專利名稱：預(yù)測(cè)數(shù)據(jù)的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及預(yù)測(cè)數(shù)據(jù)的方法和裝置。
背景技術(shù)：
銷量預(yù)測(cè)是電子商務(wù)零售企業(yè)進(jìn)行有效庫存控制的關(guān)鍵，庫存量過大，會(huì)造成商品積壓，影響資金周轉(zhuǎn)和效益；庫存量過小，會(huì)造成商品斷貨，影響銷售和客戶體驗(yàn)。而電子商務(wù)零售市場(chǎng)環(huán)境復(fù)雜多變，此起彼伏的市場(chǎng)促銷、消費(fèi)者偏好的轉(zhuǎn)移、商品的季節(jié)性周期變化等因素造成了商品銷售特征的多樣性和多變性。復(fù)雜多變的市場(chǎng)環(huán)境和銷售特征，給商品銷量的準(zhǔn)確預(yù)測(cè)帶來了挑戰(zhàn)。對(duì)單個(gè)商品的銷量預(yù)測(cè)，現(xiàn)有的技術(shù)方案通常利用商品的歷史銷量數(shù)據(jù)，大致采 用加權(quán)平均預(yù)測(cè)法和ARIMA模型預(yù)測(cè)法。在應(yīng)用加權(quán)平均預(yù)測(cè)法時(shí)，軟件模塊可采用數(shù)據(jù)數(shù)據(jù)輸入模塊、數(shù)據(jù)預(yù)處理模塊、銷量加權(quán)平均計(jì)算模塊和銷量預(yù)測(cè)應(yīng)用模塊。應(yīng)用加權(quán)平均預(yù)測(cè)法時(shí)的工作流程如圖I所示，圖I是根據(jù)現(xiàn)有技術(shù)中的應(yīng)用加權(quán)平均預(yù)測(cè)法時(shí)的工作流程的示意圖。加權(quán)平均預(yù)測(cè)法利用商品歷史銷量觀測(cè)值某種類型的加權(quán)平均數(shù)作為未來一段時(shí)間內(nèi)該商品銷量的預(yù)測(cè)值。在具體實(shí)現(xiàn)中，銷量加權(quán)平均計(jì)算可以采用加權(quán)移動(dòng)平均法或指數(shù)平滑法。在加權(quán)移動(dòng)平均法中，對(duì)歷史最近的N期銷量觀察值的每一個(gè)值給以相應(yīng)的權(quán)重，而對(duì)在此之前的觀察值不給以加權(quán)。在大多數(shù)實(shí)際情況下，最近的觀察值包含對(duì)預(yù)測(cè)未來銷量所需的信息要比舊的觀察值包含的更多，因此往往對(duì)較舊的觀察值逐漸減少其重要性。指數(shù)平滑法是加權(quán)移動(dòng)平均法的改進(jìn)，一次指數(shù)平滑的數(shù)學(xué)模型為Ft=a XYt+a-cOXF^，其中Ft第t期的指數(shù)平滑值，a為平滑系數(shù)，Yt為第t期的觀察值。當(dāng)時(shí)間序列沒有明顯的趨勢(shì)變動(dòng)時(shí)，可以采用一次指數(shù)平滑法；當(dāng)時(shí)間序列的變動(dòng)呈現(xiàn)明顯直線趨勢(shì)時(shí)，用一次指數(shù)平滑法來預(yù)測(cè)存在著明顯的滯后偏差，需要在一次指數(shù)平滑的基礎(chǔ)上再作二次指數(shù)平滑；當(dāng)時(shí)間序列的變動(dòng)呈現(xiàn)出二次曲線趨勢(shì)時(shí)，則需要用三次指數(shù)平滑法。ARIMA模型全稱為差分自回歸移動(dòng)平均模型(Autoregressive IntegratedMoving Average Model),是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的一著名時(shí)間序列預(yù)測(cè)方法。在應(yīng)用ARIMA模型預(yù)測(cè)法時(shí)，軟件模塊可主要由數(shù)據(jù)準(zhǔn)備模塊、模型訓(xùn)練模塊、銷量預(yù)測(cè)模塊和預(yù)測(cè)應(yīng)用模塊四部分構(gòu)成，其工作流程如圖2所示。圖2是根據(jù)現(xiàn)有技術(shù)中的ARIMA模型預(yù)測(cè)法的一種工作流程的示意圖。根據(jù)圖2所示的工作流程，首先對(duì)商品的銷量數(shù)據(jù)進(jìn)行匯總，并進(jìn)行數(shù)據(jù)清洗，通常情況下數(shù)據(jù)清洗包括惡意訂單、團(tuán)購訂單的剔除，促銷極值的平滑和庫存異常銷量的填充；然后找出商品銷售時(shí)間序列的規(guī)則，通常采用求和自回歸移動(dòng)平均模型ARIMA來擬合商品的歷史銷量；再將訓(xùn)練得到的時(shí)間序列模型應(yīng)用于新的銷量數(shù)據(jù)，得到商品未來一段時(shí)間的銷量預(yù)測(cè)結(jié)果；最后再結(jié)合現(xiàn)有的庫存情況和未來的促銷計(jì)劃等因素綜合得到最終的庫存補(bǔ)貨建議。在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)，任何一種預(yù)測(cè)方法都是建立在一定的假設(shè)條件之上，現(xiàn)有銷量預(yù)測(cè)技術(shù)方案的主要缺點(diǎn)是當(dāng)預(yù)測(cè)的商品的銷售特征發(fā)生變化時(shí)，現(xiàn)有的預(yù)測(cè)模型不能自動(dòng)地進(jìn)行變化和調(diào)整，以適應(yīng)新的情況。