一种春节快递包裹量的预测方法及装置制造方法及图纸

本发明专利技术涉及软件技术领域，具体涉及一种春节快递包裹量的预测方法及装置。该预测方法通过获取需求数据和标识数据，所述需求数据包括：春节前预设时间内的日包裹量数据，所述标识数据用于表征是否参加平台商家春节不打烊；将所述需求数据和标识数据输入预先训练的预测模型，生成预测结果，所述预测结果包括预测日包裹量数据；其中，所述预测日包裹量数据为春节期间的日包裹量；所述预测模型为深度学习模型，以解决现有技术中春节期间对包裹量的预测准确度不高的问题。测准确度不高的问题。测准确度不高的问题。

【技术实现步骤摘要】
一种春节快递包裹量的预测方法及装置


[0001]本专利技术涉及软件
，具体涉及一种春节快递包裹量的预测方法及装置。

技术介绍

[0002]快递包裹的业务量预测对企业有重要的意义。快递业务量通常呈现周度，月度和年度的周期性，大促效应以及国家法定节日的特征，在某些特定日期时间范围，比如法定节假日中春节是一个重要的特殊假日，春节期间包裹量会远远低于平日的量，当前的模型时序分解和自回归等传统模型很难捕捉到特殊假日期间快递包裹量呈现U形的特征，快递企业参与电商平台的春节不打烊活动，业务量的准确预测对企业的运营有重要的经济意义。
[0003]预估快递行业包裹量对企业运营上的科学决策具有重要意义，通常Prophet(这一种大规模时间序列预测模型)，ARIMA(Autoregressive Integrated Moving Average model，差分整合移动平均自回归模型，又称整合移动平均自回归模型，是时间序列预测分析方法之一)以及时间序列特征化机器学习模型等用于大促和日常的包裹量预测，基于时间序列分解和时序回归的建模思路很难满足春节期间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种春节快递包裹量的预测方法，其特征在于，包括：获取需求数据和标识数据，所述需求数据包括：春节前预设时间内的日包裹量数据，所述标识数据用于表征是否参加平台商家春节不打烊；将所述需求数据和标识数据输入预先训练的预测模型，生成预测结果，所述预测结果包括预测日包裹量数据；其中，所述预测日包裹量数据为春节期间的日包裹量；所述预测模型为深度学习模型。2.根据权利要求1所述的方法，其特征在于，所述将所述需求数据和标识数据输入预先训练的预测模型，生成预测结果，所述预测结果包括预测日包裹量数据，之前，还包括：对所述需求数据进行归一化处理。3.根据权利要求1所述的方法，其特征在于，所述预测模型的训练过程包括：获取预设第一数量的数据样本和与每一数据样本对应的样本标识作为训练样本；其中，所述每一数据样本包括：春节前预设时间内的日包裹量数据和用于表征该春节期间否参加平台商家春节不打烊的标识数据；所述与每一数据样本对应的样本标识为基于与所述数据样本对应的...

【专利技术属性】
技术研发人员：赵江江，王帅，蒋国友，
申请(专利权)人：上海中通吉网络技术有限公司，
类型：发明
国别省市：