产品销量预测方法及系统技术方案

本发明专利技术公开了一种产品销量预测方法及系统，方法包括：获取产品历史销量数据；调用不同的预测算法，并将预测值与部分历史销量数据比较，计算出均方根误差RMSE；挑选均方根误差RMSE最小的值作为结果。本发明专利技术通过使用多种算法进行预测，可以兼顾不同销量变化特性的产品，例如季节性需求和零星需求；取拟合度最优的算法作为最终预测值，可以提高预测的准确性；采用计算机程序进行预测，可大幅减少库存维护的人工工作量，进而提高运营效率并降低成本。本。本。

【技术实现步骤摘要】
产品销量预测方法及系统
[0001]本申请的优先权信息如下：
[0002]申请号：CN202210800386.9
[0003]申请日：2022.07.08
[0004]专利技术名称：一种产品销量预测方法及系统


[0005]本专利技术涉及数据处理
，尤其涉及一种产品销量预测方法及系统。

技术介绍

[0006]在MRO工业品采购场景中，客户需求会随其生产情况，季节，消费者需求等多方面因素影响，并且采购产品具有品类多，不同品类数量差异大的特点。为及时满足客户需求，供应商需要建设仓库，提前储备各种产品，但随之而来的问题是如何高效的通过补货来保持健康的库存水平。现有方式是销售计划专员依据客户提供的需求预测，以及以往的销量数据做出大致估算；这种依赖于个人经验的方式存在以下问题：(1)难以保证预测的准确性；(2)人工预测需求效率低；(3)预测难度大。最终使得库存水平较高，或者无法及时满足客户需求，导致了服务质量的降低并且拉高了整体运营成本。

技术实现思路

[0007]针对现有技术中的缺陷，本专利技术的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产品销量预测方法，其特征在于，包括：获取产品历史销量数据；调用不同的预测算法，并将预测值与部分历史销量数据比较，计算出均方根误差RMSE；挑选均方根误差RMSE最小的值作为结果。2.如权利要求1所述的一种产品销量预测方法，其特征在于，所述调用不同的预测算法，包括：差分整合移动平均自回归模型ARIMA、Croston方法、Holt
‑
Winters方法、移动平均MA，其中Holt
‑
Winters方法为加法模型和乘法模型。3.如权利要求2所述的一种产品销量预测方法，其特征在于，所述差分整合移动平均自回归模型ARIMA包括：步骤1：收集产品历史销量数据，产品历史销量数据包含时间信息；步骤2：将收集到的产品历史销量数据按照时间维度所需粒度填充至整个时间长度，得到数据序列；步骤3：对填充长度后的数据序列进行平稳性检验；步骤4：对于不满足平稳性要求的数据序列，进行数据转换并回到步骤3，对于满足平稳性要求的数据序列进入步骤5，对于依旧不满足平稳性要求的数据序列则终止处理；步骤5：对通过平稳性检验的数据序列进行白噪声检验；步骤6：对通过白噪声检验的数据序列，获取差分阶数d、自回归项数p、滑动平均项数q带入差分整合移动平均自回归模型ARIMA进行运算；步骤7：对构造的差分整合移动平均自回归模型ARIMA进行参数显著性检验和残差分析。4.如权利要求3所述的一种产品销量预测方法，其特征在于，所述步骤3包括：步骤3.1：对填充长度后的数据序列进行首次平稳性检验；步骤3.2：若首次平稳性检验不通过，则对数据序列进行首次差分处理并进行再次平稳性检验，若再次平稳性检验不通过，则对数据序列进行再次差分处理和第三次平稳性检验，若第三次平稳性检验不通过，则进入步骤4，若通过首次平稳性检验、再次平稳性检验或第三次平稳性检验，则进入步骤5。5.如权利要求4所述的一种产品销量预测方法，其特征在于，，所述步骤4包括：对...

【专利技术属性】
技术研发人员：叶永清，林永建，汤婷玉，王成龙，
申请(专利权)人：狮行智慧物流有限公司，
类型：发明
国别省市：