對(duì)于加權(quán)移動(dòng)平均法來說，權(quán)重不容易確定，沒有固定的規(guī)則可循，隨意性太強(qiáng)，且難以應(yīng)對(duì)具有季節(jié)性變動(dòng)特征的銷量，因此在準(zhǔn)確性上難以滿足要求；對(duì)于指數(shù)平滑法來說，該方法能夠擬合不同的銷量曲線特征，但是它與加權(quán)移動(dòng)平均法存在類似的問題一難以確定平滑系數(shù)，且平滑系數(shù)一旦確定，就不能依據(jù)銷售的階段性特征而變化；對(duì)于ARIMA模型預(yù)測(cè)法來說，當(dāng)銷售特征發(fā)生變化時(shí)需要差分的階數(shù)、自相關(guān)系數(shù)和偏自相關(guān)系數(shù)截尾的階數(shù)都有可能發(fā)生變化，這意味著模型的參數(shù)要進(jìn)行相應(yīng)調(diào)整。而電子商務(wù)零售行業(yè)市場(chǎng)環(huán)境的復(fù)雜多變，必然導(dǎo)致商品銷售特征的頻繁變化，加之商品數(shù)量動(dòng)輒以百萬計(jì)數(shù)，現(xiàn)有技術(shù)中的商品銷量預(yù)測(cè)偏差較大，常引發(fā)商品斷貨或 商品積壓。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明提供一種預(yù)測(cè)數(shù)據(jù)的方法和裝置，能夠提高數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確性。為實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種預(yù)測(cè)數(shù)據(jù)的方法。本發(fā)明的這種預(yù)測(cè)數(shù)據(jù)的方法包括步驟A :對(duì)于預(yù)先選擇的多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的參數(shù)分別進(jìn)行優(yōu)化；步驟B :分別采用參數(shù)優(yōu)化之后的所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的預(yù)測(cè)結(jié)果與所述歷史數(shù)據(jù)之間的差異的大小來確定優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型；步驟C :采用所述優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)；在步驟C中的預(yù)測(cè)的結(jié)果和所述未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異超出預(yù)設(shè)范圍的情況下，重新依次執(zhí)行步驟A至步驟C。可選地，所述步驟A包括根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)誤差調(diào)整參數(shù)；將預(yù)測(cè)誤差滿足預(yù)設(shè)精度要求時(shí)采用的參數(shù)作為優(yōu)化的參數(shù)，或者當(dāng)調(diào)整次數(shù)達(dá)到預(yù)設(shè)次數(shù)時(shí)的當(dāng)前參數(shù)作為優(yōu)化的參數(shù)?？蛇x地，在所述步驟B中，采用平均絕對(duì)百分比誤差來衡量所述差異的大小。根據(jù)本發(fā)明的另一方面，提供了另一種預(yù)測(cè)數(shù)據(jù)的方法。發(fā)明的這種預(yù)測(cè)數(shù)據(jù)的方法包括步驟A :分別采用預(yù)先選擇的多個(gè)數(shù)據(jù)預(yù)測(cè)模型，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的預(yù)測(cè)結(jié)果與所述歷史數(shù)據(jù)之間的差異的大小來確定優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型；步驟B :采用所述優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)；在步驟B中的預(yù)測(cè)的結(jié)果和所述未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異超出預(yù)設(shè)范圍的情況下，重新依次執(zhí)行步驟A和步驟B?？蛇x地，在所述步驟A中，采用平均絕對(duì)百分比誤差來衡量所述差異的大小。根據(jù)本發(fā)明的又一方面，提供了一種預(yù)測(cè)數(shù)據(jù)的裝置。