一种基于区域短期性的生鲜商品需求预测方法及系统技术方案

本发明专利技术公开了一种基于区域短期性的生鲜商品需求预测方法及系统，涉及商品需求预测技术领域，包括获取已有的影响生鲜商品需求的相关历史数据；进行数据判别和归类，构建特征集合，根据数据属性分类分别使用预测算法进行预测得到预测数据；根据预测数据和实际数据的误差，构建组合模型进行生鲜商品需求预测。本发明专利技术综合考虑确定性模式和用户行为影响，能够更全面地预测商品销售量；能够根据时序数据的特征自动调整模型的参数和结构，能够更准确地综合利用两种模型的预测结果。具有较强的泛化能力和预测准确性，使得模型对于各种数据模式都能够进行准确的预测，能够提高商品销售量预测模型的精确度和适应性，具有较强的实用性和应用价值。

【技术实现步骤摘要】

本专利技术涉及商品需求预测，特别是一种基于区域短期性的生鲜商品需求预测方法及系统。

技术介绍

1、目前随着全球生产能力的提升以及消费者需求的多样化，商品的生命周期越来越短，所以在一个生命周期内，商品的变化趋势的重要作用就显得尤其突出。然而，对商品流量近期变化趋势的预测，一般商家均凭借经验对下一期的商品流量预测出一个大概的数值，或者运用一些预测模型。然而现用的预测模型均是采用抽取出一些对商品流量影响较大的因素作为影响因子，忽略掉对商品流量影响相对较小的因素。

2、依据商品历史销售量数据预测其在未来一段时间内的销售量，是时间序列预测问题。历史销售量数据具有明显的趋势性或周期性等确定性模式，传统的时间序列预测模型的预测准确度高。该类方法往往依赖于时间序列数据的平稳性假定，而且通过差分得到平稳时间序列后，模型结构是线性的，泛化能力弱。然而，对于商品，其销售量往往会受用户行为影响，如社会热度影响，加大了利用传统时间序列预测模型的预测难度。基于深度学习的时间序列预测方法带有全连接神经网络、卷积神经网络、循环神经网络及其变形的结构，具有自适应和自学习能力，能本文档来自技高网...

【技术保护点】

1.一种基于区域短期性的生鲜商品需求预测方法，其特征在于：包括，

2.如权利要求1所述的基于区域短期性的生鲜商品需求预测方法，其特征在于：所述特征集合包括周期性销售数据标签、商品属性数据标签和用户行为数据标签；周期性销售数据标签包含地区短周期性趋势、历史销售数据、区域性销售额和地区性社会经济指标；商品属性数据标签包括商品新鲜度、口碑和商品营销策略，用户行为数据标签包括用户满意度和商品实时热度。

3.如权利要求2所述的基于区域短期性的生鲜商品需求预测方法，其特征在于：所述预测算法包括短期性动态平滑预测算法和基于改进GRU预测算法；

4.如权利要求3所述的...

【技术特征摘要】

1.一种基于区域短期性的生鲜商品需求预测方法，其特征在于：包括，

2.如权利要求1所述的基于区域短期性的生鲜商品需求预测方法，其特征在于：所述特征集合包括周期性销售数据标签、商品属性数据标签和用户行为数据标签；周期性销售数据标签包含地区短周期性趋势、历史销售数据、区域性销售额和地区性社会经济指标；商品属性数据标签包括商品新鲜度、口碑和商品营销策略，用户行为数据标签包括用户满意度和商品实时热度。

3.如权利要求2所述的基于区域短期性的生鲜商品需求预测方法，其特征在于：所述预测算法包括短期性动态平滑预测算法和基于改进gru预测算法；

4.如权利要求3所述的基于区域短期性的生鲜商品需求预测方法，其特征在于：所述加入动态权重因子用于处理特殊情况数据和规律性数据，计算下一周期的预测数据，相关计算公式如下：

5.如权利要求4所述的基于区域短期性的生鲜商品需求预测方法，其特征在于：所述基于改进gru预测算法包括引入考虑热点特征的多重注意力层，获取文本向量，将舆论特征和量...

【专利技术属性】
技术研发人员：赵怡若，孙知信，宫婧，孙哲，赵学健，汪胡青，胡冰，徐玉华，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：