第二预测销量与对应的权重的第二结果，并对所述第一结果和第二结果进行拟合以得到最终预测销量。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：将历史销售数据设置成训练数据集，并对所述训练数据集进行深度学习以得到预测函数，并根据所述预测函数构建网络模型。5.一种预测销量的系统，其特征在于，包括：信息模块，配置用于设置物料的基本信息，并将所述基本信息作为网络的输入参数，选择对应的网络模型得到所述物料每个期数的预测销量结果；第一预测模块，配置用于设置将所述预测销量结果...

【专利技术属性】
技术研发人员：万春曼，徐同明，
申请(专利权)人：浪潮通用软件有限公司，
类型：发明
国别省市：