本發(fā)明的這種預(yù)測(cè)數(shù)據(jù)的裝置包括最優(yōu)參數(shù)選擇模塊，用于對(duì)于預(yù)先選擇的多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的參數(shù)分別進(jìn)行優(yōu)化；最優(yōu)模型選擇模塊，用于分別采用參數(shù)優(yōu)化之后的所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的預(yù)測(cè)結(jié)果與所述歷史數(shù)據(jù)之間的差異的大小來確定優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型；模型失配檢測(cè)模塊，用于采用所述優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)，并且在該預(yù)測(cè)的結(jié)果和所述未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異超出預(yù)設(shè)范圍的情況下觸發(fā)所述最優(yōu)參數(shù)選擇模塊和最優(yōu)模型選擇模塊?？蛇x地，所述最優(yōu)參數(shù)選擇模塊還用于根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)誤差調(diào)整參數(shù)；將預(yù)測(cè)誤差滿足預(yù)設(shè)精度要求時(shí)采用的參數(shù)作為優(yōu)化的參數(shù)，或者當(dāng)調(diào)整次數(shù)達(dá)到預(yù)設(shè)次數(shù)時(shí)的當(dāng)前參數(shù)作為優(yōu)化的參數(shù)。可選地，所述最優(yōu)模型選擇模塊還用于采用平均絕對(duì)百分比誤差來衡量所述差異的大小。根據(jù)本發(fā)明的又一方面，提供了另一種預(yù)測(cè)數(shù)據(jù)的裝置。
本發(fā)明的這種預(yù)測(cè)數(shù)據(jù)的裝置包括數(shù)據(jù)模型選擇模塊，用于分別采用預(yù)先選擇的多個(gè)數(shù)據(jù)預(yù)測(cè)模型，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的預(yù)測(cè)結(jié)果與所述歷史數(shù)據(jù)之間的差異的大小來確定優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型；數(shù)據(jù)預(yù)測(cè)模塊，用于采用所述優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)；失配控制模塊，用于當(dāng)所述數(shù)據(jù)預(yù)測(cè)模塊的預(yù)測(cè)的結(jié)果和所述未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異超出預(yù)設(shè)范圍的情況下，觸發(fā)所述數(shù)據(jù)模型選擇模塊和所述數(shù)據(jù)預(yù)測(cè)模塊?？蛇x地，所述數(shù)據(jù)模型選擇模塊還用于采用平均絕對(duì)百分比誤差來衡量所述差異的大小。根據(jù)本發(fā)明的技術(shù)方案，先根據(jù)歷史數(shù)據(jù)對(duì)多個(gè)數(shù)據(jù)預(yù)測(cè)模型進(jìn)行試驗(yàn)和擇優(yōu)，在采用擇優(yōu)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)的同時(shí)考察其準(zhǔn)確性，在準(zhǔn)確性不達(dá)標(biāo)的情況下再次擇優(yōu)，從而能夠根據(jù)時(shí)間的推移、被預(yù)測(cè)數(shù)據(jù)的產(chǎn)生環(huán)境變化來盡可能地選取了優(yōu)化的數(shù)據(jù)預(yù)測(cè)模型，有助于提高數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確性。


附圖用于更好地理解本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。其中圖I是根據(jù)現(xiàn)有技術(shù)中的應(yīng)用加權(quán)平均預(yù)測(cè)法時(shí)的工作流程的示意圖；圖2是根據(jù)現(xiàn)有技術(shù)中的ARIMA模型預(yù)測(cè)法的一種工作流程的示意圖；圖3是根據(jù)本發(fā)明實(shí)施例的一種預(yù)測(cè)數(shù)據(jù)的方法的示意圖；圖4是根據(jù)本發(fā)明實(shí)施例的預(yù)測(cè)數(shù)據(jù)的裝置的一種基本結(jié)構(gòu)的示意圖；圖5是根據(jù)本發(fā)明實(shí)施例的預(yù)測(cè)數(shù)據(jù)的裝置的另一種基本結(jié)構(gòu)的示意圖；圖6是根據(jù)本發(fā)明實(shí)施例的商品銷量預(yù)測(cè)裝置的基本結(jié)構(gòu)的示意圖；圖7是基于圖6所示裝置的商品銷量預(yù)測(cè)方法的流程圖。
具體實(shí)施例方式以下結(jié)合附圖對(duì)本發(fā)明的示范性實(shí)施例做出說明，其中包括本發(fā)明實(shí)施例的各種細(xì)節(jié)以助于理解，應(yīng)當(dāng)將它們認(rèn)為僅僅是示范性的。因此，本領(lǐng)域普通技術(shù)人員應(yīng)當(dāng)認(rèn)識(shí)至IJ，可以對(duì)這里描述的實(shí)施例做出各種改變和修改，而不會(huì)背離本發(fā)明的范圍和精神。同樣，為了清楚和簡(jiǎn)明，以下的描述中省略了對(duì)公知功能和結(jié)構(gòu)的描述。圖3是根據(jù)本發(fā)明實(shí)施例的一種預(yù)測(cè)數(shù)據(jù)的方法的示意圖，以下對(duì)圖3各步驟做出說明。
