销量预测模型的构建方法及销量预测方法技术

本申请涉及一种销量预测模型的构建方法及销量预测方法，其中，销量预测模型的构建方法，包括：确定影响销量数据的相关因子，基于所述相关因子确定目标因子，其中，所述相关因子的数量大于或者等于所述目标因子的数量，所述目标因子是用于构建销量预测模型的因子；确定各所述目标因子对应的因子类型，及基于所述因子类型确定各所述目标因子对应的目标因子模型；基于所述目标因子模型及各所述目标因子之间的关联关系构建销量预设模型，所述销量预测模型用于预测产品的销量

【技术实现步骤摘要】
销量预测模型的构建方法及销量预测方法


[0001]本申请涉及数据处理
，特别是涉及一种销量预测模型的构建方法及销量预测方法
。

技术介绍

[0002]在市场竞争日益激烈的商业环境中，企业需要准确预测其产品或品牌的销售量，以便合理安排生产计划
、
制定营销策略
、
控制库存等
。
[0003]传统的销量预测方法存在着精度不高
、
依赖人工经验等问题，故而目前急需一种销量预测方法与系统，以提高销量预测的准确性和效率
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够准确且高效预测销量数据的销量预测模型的构建方法及销量预测方法
。
且本申请还提供一种销量预测模型的构建方法
、
销量预测方法
、
装置及设备，具体如下
。
[0005]一种销量预测模型的构建方法，所述方法包括：
[0006]确定影响销量数据的相关因子，基于所述相关因子确定目标因子，其中，所述相关因子的数量大于或者等于所述目标因子的数量，所述目标因子是用于构建销量预测模型的因子；
[0007]确定各所述目标因子对应的因子类型，及基于所述因子类型确定各所述目标因子对应的目标因子模型；
[0008]基于所述目标因子模型及各所述目标因子之间的关联关系构建销量预设模型，所述销量预测模型用于预测产品的销量
。
[0009]在一些实施例中，所述基于相关因子确定目标因子，包括：
[0010]对所述相关因子进行相关性分析得到相关性数值，将相关性数值小于预设阈值的相关因子确定为目标因子
。
[0011]在一些实施例中，所述确定各所述目标因子对应的因子类型，及基于所述因子类型确定各所述目标因子对应的目标因子模型，包括：
[0012]当所述因子类型对应为有趋势变化因子时，所述目标因子对应的目标因子模型为时间序列预测模型；
[0013]当所述因子类型对应为无趋势变化因子时，确定所述目标因子对应的赋值数据，基于所述赋值数据确定所述因子类型对应的目标因子模型；
[0014]当所述因子类型对应为无法预测因子时，删除所述目标因子
。
[0015]在一些实施例中，所述当所述因子类型对应为有趋势变化因子时，所述目标因子对应的目标因子模型为时间序列模型，包括：
[0016]判断所述目标因子是否为有趋势变化以及是否为有周期性的序列；
[0017]若判定所述目标因子为没有趋势且没有周期性的序列，基于一阶指数平滑构建目
标因子对应的目标因子模型；
[0018]若所述目标因子为有趋势但没有周期性的序列，基于二阶指数平滑构建目标因子对应的目标因子模型；
[0019]若所述目标因子为有趋势也有周期性的序列，基于三阶指数平滑构建目标因子对应的目标因子模型
。
[0020]在一些实施例中，基于一阶指数平滑
、
二阶指数平滑以及三阶指数平滑构建的目标因子模型的过程中，基于误差最小原则对模型系数进行调整，直至基于调整后的模型系数的误差最小时，将该模型系数作为目标模型系数；
[0021]基于所述目标模型系数确定目标因子模型
。
[0022]在一些实施例中，所述当所述因子类型对应为无趋势变化因子时，确定所述目标因子对应的赋值数据，基于所述赋值数据确定所述因子类型对应的目标因子模型，包括：
[0023]所述当所述因子类型对应为无趋势变化因子时，获取所述目标因子对应的语言序列；
[0024]对所述语言序列进行语义理解得到所述语言序列对应的正负指数；
[0025]基于所述正负指数确定所述目标因子的赋值数据；
[0026]将所述赋值数据确定为所述目标因子对应的目标因子模型
。
[0027]在一些实施例中，所述当所述因子类型中包括无法预测因子时，所述方法还包括：
[0028]基于各所述无法预测因子确定调整因子；
[0029]基于所述调整因子对所述销量预测模型进行调整，以根据调整后的所述销量预测模型预测产品的销量
。
[0030]在一些实施例中，所述调整因子的确定方式包括：
[0031]基于未删除无法预测因子的数据训练机器学习模型得到第一模型；
[0032]基于已删除无法预测因子的数据训练机器学习模型得到第二模型；
