一种物流业增加值增速预测方法、装置、存储介质及设备制造方法及图纸

本申请公开了一种物流业增加值增速预测方法、装置、存储介质及设备，该方法包括：首先获取当前已有物流业增加值增速，以及获取与其相关的历史指标数据，然后将当前已有物流业增加值增速和历史指标数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果；其中，增加值增速预测模型是利用与物流业增加值增速相关的时间序列数据进行有监督学习训练得到的。由于本申请是先利用与物流业增加值增速相关的时间序列数据进行有监督学习训练构建了增加值增速预测模型，使得模型的预测结果包含了物流业多个影响因素的特征，从而在利用该模型进行目标时间段物流业的增加值增速预测时，可以有效提高预测结果的准确率。预测结果的准确率。预测结果的准确率。

【技术实现步骤摘要】
一种物流业增加值增速预测方法、装置、存储介质及设备


[0001]本申请涉及物流
，尤其涉及一种物流业增加值增速预测方法、装置、存储介质及设备。

技术介绍

[0002]交通运输、仓储和邮政业作为社会经济中的基础性和先导性的物流行业，其是否能够实现长期持续平稳的健康发展显得尤为重要。物流业增加值不仅能够在一定时期内反应物流行业的经济指标状况，也是对物流业进行把控和制定相应策略的重要参考依据之一，特别是对交通运输、仓储和邮政业增加值增速的未来值进行预测，该指标起着非常关键的作用价值。
[0003]现有的交通运输、仓储和邮政业的变价增加值核算方法主要是使用物量外推法，即报告期不变价增加值等于基期现价增加值与产出物量指数的乘积。铁路运输业、道路运输业和水上运输业物量指数分别为对应行业的客货运周转量指数，邮政业的物量指数为邮政业务总量指数。因而不变价增加值增速等于对应物量指数增速。而交通运输、仓储和邮政业现价增加值则根据不变价增加值和相应价格指数计算，其中价格指数分别为当期城市间交通费价格指数和当期通信服务价格指数。但是这种计算方式并未考虑各行业权重，导致最终的预测预测结果不够准确。

