一种信息预测方法技术

本发明专利技术实施例公开了一种信息预测方法

【技术实现步骤摘要】
一种信息预测方法、装置、设备和存储介质


[0001]本专利技术实施例涉及计算机技术，尤其涉及一种信息预测方法
、
装置
、
设备和存储介质
。

技术介绍

[0002]随着大数据的发展和物流科技信息化进程的加快，企业供应链数据呈爆炸式增长，且种类繁多
、
关系网络复杂，而传统时序点预测模型已经不能适应供应链大数据需求预测，更不能依据需求预测进行有效的库存管理
。
[0003]目前，可以基于分位数回归模型进行不同分位点的信息预测，从而可以获得用户所要求的服务水平，即库存满足率对应的预测结果，以便实现库存的有效管理
。
[0004]然而，在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：
[0005]利用现有的分位数回归模型预测时需要进行分布假设，然而假设的分布情况通常与实际需求量的分布情况存在偏差，从而降低了需求量信息预测的准确性
。

技术实现思路

[0006]本专利技术实施例提供了一种信息预测方法
、
装置
、
设备和存储介质，以提高需求量信息预测的准确性
。
[0007]第一方面，本专利技术实施例提供了一种信息预测方法，包括：
[0008]获取目标物品在当前日期之前的历史时间段内的历史物品信息以及所述目标物品对应的预设库存满足率；
[0009]确定用于预测目标未来日期的需求量信息的目标预测网络模型；
[0010]将所述历史物品信息和所述预设库存满足率输入至所述目标预测网络模型中，所述目标预测网络模型是基于所述历史物品信息确定出相应的条件概率分布信息，并基于所述条件概率分布信息和所述预设库存满足率进行分位数预测的；
[0011]获取所述目标预测网络模型输出的第一预测需求量，并将所述第一预测需求量作为在所述目标未来日期所述目标物品对应的目标预测需求量
。
[0012]第二方面，本专利技术实施例还提供了一种信息预测装置，包括：
[0013]信息获取模块，用于获取目标物品在当前日期之前的历史时间段内的历史物品信息以及所述目标物品对应的预设库存满足率；
[0014]目标预测网络模型确定模块，用于确定用于预测目标未来日期的需求量信息的目标预测网络模型；
[0015]信息输入模块，用于将所述历史物品信息和所述预设库存满足率输入至所述目标预测网络模型中，所述目标预测网络模型是基于所述历史物品信息确定出相应的条件概率分布信息，并基于所述条件概率分布信息和所述预设库存满足率进行分位数预测的；
[0016]目标预测需求量确定模块，用于获取所述目标预测网络模型输出的第一预测需求量，并将所述第一预测需求量作为在所述目标未来日期所述目标物品对应的目标预测需求
量
。
[0017]第三方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
[0018]一个或多个处理器；
[0019]存储器，用于存储一个或多个程序；
[0020]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任意实施例所提供的信息预测方法
。
[0021]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任意实施例所提供的信息预测方法
。
[0022]上述专利技术中的实施例具有如下优点或有益效果：
[0023]通过将目标物品对应的历史物品信息和预设库存满足率输入至用于预测目标未来日期的需求量信息的目标预测网络模型中，目标预测网络模型是基于目标历史信息动态确定出相应的条件概率分布信息，并基于条件概率分布信息和预设库存满足率进行分位数预测的，从而利用目标预测网络模型进行不同分位点的预测无需进行分布假设，避免了假设分布与实际需求量分布不一致所带来的预测偏差，提高了需求量信息预测的准确性
。
附图说明
[0024]图1是本专利技术实施例一提供的一种信息预测方法的流程图；
[0025]图2是本专利技术实施例二提供的一种信息预测方法的流程图；
[0026]图3是本专利技术实施例三提供的一种信息预测方法的流程图；
[0027]图4是本专利技术实施例四提供的一种信息预测装置的结构示意图；
[0028]图5是本专利技术实施例五提供的一种电子设备的结构示意图
。
具体实施方式
[0029]下面结合附图和实施例对本专利技术作进一步的详细说明
。
可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定
。
另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构
。
[0030]实施例一
[0031]图1为本专利技术实施例一提供的一种信息预测方法的流程图，本实施例可适用于对物品在未来预测日期内的需求量信息进行预测的情况
。
该方法可以由信息预测装置来执行，该装置可以由软件和
/
或硬件的方式来实现，集成于电子设备中
。
如图1所示，该方法具体包括以下步骤：
[0032]S110、
获取目标物品在当前日期之前的历史时间段内的历史物品信息以及目标物品对应的预设库存满足率
