商品销量预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及计算机技术领域，提供一种商品销量预测方法、装置、电子设备及存储介质，该方法先后引入每个因子对应的销量增量预测模型以及综合销量预测模型，综合考虑了各因子对商品销量的影响，可以使预测精度更高，预测结果更加准确，波动跟随性更强，进而有效解决商品在不同因子影响下预测精度不高、波动跟随性不强的问题，通用性较强，可以适用于泛零售行业的电子产品、食品百货、生鲜等各种品类商品的销量预测。这种组合方法既克服了树模型外推性不强（即不能给出超过历史实际销量上下限的预测值）的缺点，又具有借助各因子特征，考虑预测变量间的非线性关系的优点。变量间的非线性关系的优点。变量间的非线性关系的优点。

【技术实现步骤摘要】
商品销量预测方法、装置、电子设备及存储介质


[0001]本专利技术涉及计算机
，尤其涉及一种商品销量预测方法、装置、电子设备及存储介质。

技术介绍

[0002]销量预测可视为一个时间序列预测问题，即通过之前一段时间的销量来预测后一段时间的销量。目前，对于销量预测的主流方法，可以包括基于机器学习模型的方法以及组合预测方法。
[0003]基于机器学习模型的方法通常是利用通过外部特征向量以及各个商品的销量训练得到的销量预测模型，进行销量预测。这种方法虽然能够提升销量预测效率，但是由于其将外部的销量影响因素均整合成外部特征向量，依然无法保证预测精度。
[0004]组合预测方法例如facebook提出的prophet方法，prophet方法基于时间序列分解和机器学习拟合实现，考虑了趋势项、季节项、节假日项和误差项这四项。通过拟合这四项的值，并进行累加即得到某个序列的预测值。该方法具备易解释的周期性结构，且考虑了如节假日的外生变量，但是对于销量预测场景下的如活动、天气等复杂的因素，仍然无法进行刻画，导致预测精度不足，尤其不适用于对生鲜本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商品销量预测方法，其特征在于，包括：获取预测时间段内目标销售单位中目标商品的每个因子特征，并确定所述预测时间段内所述目标商品的基线销量；所述因子特征包括销售特征和影响商品销量的每个因子的因子域特征；将所述目标商品的每个因子特征和所述目标商品的基线销量输入至每个因子对应的销量增量预测模型，得到每个因子对应的销量增量预测模型输出的所述目标商品在每个因子影响下的销量增量预测值；将所述目标商品的每个因子特征、所述目标商品的基线销量和所述目标商品在每个因子影响下的销量增量预测值输入至综合销量预测模型，得到所述综合销量预测模型输出的所述预测时间段内所述目标销售单位中所述目标商品的综合销量预测值；其中，所述销量增量预测模型包括结构不同的多个第一预测子模型，从不同维度的第一预测子模型预测所述目标商品在每个因子影响下的销量增量预测值；所述综合销量预测模型包含结构不同的多个第二预测子模型，从不同维度的第二预测子模型预测所述综合销量预测值。2.根据权利要求1所述的商品销量预测方法，其特征在于，所述将所述目标商品的每个因子特征和所述目标商品的基线销量输入至每个因子对应的销量增量预测模型，得到每个因子对应的销量增量预测模型输出的所述目标商品在每个因子影响下的销量增量预测值，包括：对于任一因子，将所述任一因子对应的因子特征和所述目标商品的基线销量输入至所述任一因子对应的销量增量预测模型中的第一预测子模型，得到所述第一预测子模型输出的第一预测结果；将所述任一因子对应的因子特征和所述第一预测结果输入至所述任一因子对应的销量增量预测模型中的第一拼接层，得到所述第一拼接层输出的第一拼接结果；将所述第一拼接结果输入至所述任一因子对应的销量增量预测模型中的第一全连接层，得到所述第一全连接层输出的所述目标商品在所述任一因子影响下的销量增量预测值。3.根据权利要求2所述的商品销量预测方法，其特征在于，所述将所述目标商品的每个因子特征、所述目标商品的基线销量和所述目标商品在每个因子影响下的销量增量预测值输入至综合销量预测模型，得到所述综合销量预测模型输出的所述预测时间段内所述目标销售单位中所述目标商品的综合销量预测值，包括：将所述目标商品的每个因子特征输入至所述综合销量预测模型中的第二拼接层，得到所述第二拼接层输出的第二拼接结果；将所述第二拼接结果、所述目标商品的基线销量和所述目标商品在每个因子影响下的销量增量预测值输入至所述综合销量预测模型中的第三拼接层，得到所述第三拼接层输出的第三拼接结果；将所述第三拼接层输入至所述综合销量预测模型中的第二预测子模型，得到所述第二预测子模型输出的第二预测结果；将所述第二预测结果输入至所述综合销量预测模型中的第二全连接层，得到所述第二全连接层输出的所述综合销量预测值。
4.根据权利要求1
‑
3中任一项所述的商品销量预测方法，其特征在于，任一因子对应的销量增量预测模型基于如下步骤训练得到：确定历史时间序列内所述目标销售单位中商品样本对应于所述任一因子的训练样本，所述训练样本包括所述历史时间序列内仅受所述任一因子影响的各第一时间节点处的历史实际销量、历史基线销量和所述各第一时间节点处所述任一因子对应的历史因子特征；基于所述训练样本，采用时序交叉验证方法对所述任一因子对应的初始增量预测模型进行训练，得到所述任一因子对应的销量增量预测模型；所述综合销量预测模型基于如下步骤训练得到：基于所述历史时间序列内所述目标销售单位中所述商品样本的每个历史因子特征、历史基线销量和所述商品样本在每个因子影响下的历史销量增量值，采用时序交叉验证方法对初始销量预测模型进行训练，得到所述综合销量预测模型。5.根据权利要求4所述的商品销量预测方法，其特征在于，所述基于所述训练样本，采用时序交叉验证方法对所述任一因子对应的初始增量预测模型进行训练，得到所述任一因子对应的销量增量预测模型，包括：确定所述目标销...

【专利技术属性】
技术研发人员：关塞，况仁枭，龙章潮，
申请(专利权)人：北京永辉科技有限公司，
类型：发明
国别省市：