步驟S31 :對(duì)于預(yù)先選擇的多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的參數(shù)分別進(jìn)行優(yōu)化。在這里，優(yōu)化的一種可選的具體步驟是先根據(jù)多個(gè)數(shù)據(jù)預(yù)測(cè)模型對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)誤差調(diào)整參數(shù)；然后將預(yù)測(cè)誤差滿足預(yù)設(shè)精度要求時(shí)采用的參數(shù)作為優(yōu)化的參數(shù)，或者當(dāng)調(diào)整次數(shù)達(dá)到預(yù)設(shè)次數(shù)時(shí)的當(dāng)前參數(shù)作為優(yōu)化的參數(shù)。步驟S32 :分別采用參數(shù)優(yōu)化之后的上述多個(gè)數(shù)據(jù)預(yù)測(cè)模型，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)上述多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的預(yù)測(cè)結(jié)果與該歷史數(shù)據(jù)之間的差異的大小來確定優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型。該差異的大小可采用平均絕對(duì)百分比誤差(MAPE)來衡量。步驟S33 :采用上述優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)。本步驟中的預(yù)測(cè)結(jié)果即為輸出的數(shù)據(jù)預(yù)測(cè)結(jié)果，供后續(xù)工作使用，例如在電子商務(wù)領(lǐng)域，可采用上述步驟對(duì)商品銷量進(jìn)行預(yù)測(cè)，本步驟中得到的即為商品銷量預(yù)測(cè)值，商家可根據(jù)該預(yù)測(cè)值安排貨源。
隨著時(shí)間的推移，未來數(shù)據(jù)的實(shí)際發(fā)生值也隨之出現(xiàn)。在本實(shí)施例中，步驟S33之后還要判斷步驟S33中的預(yù)測(cè)的結(jié)果和未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異是否超出預(yù)設(shè)范圍，即此時(shí)進(jìn)入步驟S34。若是，則返回步驟S31并依次執(zhí)行其后步驟，否則進(jìn)入步驟S35，輸出預(yù)測(cè)結(jié)果，并且返回步驟S33，即保持采用步驟S32中確定出的優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型。步驟S31也可以省略，即僅按照預(yù)測(cè)的結(jié)果和未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異來選擇數(shù)據(jù)預(yù)測(cè)模型。圖4是根據(jù)本發(fā)明實(shí)施例的預(yù)測(cè)數(shù)據(jù)的裝置的一種基本結(jié)構(gòu)的示意圖。如圖4所示，本發(fā)明實(shí)施例的預(yù)測(cè)數(shù)據(jù)的裝置40主要包括最優(yōu)參數(shù)選擇模塊41、最優(yōu)模型選擇模塊42、和模型失配檢測(cè)模塊43。最優(yōu)參數(shù)選擇模塊41用于對(duì)于預(yù)先選擇的多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的參數(shù)分別進(jìn)行優(yōu)化；最優(yōu)模型選擇模塊42用于分別采用參數(shù)優(yōu)化之后的上述多個(gè)數(shù)據(jù)預(yù)測(cè)模型，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)上述多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的預(yù)測(cè)結(jié)果與上述歷史數(shù)據(jù)之間的差異的大小來確定優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型。模型失配檢測(cè)模塊43用于采用上述優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)，并且在該預(yù)測(cè)的結(jié)果和上述未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異超出預(yù)設(shè)范圍的情況下觸發(fā)最優(yōu)參數(shù)選擇模塊41和最優(yōu)模型選擇模塊42，這樣這兩個(gè)模塊再次啟動(dòng)，模型失配檢測(cè)模塊43也隨之根據(jù)新選擇的數(shù)據(jù)預(yù)測(cè)模型來運(yùn)行。