[0033]基于第一模型及第二模型确定各无法预测因子的调整因子
。
[0034]在一些实施例中，所述基于各所述目标因子之间的关联关系构建销量预设模型，包括：
[0035]基于最小二乘法确定关于各所述目标因子的回归模型，基于误差最小原则对回归模型的模型系数进行调整，直至基于调整后的模型系数对应的误差最小时，将该模型系数作为回归模型系数
。
[0036]本申请还提供一种销量预测方法，包括：
[0037]确定待预测销量产品的产品类型，获取所述产品类型对应的产品调整因子，其中所述产品调整因子与产品类型相关，且所述产品调整因子基于对应的产品的销量数据训练得到；
[0038]基于所述产品调整因子对销量预设模型进行调整得到与产品类型对应的目标销量预测模型，其中所述销量预设模型是基于上述任意一个实施例中提供的销量预测模型的构建方法构建的销量预测模型
。
[0039]在一些实施例中，所述产品调整因子的确定方法包括：
[0040]产品调整因子基于机器学习模型确定
。
[0041]本申请还提供一种销量预测方法，包括：确定待预测销量产品的产品类型及产品
所在地域，获取所述产品类型对应的产品调整因子及所在地域对应的地域调整因子，其中所述产品调整因子与产品类型相关，所述地域调整因子与所述产品所在地域相关，且所述产品调整因子及所述地域调整因子基于对应的产品的销量数据得到，所述产品调整因子及所述地域调整因子基于机器学习模型或者经验确定；
[0042]基于所述产品调整因子及所述地域调整因子对销量预设模型进行调整得到与产品类型及所在地域对应的目标销量预测模型，其中所述销量预设模型是基于上述任意一个实施例中提供的销量预测模型的构建方法构建的销量预测模型
。
[0043]在一些实施例中，本申请还提供一种销量预测模型的构建装置，所述装置包括：
[0044]因子确定模块，用于确定影响销量数据的相关因子，基于所述相关因子确定目标因子，其中，所述相关因子的数量大于或者等于所述目标因子的数量，所述目标因子是用于构建销量预测模型的因子；
[0045]因子类型确定模块，用于确定各所述目标因子对应的因子类型，及基于所述因子类型确定各所述目标因子对应的目标因子模型；
[0046]模型构建模块，基于所述目标因子模型及各所述目标因子之间的关联关系构建销量预设模型，所述销量预测模型用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种销量预测模型的构建方法，其特征在于，所述方法包括：确定影响销量数据的相关因子，基于所述相关因子确定目标因子，其中，所述相关因子的数量大于或者等于所述目标因子的数量，所述目标因子是用于构建销量预测模型的因子；确定各所述目标因子对应的因子类型，及基于所述因子类型确定各所述目标因子对应的目标因子模型；基于所述目标因子模型及各所述目标因子之间的关联关系构建销量预设模型，所述销量预测模型用于预测产品的销量
。2.
根据权利要求1所述的方法，其特征在于，所述基于相关因子确定目标因子，包括：对所述相关因子进行相关性分析得到相关性数值，将相关性数值小于预设阈值的相关因子确定为目标因子
。3.
根据权利要求2所述的方法，其特征在于，所述确定各所述目标因子对应的因子类型，及基于所述因子类型确定各所述目标因子对应的目标因子模型，包括：当所述因子类型对应为有趋势变化因子时，所述目标因子对应的目标因子模型为时间序列预测模型；当所述因子类型对应为无趋势变化因子时，确定所述目标因子对应的赋值数据，基于所述赋值数据确定所述因子类型对应的目标因子模型；当所述因子类型对应为无法预测因子时，删除所述目标因子
。4.
根据权利要求3所述的方法，其特征在于，所述当所述因子类型对应为有趋势变化因子时，所述目标因子对应的目标因子模型为时间序列模型，包括：判断所述目标因子是否为有趋势变化以及是否为有周期性的序列；若判定所述目标因子为没有趋势且没有周期性的序列，基于一阶指数平滑构建目标因子对应的目标因子模型；若所述目标因子为有趋势但没有周期性的序列，基于二阶指数平滑构建目标因子对应的目标因子模型；若所述目标因子为有趋势也有周期性的序列，基于三阶指数平滑构建目标因子对应的目标因子模型
。5.
根据权利要求4所述的方法，其特征在于，基于一阶指数平滑
、
二阶指数平滑以及三阶指数平滑构建的目标因子模型的过程中，基于误差最小原则对模型系数进行调整，直至基于调整后的模型系数的误差最小时，将该模型系数作为目标模型系数；基于所述目标模型系数确定目标因子模型

【专利技术属性】
技术研发人员：谢鹏，
申请(专利权)人：上海众调信息科技有限公司，
类型：发明
国别省市：