System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据分析,尤其涉及一种基于数据驱动的供应链销量分析方法、设备及介质。
技术介绍
1、供应链作为产品流动的重要环节,涵盖了生产、运输、储存、分销、销售以及相关信息流的管理,其中,销量预测对于库存管理、采购计划、成本控制和整体业务决策至关重要。准确的销量预测有助于避免库存积压或供应不足,最大程度地提高了资源利用效率,降低了经营成本,并提升了客户满意度。传统的销量预测方法在处理复杂的销售数据时存在一些明显的不足,它们通常难以捕捉到销售数据中的非线性关系,无法适应不断变化的市场条件,也无法准确考虑季节性、假期和特殊事件对销售的影响。这些不足使得预测结果容易出现偏差,从而导致了不必要的库存浪费,或销售效率低下。
技术实现思路
1、为了解决上述问题,本申请提出了一种基于数据驱动的供应链销量分析方法,包括:获取商品的销量数据,对所述销量数据进行预处理;根据预处理后的所述销量数据确定执行对象,并根据所述销量数据确定所述执行对象对应的可达距离;根据所述可达距离确定替换数据,并根据所述替换数据对所述执行对象进行替换,以根据替换后的所述执行对象对所述销量数据进行分类;将所述分类后的销量数据输入至预先确定的线性模型,通过所述线型模型确定销量预测值。
2、在一个示例中,根据所述销量数据确定所述执行对象对应的可达距离,具体包括:根据所述销量数据确定其它对象,以根据所述执行对象的数据和所述其它对象的数据计算所述可达距离,所述可达距离的计算公式为:
3、
4、其中,n
5、在一个示例中,所述方法还包括:根据预处理后的所述销量数据确定模型成分,并根据所述模型成分确定先验限制,所述模型成分包括但不限于趋势项、季节项、假日项;根据所述先验限制确定所述趋势项对应的线性模型。
6、在一个示例中,所述方法还包括:将所述销量数据输入所述线性模型,以得到残差;根据所述残差进行建模,以确定所述残差对应的预测值,并将所述预测值反馈至所述线性模型,以对所述线性模型进行模型训练。
7、在一个示例中,所述方法还包括:确定所述线性模型的迭代结果,根据所述迭代结果和所述残差确定预测结果,所述预测结果的表达式为:
8、
9、其中,表示prophet模型预测的数据,表示xgboost模型的预测值。
10、在一个示例中,所述方法还包括:确定时序序列数据,通过所述线性模型对所述时序序列数据进行拟合计算,所述拟合计算的公式为:
11、p(t)=g(t)+s(t)+h(t)+εt
12、其中,g(t)为趋势项,s(t)为季节项,h(t)为节假日项,εt表示噪声。
13、在一个示例中,所述方法还包括:根据所述销量数据确定时间序列数据,并根据所述时间序列数据确定时间参数,其中,所述时间参数包括节假日信息、季节性因素、时间周期;根据所述时间参数进行配置。
14、在一个示例中,所述方法还包括:确定分类回归树模型,所述分类回归树模型的表达式为:
15、
16、其中,fk为第k个特征树表达式,为i号样本的经过累加器的输出值,xi表示第i个真实数据,f为分类回归树的集合。
17、另一方面,本申请还提出了一种基于数据驱动的供应链销量分析设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述一种基于数据驱动的供应链销量分析设备能够执行:获取商品的销量数据,对所述销量数据进行预处理;根据预处理后的所述销量数据确定执行对象,并根据所述销量数据确定所述执行对象对应的可达距离;根据所述可达距离确定替换数据,并根据所述替换数据对所述执行对象进行替换,以根据替换后的所述执行对象对所述销量数据进行分类;将所述分类后的销量数据输入至预先确定的线性模型,通过所述线型模型确定销量预测值。
18、另一方面,本申请还提出了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:获取商品的销量数据,对所述销量数据进行预处理;根据预处理后的所述销量数据确定执行对象,并根据所述销量数据确定所述执行对象对应的可达距离;根据所述可达距离确定替换数据,并根据所述替换数据对所述执行对象进行替换,以根据替换后的所述执行对象对所述销量数据进行分类;将所述分类后的销量数据输入至预先确定的线性模型,通过所述线型模型确定销量预测值。
19、本申请基于optics聚类分析模型和prophet与xgboost的混合预测模型来预测各个供应链的商品销量情况,能够将大量数据根据销量趋势进行分类,形成多组具有相似特征的商品类,考虑到了历史时序数据同时,结合季节性和节假日等基于多因素进行预测。此外,还对预测误差进一步进行修正,提高了整体预测精度。本申请有效预测了各供应链商品销售情况,帮助企业有效减少库存管理成本和采购成本,可以更好地制定运营策略,扩展整体业务能力。
本文档来自技高网...【技术保护点】
1.一种基于数据驱动的供应链销量分析方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,根据所述销量数据确定所述执行对象对应的可达距离,具体包括:
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
6.根据权利要求3所述的方法,其特征在于,所述方法还包括:
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
9.一种基于数据驱动的供应链销量分析设备,其特征在于,包括:
10.一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
【技术特征摘要】
1.一种基于数据驱动的供应链销量分析方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,根据所述销量数据确定所述执行对象对应的可达距离,具体包括:
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
【专利技术属性】
技术研发人员:宋志刚,李承达,汪泉庆,张嗣昌,张迪,宋帅,
申请(专利权)人:浪潮云洲工业互联网有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。