最優(yōu)參數(shù)選擇模塊41還可用于根據(jù)上述多個(gè)數(shù)據(jù)預(yù)測(cè)模型對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)誤差調(diào)整參數(shù)；然后將預(yù)測(cè)誤差滿足預(yù)設(shè)精度要求時(shí)采用的參數(shù)作為優(yōu)化的參數(shù)，或者當(dāng)調(diào)整次數(shù)達(dá)到預(yù)設(shè)次數(shù)時(shí)的當(dāng)前參數(shù)作為優(yōu)化的參數(shù)。最優(yōu)模型選擇模塊42可采用平均絕對(duì)百分比誤差來衡量上述差異的大小。圖5是根據(jù)本發(fā)明實(shí)施例的預(yù)測(cè)數(shù)據(jù)的裝置的另一種基本結(jié)構(gòu)的示意圖。如圖5所示，本發(fā)明實(shí)施例的預(yù)測(cè)數(shù)據(jù)的裝置50、數(shù)據(jù)模型選擇模塊51、數(shù)據(jù)預(yù)測(cè)模塊52、以及失配控制模塊53。數(shù)據(jù)模型選擇模塊51用于分別采用預(yù)先選擇的多個(gè)數(shù)據(jù)預(yù)測(cè)模型，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)上述多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的預(yù)測(cè)結(jié)果與上述歷史數(shù)據(jù)之間的差異的大小來確定優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型?？刹捎闷骄^對(duì)百分比誤差來衡量上述差異的大小。數(shù)據(jù)預(yù)測(cè)模塊52用于采用上述優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)。失配控制模塊53用于當(dāng)上述數(shù)據(jù)預(yù)測(cè)模塊的預(yù)測(cè)的結(jié)果和上述未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異超出預(yù)設(shè)范圍的情況下，觸發(fā)上述數(shù)據(jù)模型選擇模塊和上述數(shù)據(jù)預(yù)測(cè)模塊。
以下采用電子商務(wù)零售行業(yè)中的銷量預(yù)測(cè)為例進(jìn)一步對(duì)本發(fā)明實(shí)施例中的優(yōu)選方案做出說明。參考圖6和圖7。圖6是根據(jù)本發(fā)明實(shí)施例的商品銷量預(yù)測(cè)裝置的基本結(jié)構(gòu)的示意圖，圖7是基于圖6所示裝置的商品銷量預(yù)測(cè)方法的流程圖。根據(jù)圖7所示的流程，通過準(zhǔn)備模塊將不同銷售方式的訂單進(jìn)行計(jì)算，并剔除惡意訂單、團(tuán)購訂單，減小促銷、庫存異常對(duì)商品銷量的影響，得到在正常情況下商品的銷量數(shù)據(jù)；將數(shù)據(jù)樣本傳輸?shù)侥Ｐ褪錂z測(cè)模塊，對(duì)已有的預(yù)測(cè)模型進(jìn)行效果評(píng)估，如果準(zhǔn)確性在允許的范圍內(nèi)則直接進(jìn)入銷量預(yù)測(cè)模塊，否則進(jìn)行模型最優(yōu)參數(shù)選擇模塊；通過隨機(jī)搜索算法或模擬退火等智能優(yōu)化算法為可選的模型(加權(quán)平均、一次指數(shù)平滑、二次指數(shù)平滑、三次指數(shù)平滑、ARIMA模型)選擇最優(yōu)模型參數(shù)，最每個(gè)可選模型可能需要迭代多次，直到滿足停止條件；將參數(shù)優(yōu)化的多個(gè)可選模型應(yīng)用于歷史數(shù)據(jù)，按照模型準(zhǔn)確性的判斷指標(biāo)MAPE選擇出最優(yōu)模型，并將模型規(guī)則更新到模型規(guī)則庫；將最優(yōu)模型規(guī)則應(yīng)用于最新數(shù)據(jù)得到銷量預(yù)測(cè)結(jié)果；將預(yù)測(cè)結(jié)果傳入預(yù)測(cè)應(yīng)用接口，用于向采銷部門提供補(bǔ)貨建議。以下 結(jié)合圖6對(duì)各模塊主要功能加以說明。數(shù)據(jù)準(zhǔn)備模塊的主要功能是進(jìn)行訓(xùn)練模型的數(shù)據(jù)樣本預(yù)處理，它主要是通過剔除惡意訂單、取消訂單、團(tuán)購訂單的商品銷量的方法反映市場(chǎng)的真實(shí)需求，通過促銷極值處理、庫存異常填充等手段排除干擾因素的影響。模型失配檢測(cè)模塊的主要功能是評(píng)估商品當(dāng)前使用的預(yù)測(cè)模型的準(zhǔn)確性是否在業(yè)務(wù)允許的范圍內(nèi)。如果當(dāng)前的模型的預(yù)測(cè)誤差在業(yè)務(wù)允許的范圍內(nèi)，則繼續(xù)使用當(dāng)前模型進(jìn)行下一期銷量的預(yù)測(cè)，否則，需要重新進(jìn)行最優(yōu)模型選擇或模型最優(yōu)參數(shù)選擇。通常情況下，選擇平均絕對(duì)百分比誤差MAPE作為評(píng)估模型預(yù)測(cè)準(zhǔn)確性的指標(biāo)，指標(biāo)的具體閥值視商品的暢銷情況和供應(yīng)商配貨的履約情況而定。