一种商品需求的预测和商品补货数量的确定方法与系统技术方案

本发明专利技术公开了一种商品需求的预测和商品补货数量的确定方法与系统

【技术实现步骤摘要】
一种商品需求的预测和商品补货数量的确定方法与系统


[0001]本专利技术涉及智能预测补货
，特别涉及一种商品需求的预测和商品补货数量的确定方法与系统
。

技术介绍

[0002]随着经济的发展，生活节奏的加快，相比去较远的大卖场采购，更多人倾向于去位置方便的便利店采购，因此，便利店越来越普遍，由于在连锁便利店的门店里，货架商品的摆放量要根据消费者的需求来决定，缺货或者是商品摆放过多都会降低门店的销售利润，由于连锁便利店的商品种类繁多，通过人工判断不仅效率低且容易出错，因此，自动补货策略系统是十分有必要的
。
[0003]现有技术中，通常先对商品进行分类，再针对不同的商品分类采用不同的补货策略，结合数据分析技术和库存管理思想，开发出了适用于连锁便利店的自动补货策略系统，但是在体量巨大的加油站便利店
(
一个加油站便利店可以称为一个站点
)
场景下，由于日常订货补货任务繁重且要求精准程度高
、
时效性强，订货环节同时要考虑多种情况等一系列复杂的因素，现有技术并不能解决加油站便利店在订货时面临的各种问题，加油站便利店仍存在补货精度低，库存成本和周转成本大等问题，因此，亟需一种适用于加油站便利店的自动补货策略系统
。