技术实现思路

[0004]本申请实施例的主要目的在于提供一种物流业增加值增速预测方法、装置、存储介质及设备，能够在进行物流业的增加值增速预测时，有效提高预测结果的准确率。
[0005]本申请实施例提供了一种物流业增加值增速预测方法，包括：
[0006]获取当前已有物流业增加值增速，以及获取与所述当前已有物流业增加值增速相关的历史指标数据；
[0007]将所述当前已有物流业增加值增速和所述历史指标数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果；
[0008]其中，所述增加值增速预测模型是利用与物流业增加值增速相关的时间序列数据进行有监督学习训练得到的。
[0009]一种可能的实现方式中，所述将所述当前已有物流业增加值增速和所述历史指标数据共同输入至预先构建的增加值增速预测模型之前，所述方法还包括：
[0010]对所述当前已有物流业增加值增速和所述历史指标数据进行预处理，得到预处理后的所述当前已有物流业增加值增速和所述历史指标数据；
[0011]所述将所述当前已有物流业增加值增速和所述历史指标数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果，包括：
[0012]将所述预处理后的所述当前已有物流业增加值增速和所述历史指标数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果。
[0013]一种可能的实现方式中，所述获取与所述当前已有物流业增加值增速相关的历史指标数据之后，所述方法还包括：
[0014]对所述历史指标数据与所述当前已有物流业增加值增速进行相关性分析，并根据分析结果进行特征筛选，得到与所述当前已有物流业增加值增速相关性满足预设条件的特征数据；
[0015]所述将所述当前已有物流业增加值增速和所述历史指标数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果，包括：
[0016]将所述当前已有物流业增加值增速和所述特征数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果。
[0017]一种可能的实现方式中，所述当前已有物流业增加值增速为当月物流业增加值增速；所述特征数据包括货运周转量累计数、当月货运周转量、货运量累计数和当月货运量；所述将所述当前已有物流业增加值增速和所述特征数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果，包括：
[0018]将所述当月物流业增加值增速、货运周转量累计数、当月货运周转量、货运量累计数和当月货运量共同输入至预先构建的增加值增速预测模型，预测得到下月物流业的增加值增速结果。
[0019]一种可能的实现方式中，所述方法还包括：
[0020]获取与物流业增加值增速相关的时间序列数据；
[0021]将所述时间序列数据转换为监督学习数据；
[0022]利用所述监督学习数据、损失函数和正则项，对初始增加值增速预测模型进行时间序列多变量预测训练，得到训练后的增加值增速预测模型。
[0023]一种可能的实现方式中，所述初始增加值增速预测模型为极度梯度提升算法XGBoost模型。
[0024]一种可能的实现方式中，所述正则项用于控制模型的复杂度；所述损失函数是通过二阶泰勒公式展开进行优化，以提高模型的预测精确度。
[0025]一种可能的实现方式中，所述利用所述监督学习数据、损失函数和正则项，对初始增加值增速预测模型进行时间序列多变量预测训练，得到训练后的增加值增速预测模型，包括：
[0026]连续将所述监督学习数据添加到初始增加值增速预测模型的树，进行特征分裂生成一颗新树，并根据损失函数和正则项，利用所述新树拟合前一次模型预测的残差，直至生成的新树的深度满足预设阈值，并将得到的树进行组合，得到增加值增速预测模型。
[0027]一种可能的实现方式中，所述方法还包括：
[0028]通过预设的多变量数据的前进式脚本，对所述增加值增速预测模型进行评估，得到评估结果。
[0029]本申请实施例还提供了一种物流业增加值增速预测装置，包括：
[0030]第一获取单元，用于获取当前已有物流业增加值增速，以及获取与所述当前已有物流业增加值增速相关的历史指标数据；
[0031]预测单元，用于将所述当前已有物流业增加值增速和所述历史指标数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果；
[0032]其中，所述增加值增速预测模型是利用与物流业增加值增速相关的时间序列数据进行有监督学习训练得到的。
[0033]一种可能的实现方式中，所述装置还包括：
[0034]预处理单元，用于对所述当前已有物流业增加值增速和所述历史指标数据进行预处理，得到预处理后的所述当前已有物流业增加值增速和所述历史指标数据；
[0035]所述预测单元具体用于：
[0036]将所述预处理后的所述当前已有物流业增加值增速和所述历史指标数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果。
[0037]一种可能的实现方式中，所述装置还包括：
[0038]分析单元，用于对所述历史指标数据与所述当前已有物流业增加值增速进行相关性分析，并根据分析结果进行特征筛选，得到与所述当前已有物流业增加值增速相关性满足预设条件的特征数据；
[0039]所述预测单元具体用于：
[0040]将所述当前已有物流业增加值增速和所述特征数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果。
[0041]一种可能的实现方式中，所述当前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物流业增加值增速预测方法，其特征在于，包括：获取当前已有物流业增加值增速，以及获取与所述当前已有物流业增加值增速相关的历史指标数据；将所述当前已有物流业增加值增速和所述历史指标数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果；其中，所述增加值增速预测模型是利用与物流业增加值增速相关的时间序列数据进行有监督学习训练得到的。2.根据权利要求1所述的方法，其特征在于，所述将所述当前已有物流业增加值增速和所述历史指标数据共同输入至预先构建的增加值增速预测模型之前，所述方法还包括：对所述当前已有物流业增加值增速和所述历史指标数据进行预处理，得到预处理后的所述当前已有物流业增加值增速和所述历史指标数据；所述将所述当前已有物流业增加值增速和所述历史指标数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果，包括：将所述预处理后的所述当前已有物流业增加值增速和所述历史指标数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果。3.根据权利要求1所述的方法，其特征在于，所述获取与所述当前已有物流业增加值增速相关的历史指标数据之后，所述方法还包括：对所述历史指标数据与所述当前已有物流业增加值增速进行相关性分析，并根据分析结果进行特征筛选，得到与所述当前已有物流业增加值增速相关性满足预设条件的特征数据；所述将所述当前已有物流业增加值增速和所述历史指标数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果，包括：将所述当前已有物流业增加值增速和所述特征数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果。4.根据权利要求3所述的方法，其特征在于，所述当前已有物流业增加值增速为当月物流业增加值增速；所述特征数据包括货运周转量累计数、当月货运周转量、货运量累计数和当月货运量；所述将所述当前已有物流业增加值增速和所述特征数据共同输入至预先构建的增加值增速预测模型，预测得到目标时间段物流业的增加值增速结果，包括：将所述当月物流业增加值增速、货运周转量累计数、当月货运周转量、货运量累计数和当月货运量共同输入至预先构建的增加值增速预测模型，预测得到下月物流业的增加值增速结果。5.根据权利要求1所述的方法，...

【专利技术属性】
技术研发人员：倪康，朱小捷，戴光浩，
申请(专利权)人：讯飞智元信息科技有限公司，
类型：发明
国别省市：