最優(yōu)參數(shù)選擇模塊的主要功能是為多個(gè)可選模型選擇最優(yōu)參數(shù)。其具體工作原理是對(duì)于特定的預(yù)測(cè)模型，其預(yù)測(cè)值和實(shí)際值誤差的大小取決于模型參數(shù)的選擇；因而減小預(yù)測(cè)誤差的就是調(diào)整參數(shù)，利用調(diào)整后的參數(shù)重新進(jìn)行預(yù)測(cè)，再次計(jì)算預(yù)測(cè)誤差；如果誤差增大，則再次調(diào)整參數(shù)，如此反復(fù)，直到找到一組最優(yōu)參數(shù)，使得預(yù)測(cè)誤差滿足預(yù)測(cè)精度的要求或達(dá)到指定的迭代次數(shù)。最優(yōu)參數(shù)的選擇可以采用隨機(jī)搜索方式，也可以將預(yù)測(cè)誤差作為成本函數(shù)并采用模擬退火之類的智能優(yōu)化算法進(jìn)行選取。最優(yōu)模型選擇模塊的主要功能是比較“最優(yōu)參數(shù)選擇模塊”中得到的多個(gè)可選模型的預(yù)測(cè)準(zhǔn)確性，選擇平均絕對(duì)百分比誤差MAPE最小的預(yù)測(cè)模型作為最終的應(yīng)用模型，并將模型的規(guī)則更新到模型規(guī)則庫。當(dāng)商品的銷量特征發(fā)生變化，當(dāng)前的預(yù)測(cè)模型不適應(yīng)新數(shù)據(jù)的要求時(shí)，“模型失配檢測(cè)模塊”會(huì)將預(yù)測(cè)誤差較大的商品進(jìn)行分發(fā)，而“最優(yōu)參數(shù)選擇模塊”和“最優(yōu)模型選擇模塊”對(duì)模型進(jìn)行自動(dòng)訓(xùn)練和選擇，共同保證了每期預(yù)測(cè)都采用最優(yōu)的模型和最優(yōu)的模型參數(shù)，從而保證了預(yù)測(cè)模型的及時(shí)性和準(zhǔn)確性。銷量預(yù)測(cè)模塊的主要功能是首先對(duì)待預(yù)測(cè)商品的數(shù)據(jù)樣本進(jìn)行預(yù)處理(與“數(shù)據(jù)準(zhǔn)備模塊”類型)，然后將其應(yīng)用于更新后的模型規(guī)則，最終得到商品未來一段時(shí)間內(nèi)的預(yù)測(cè)結(jié)果。預(yù)測(cè)應(yīng)用模塊的主要功能是提供一個(gè)銷量預(yù)測(cè)數(shù)據(jù)傳輸接口，依據(jù)現(xiàn)有的庫存情況和未來一段時(shí)間的促銷計(jì)劃、促銷力度為采銷人員提供補(bǔ)貨建議，還可以對(duì)庫存斷貨或擠壓狀態(tài)進(jìn)行預(yù)警等。
基于圖6和圖7的方案一方面在商品銷售特征發(fā)生變化時(shí)進(jìn)行模型動(dòng)態(tài)適配，而不是在模型偏差已經(jīng)增大時(shí)才進(jìn)行模型選擇和模型參數(shù)調(diào)優(yōu)，減小模型的滯后性；另一方面，通過為當(dāng)前的銷量特征匹配最合適的預(yù)測(cè)模型，也可以大大提高銷量預(yù)測(cè)結(jié)果的精度。所以該方案有助于彌補(bǔ)現(xiàn)有銷量預(yù)測(cè)方法的不足，迎合了電子一方面在商品銷售特征發(fā)生變化時(shí)進(jìn)行模型動(dòng)態(tài)適配，而不是在模型偏差已經(jīng)增大時(shí)才進(jìn)行模型選擇和模型參數(shù)調(diào)優(yōu)，減小模型的滯后性；另一方面，通過為當(dāng)前的銷量特征匹配最合適的預(yù)測(cè)模型，也可以大大提高銷量預(yù)測(cè)結(jié)果的精度。本發(fā)明彌補(bǔ)了現(xiàn)有銷量預(yù)測(cè)方法的不足，迎合了電子商務(wù)零售行業(yè)對(duì)準(zhǔn)確預(yù)測(cè)商品銷量的需求，對(duì)庫存的精準(zhǔn)控制起到了促進(jìn)作用。根據(jù)本實(shí)施例的技術(shù)方案，先根據(jù)歷史數(shù)據(jù)對(duì)多個(gè)數(shù)據(jù)預(yù)測(cè)模型進(jìn)行試驗(yàn)和擇優(yōu)，在采用擇優(yōu)模型進(jìn)行數(shù)據(jù)預(yù)測(cè)的同時(shí)考察其準(zhǔn)確性，在準(zhǔn)確性不達(dá)標(biāo)的情況下再次擇優(yōu)，從而能夠根據(jù)時(shí)間的推移、被預(yù)測(cè)數(shù)據(jù)的產(chǎn)生環(huán)境變化來盡可能地選取了優(yōu)化的數(shù)據(jù)預(yù)測(cè)模型，是一種與時(shí)俱進(jìn)的方案。特別是應(yīng)用到電子商務(wù)零售行業(yè)中進(jìn)行商品銷量預(yù)測(cè)時(shí)，采用本實(shí)施例的技術(shù)方案對(duì)傳統(tǒng)的銷量預(yù)測(cè)技術(shù)進(jìn)行了改進(jìn)和突破，使銷量預(yù)測(cè)模型 更新的及時(shí)性得到了明顯提高，并且自動(dòng)適配也大大節(jié)省了成本；本實(shí)施例中可以每次預(yù)測(cè)都能選擇最優(yōu)的模型和參數(shù)，使銷量預(yù)測(cè)的精度進(jìn)一步提高。這些都對(duì)電子商務(wù)零售行業(yè)的庫存控制向更精準(zhǔn)的方向發(fā)展起到關(guān)鍵的促進(jìn)作用。