。
[0033]其中，目标物品可以是指待预测需求量的
SKU(Stock Keeping Unit
，库存量单位
)
粒度的物品
。
历史时间段可以是指当前日期之前预设天数的时间段
。
历史物品信息可以包括目标物品的历史需求量
。
历史需求量可以是指目标物品在历史时间段内的每天销量
。
历史物品信息还可以包括目标物品的品类
、
价格
、
尺寸大小
、
体积和颜色等物品特征信息，以便进一步提高预测准确性
。
预设库存满足率可以是预先基于所要求的服务水平设置的仓库不缺货的概率，用于表征满足用户需求的能力
。
预设库存满足率越高，缺货概率越小，服务
水平越高，但会导致仓库的积压成本越高，从而为了保证一定的流动资金，用户会将预设库存满足率设置为小于
100
％的数值，比如
90
％，以便减少一部分的库存积压
。
本实施例可以将预设库存满足率作为预设分位点进行分位数预测，以便可以基于用户要求的服务水平进行预测，获得不同分位点，即不同库存满足率对应的分位数预测结果，从而避免了因均值预测而抹去的波动信息
。
[0034]具体地，可以从数据库中获取目标物品在当前日期之前的历史订单数据，并可以剔除历史订单数据中的大于预设值的需求量，并可以利用预设历史天数的库存均值进行需求量回填，以避免预测结果受到极高的需求本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种信息预测方法，其特征在于，包括：获取目标物品在当前日期之前的历史时间段内的历史物品信息以及所述目标物品对应的预设库存满足率；确定用于预测目标未来日期的需求量信息的目标预测网络模型；将所述历史物品信息和所述预设库存满足率输入至所述目标预测网络模型中，所述目标预测网络模型是基于所述历史物品信息确定出相应的条件概率分布信息，并基于所述条件概率分布信息和所述预设库存满足率进行分位数预测的；获取所述目标预测网络模型输出的第一预测需求量，并将所述第一预测需求量作为在所述目标未来日期所述目标物品对应的目标预测需求量
。2.
根据权利要求1所述的方法，其特征在于，所述确定用于预测目标未来日期的需求量信息的目标预测网络模型，包括：获取预先基于每个预测时间间隔对应的样本物品信息构建出的每个预测时间间隔对应的预测网络模型；确定所述目标未来日期与当前日期之间的目标时间间隔；将每个预测时间间隔对应的预测网络模型与所述目标时间间隔进行匹配，获得所述目标时间间隔对应的目标预测网络模型
。3.
根据权利要求1所述的方法，其特征在于，所述目标预测网络模型为目标随机森林模型；所述将所述历史物品信息和所述预设库存满足率输入至所述目标预测网络模型中，包括：将所述历史物品信息输入至所述目标随机森林模型中的每个树模型中，确定每个树模型中的每个叶节点对应的第一观测需求量；根据每个树模型中的每个叶节点对应的第一观测需求量和模型构建后获得的观测需求量范围，确定每个树模型中的每个叶节点对应的第一权值；根据每个树模型中的每个叶节点对应的所述第一观测需求量和所述第一权值，确定每个树模型对应的第二观测需求量；根据每个树模型中的每个叶节点对应的所述第一权值，确定每个树模型对应的第二权值；根据每个树模型对应的所述第二观测需求量和所述第二权值，确定在所述目标未来日期所述目标物品的预测需求量对应的条件概率分布信息；基于所述条件概率分布信息，确定所述预设库存满足率对应的第一预测需求量，并输出所述第一预测需求量
。4.
根据权利要求3所述的方法，其特征在于，所述根据每个树模型中的每个叶节点对应的第一观测需求量和模型构建后获得的观测需求量范围，确定每个树模型中的每个叶节点对应的第一权值，包括：检测每个树模型中的每个叶节点对应的第一观测需求量是否处于相应的模型构建后获得的观测需求量范围内；将未处于所述观测需求量范围内的每个第一叶节点对应的第一权值确定为0；根据处于所述观测需求量范围内的第二叶节点的数量，确定每个所述第二叶节点对应
的第一权值
。5.
根据权利要求4所述的方法，其特征在于，所述根据处于所述观测需求量范围内的第二叶节点的数量，确定每个所述第二叶节点对应的第一权值，包括：将1与处于所述观测需求量范围内的第二叶节点的数量之间的比值，确定为每个所述第二叶节点对应的第一权值
。6.
根据权利要求3所述的方法，其特征在于，所述根据每个树模型中的每个叶节点对应的所述第一观测需求量和所述第一权值，确定每个树模型对应的第二观测需求量，包括：基于当前树模型中的各个叶节点对应的所述第一权值，对相应的第一观测需求量进行加权处理，获得的结果作为当前树模型对应的第二观测需求量
。7.
根据权利要求3所述的方法，其特征在于，所述根据每个树模型中的每个叶节点对应的所述第一权值，确定每个树模型对应的第二权值，包括：将当前树模型中的各个叶节点对应的所述第一权值进行取平均处理，获得的结果作为当前树模型对应的第二权值
。8.
根据权利要求3所述的方法，其特征在于，所述根据每个树模型对应的所述...

【专利技术属性】
技术研发人员：王树宏，周伟力，刘葳，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：