技术实现思路

[0004]本申请专利技术人发现，目前现有技术中，大多数是构建知识图谱的映射工具遵循
R2RML
规范，通过对映射规则的配置
、
解析和执行，实现关系数据库到
>RDF
的映射，但是实际在石油工业的应用过程中，仍然存在很多问题
。
[0005]鉴于上述问题，提出了本专利技术以便提供一种商品需求的预测和商品补货数量的确定方法与系统，通过负二项分布模型或混合负二项分布模型，对商品在站点的历史销售数据进行拟合，得到在当前时间之后的未来周期内商品的预测销量曲线，预测出商品的销量及达到预测销量的概率
。
实现提升商品需求预测精度
。
[0006]第一方面，本专利技术实施例提供一种商品需求的预测方法，包括：
[0007]根据站点中商品的商品信息，获取在当前时间之前的历史周期内，商品在所述站点的历史销售数据；
[0008]采用负二项分布模型或混合负二项分布模型，对商品在所述站点的历史销售数据进行拟合，得到在当前时间之后的未来周期内所述商品的预测销量曲线，根据所述商品的预测销量曲线，预测出商品在所述站点的需求数据，所述预测销量曲线表征在所述未来周期内，所述商品的预测销量及达到预测销量的概率
。
[0009]在一个实施例中，若采用负二项分布模型，所述历史周期包括第一历史周期和第二历史周期；
[0010]所述根据站点中商品的商品信息，获取在当前时间之前的历史周期内，商品在所
述站点的历史销售数据，包括：
[0011]获取所述商品在第一历史周期内的历史销量，得到所述商品对应的第一销售数据；
[0012]获取所述商品在第二历史周期内的历史销量，得到所述商品对应的第二销售数据；
[0013]所述第一历史周期与所述第二历史周期的时间长度不同
。
[0014]在一个实施例中，所述未来周期包括第一未来周期和第二未来周期；
[0015]采用负二项分布模型，对商品在所述站点的历史销售数据进行拟合，得到在当前时间之后的未来周期内所述商品的预测销量曲线，根据所述商品的预测销量曲线，预测出商品在所述站点的需求数据，包括：
[0016]利用负二项分布概率密度函数，对连续若干个所述第一销售数据和连续若干个所述第二销售数据分别进行拟合，得到第一预测销量曲线和第二预测销量曲线；
[0017]根据所述第一预测销量曲线，计算出所述商品大于预设的第一概率阈值的预测销量，作为所述商品的第一需求数据，所述第一预测销量曲线为所述商品在所述第一未来周期内的预测销量曲线，所述第一需求数据表征所述商品对应的最小库存数据；
[0018]根据所述第二预测销量曲线，计算出所述商品大于预设的第一概率阈值的预测销量，作为所述商品的第二需求数据，所述第二预测销量曲线为所述商品在所述第二未来周期内的预测销量曲线，所述第二需求数据表征所述商品对应的最大库存数据；
[0019]将所述第一需求数据与所述第二需求数据组成的数据区间，作为商品在所述站点的需求数据
。
[0020]在一个实施例中，若采用混合负二项分布模型，所述历史周期包括第三历史周期；
[0021]所述根据站点中商品的商品信息，获取在当前时间之前的历史周期内，商品在所述站点的历史销售数据，包括：
[0022]获取所述商品在第三历史周期内的历史销量，得到所述商品对应的第三销售数据，判断所述第三销售数据是否满足预设的状态条件，若是，则所述第三历史周期为旺季，相应地，所述第三销售数据为旺季销售数据，若否，则所述第三历史周期为淡季，相应地，所述第三销售数据为淡季销售数据，所述状态条件表征所述商品在所述第三历史周期内处于淡旺季的判断条件，根据淡旺季的判断条件，确定所述第三历史周期是淡季或者是旺季
。
[0023]在一个实施例中，所述未来周期包括第三未来周期；
[0024]采用混合负二项分布模型，对商品在所述站点的历史销售数据进行拟合，得到在当前时间之后的未来周期内所述商品的预测销量曲线，包括：
[0025]采用下述公式，对连续若干个所述第三销售数据进行拟合，得到第三预测销量曲线，所述第三预测销量曲线为所述商品在所述第三未来周期内的预测销量曲线：
[0026]f
mixNB
(x
；
π
,
μ1,p1,
μ2,p2)
＝
π
f
NB
(x
；
μ1,p1)+(1
‑
π
)f
NB
(x
；
μ2,p2)
；
[0027]上式中，
π
表示第三未来周期为淡季的概率，
(1
‑
π
)
表示第三未来周期为旺季的概率，
μ1和
p1表示负二项分布
NB(
μ1,p1)
中的参数，
μ2和
p2表示负二项分布
NB(
μ2,p2)
中的参数；
。
[0028]在一个实施例中，所述根据所述商品的预测销量曲线，预测出商品在所述站点的需求数据，包括：
[0029]采用极大似然估计算法，对所述第三预测销量曲线进行简化，根据简化后的第三
预测销量曲线，计算出大于预设的第一概率阈值的预测销量，作为所述商品的第三需求数据，所述第三需求数据表征所述商品对应的库存数据
。
[0030]第二方面，本专利技术实施例提供一种确定商品补货数量的方法，包括：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种商品需求的预测方法，其特征在于，包括：根据站点中商品的商品信息，获取在当前时间之前的历史周期内，商品在所述站点的历史销售数据；采用负二项分布模型或混合负二项分布模型，对商品在所述站点的历史销售数据进行拟合，得到在当前时间之后的未来周期内所述商品的预测销量曲线，根据所述商品的预测销量曲线，预测出商品在所述站点的需求数据，所述预测销量曲线表征在所述未来周期内，所述商品的预测销量及达到预测销量的概率
。2.
如权利要求1所述的方法，其特征在于，若采用负二项分布模型，所述历史周期包括第一历史周期和第二历史周期；所述根据站点中商品的商品信息，获取在当前时间之前的历史周期内，商品在所述站点的历史销售数据，包括：获取所述商品在第一历史周期内的历史销量，得到所述商品对应的第一销售数据；获取所述商品在第二历史周期内的历史销量，得到所述商品对应的第二销售数据；所述第一历史周期与所述第二历史周期的时间长度不同
。3.
如权利要求2所述的方法，其特征在于，所述未来周期包括第一未来周期和第二未来周期；采用负二项分布模型，对商品在所述站点的历史销售数据进行拟合，得到在当前时间之后的未来周期内所述商品的预测销量曲线，根据所述商品的预测销量曲线，预测出商品在所述站点的需求数据，包括：利用负二项分布概率密度函数，对连续若干个所述第一销售数据和连续若干个所述第二销售数据分别进行拟合，得到第一预测销量曲线和第二预测销量曲线；根据所述第一预测销量曲线，计算出所述商品大于预设的第一概率阈值的预测销量，作为所述商品的第一需求数据，所述第一预测销量曲线为所述商品在所述第一未来周期内的预测销量曲线，所述第一需求数据表征所述商品对应的最小库存数据；根据所述第二预测销量曲线，计算出所述商品大于预设的第一概率阈值的预测销量，作为所述商品的第二需求数据，所述第二预测销量曲线为所述商品在所述第二未来周期内的预测销量曲线，所述第二需求数据表征所述商品对应的最大库存数据；将所述第一需求数据与所述第二需求数据组成的数据区间，作为商品在所述站点的需求数据
。4.
如权利要求1所述的方法，其特征在于，若采用混合负二项分布模型，所述历史周期包括第三历史周期；所述根据站点中商品的商品信息，获取在当前时间之前的历史周期内，商品在所述站点的历史销售数据，包括：获取所述商品在第三历史周期内的历史销量，得到所述商品对应的第三销售数据，判断所述第三销售数据是否满足预设的状态条件，若是，则所述第三历史周期为旺季，相应地，所述第三销售数据为旺季销售数据，若否，则所述第三历史周期为淡季，相应地，所述第三销售数据为淡季销售数据，所述状态条件表征所述商品在所述第三历史周期内处于淡旺季的判断条件，根据淡旺季的判断条件，确定所述第三历史周期是淡季或者是旺季
。5.
如权利要求4所述的方法，其特征在于，所述未来周期包括第三未来周期；
采用混合负二项分布模型，对商品在所述站点的历史销售数据进行拟合，得到在当前时间之后的未来周期内所述商品的预测销量曲线，包括：采用下述公式，对连续若干个所述第三销售数据进行拟合，得到第三预测销量曲线，所述第三预测销量曲线为所述商品在所述第三未来周期内的预测销量曲线：
f
mixNB
(x
；
π
,
μ1,p1,
μ2,p2)
＝
π
f
NB
(x
；
μ1,p1)+(1
‑
π
)f
NB
(x
；
μ2,p2)
；上式中，
π
表示第三未来周期为淡季的概率，
(1
‑
π
)
表示第三未来周期为旺季的概率，
μ1和
p1表示负二项分布
NB(
μ1,p1)
中的参数，
μ2和
p2表示负二项分布
NB(
μ2,p2)
中的...

【专利技术属性】
技术研发人员：薛旦阳，王坤，王婧宜，李青奈，祝彦会，
申请(专利权)人：中国石油天然气集团有限公司，
类型：发明
国别省市：