以上結(jié)合具體實(shí)施例描述了本發(fā)明的基本原理，但是，需要指出的是，對(duì)本領(lǐng)域的普通技術(shù)人員而言，能夠理解本發(fā)明的方法和設(shè)備的全部或者任何步驟或者部件，可以在任何計(jì)算裝置(包括處理器、存儲(chǔ)介質(zhì)等)或者計(jì)算裝置的網(wǎng)絡(luò)中，以硬件、固件、軟件或者它們的組合加以實(shí)現(xiàn)，這是本領(lǐng)域普通技術(shù)人員在閱讀了本發(fā)明的說明的情況下運(yùn)用他們的基本編程技能就能實(shí)現(xiàn)的。因此，本發(fā)明的目的還可以通過在任何計(jì)算裝置上運(yùn)行一個(gè)程序或者一組程序來實(shí)現(xiàn)。所述計(jì)算裝置可以是公知的通用裝置。因此，本發(fā)明的目的也可以僅僅通過提供包含實(shí)現(xiàn)所述方法或者裝置的程序代碼的程序產(chǎn)品來實(shí)現(xiàn)。也就是說，這樣的程序產(chǎn)品也構(gòu)成本發(fā)明，并且存儲(chǔ)有這樣的程序產(chǎn)品的存儲(chǔ)介質(zhì)也構(gòu)成本發(fā)明。顯然，所述存儲(chǔ)介質(zhì)可以是任何公知的存儲(chǔ)介質(zhì)或者將來開發(fā)出的任何存儲(chǔ)介質(zhì)。還需要指出的是，在本發(fā)明的裝置和方法中，顯然，各部件或各步驟是可以分解和/或重新組合的。這些分解和/或重新組合應(yīng)視為本發(fā)明的等效方案。并且，執(zhí)行上述系列處理的步驟可以自然地按照說明的順序按時(shí)間順序執(zhí)行，但是并不需要一定按照時(shí)間順序執(zhí)行。某些步驟可以并行或彼此獨(dú)立地執(zhí)行。上述具體實(shí)施方式
，并不構(gòu)成對(duì)本發(fā)明保護(hù)范圍的限制。本領(lǐng)域技術(shù)人員應(yīng)該明白的是，取決于設(shè)計(jì)要求和其他因素，可以發(fā)生各種各樣的修改、組合、子組合和替代。任何在本發(fā)明的精神和原則之內(nèi)所作的修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種預(yù)測(cè)數(shù)據(jù)的方法，其特征在于，包括 步驟A :對(duì)于預(yù)先選擇的多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的參數(shù)分別進(jìn)行優(yōu)化； 步驟B :分別采用參數(shù)優(yōu)化之后的所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的預(yù)測(cè)結(jié)果與所述歷史數(shù)據(jù)之間的差異的大小來確定優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型； 步驟C :采用所述優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)； 在步驟C中的預(yù)測(cè)的結(jié)果和所述未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異超出預(yù)設(shè)范圍的情況下，重新依次執(zhí)行步驟A至步驟C。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟A包括 根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)誤差調(diào)整參數(shù)； 將預(yù)測(cè)誤差滿足預(yù)設(shè)精度要求時(shí)采用的參數(shù)作為優(yōu)化的參數(shù)，或者當(dāng)調(diào)整次數(shù)達(dá)到預(yù)設(shè)次數(shù)時(shí)的當(dāng)前參數(shù)作為優(yōu)化的參數(shù)。
3.根據(jù)權(quán)利要求I或2所述的方法，其特征在于，在所述步驟B中，采用平均絕對(duì)百分比誤差來衡量所述差異的大小。
4.一種預(yù)測(cè)數(shù)據(jù)的方法，其特征在于，包括 步驟A :分別采用預(yù)先選擇的多個(gè)數(shù)據(jù)預(yù)測(cè)模型，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的預(yù)測(cè)結(jié)果與所述歷史數(shù)據(jù)之間的差異的大小來確定優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型； 步驟B :采用所述優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)； 在步驟B中的預(yù)測(cè)的結(jié)果和所述未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異超出預(yù)設(shè)范圍的情況下，重新依次執(zhí)行步驟A和步驟B。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述步驟A中，采用平均絕對(duì)百分比誤差來衡量所述差異的大小。
6.一種預(yù)測(cè)數(shù)據(jù)的裝置，其特征在于，包括 最優(yōu)參數(shù)選擇模塊，用于對(duì)于預(yù)先選擇的多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的參數(shù)分別進(jìn)行優(yōu)化； 最優(yōu)模型選擇模塊，用于分別采用參數(shù)優(yōu)化之后的所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的預(yù)測(cè)結(jié)果與所述歷史數(shù)據(jù)之間的差異的大小來確定優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型； 模型失配檢測(cè)模塊，用于采用所述優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)，并且在該預(yù)測(cè)的結(jié)果和所述未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異超出預(yù)設(shè)范圍的情況下觸發(fā)所述最優(yōu)參數(shù)選擇模塊和最優(yōu)模型選擇模塊。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述最優(yōu)參數(shù)選擇模塊還用于 根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)誤差調(diào)整參數(shù)； 將預(yù)測(cè)誤差滿足預(yù)設(shè)精度要求時(shí)采用的參數(shù)作為優(yōu)化的參數(shù)，或者當(dāng)調(diào)整次數(shù)達(dá)到預(yù)設(shè)次數(shù)時(shí)的當(dāng)前參數(shù)作為優(yōu)化的參數(shù)。
8.根據(jù)權(quán)利要求6或7所述的裝置，其特征在于，所述最優(yōu)模型選擇模塊還用于采用平均絕對(duì)百分比誤差來衡量所述差異的大小。
9.一種預(yù)測(cè)數(shù)據(jù)的裝置，其特征在于，包括數(shù)據(jù)模型選擇模塊，用于分別采用預(yù)先選擇的多個(gè)數(shù)據(jù)預(yù)測(cè)模型，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的預(yù)測(cè)結(jié)果與所述歷史數(shù)據(jù)之間的差異的大小來確定優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型； 數(shù)據(jù)預(yù)測(cè)模塊，用于采用所述優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)； 失配控制模塊，用于當(dāng)所述數(shù)據(jù)預(yù)測(cè)模塊的預(yù)測(cè)的結(jié)果和所述未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異超出預(yù)設(shè)范圍的情況下，觸發(fā)所述數(shù)據(jù)模型選擇模塊和所述數(shù)據(jù)預(yù)測(cè)模塊。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述數(shù)據(jù)模型選擇模塊還用于采用平均絕對(duì)百分比誤差來衡量所述差異的大小。
全文摘要
本發(fā)明提供一種預(yù)測(cè)數(shù)據(jù)的方法和裝置，能夠提高數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確性。該方法包括步驟A對(duì)于預(yù)先選擇的多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的參數(shù)分別進(jìn)行優(yōu)化；步驟B分別采用參數(shù)優(yōu)化之后的所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型，對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，根據(jù)所述多個(gè)數(shù)據(jù)預(yù)測(cè)模型各自的預(yù)測(cè)結(jié)果與所述歷史數(shù)據(jù)之間的差異的大小來確定優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型；步驟C采用所述優(yōu)選的數(shù)據(jù)預(yù)測(cè)模型對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)；在步驟C中的預(yù)測(cè)的結(jié)果和所述未來數(shù)據(jù)的實(shí)際發(fā)生值之間的差異超出預(yù)設(shè)范圍的情況下，重新依次執(zhí)行步驟A至步驟C。
文檔編號(hào)G06Q10/04GK102968670SQ20121040762
公開日2013年3月13日 申請(qǐng)日期2012年10月23日 優(yōu)先權(quán)日2012年10月23日
發(fā)明者王顯峰 申請(qǐng)人:北京京東世紀(jì)貿(mào)易有限公司