[发明专利]数据挖掘方法以及装置

权利要求书

1.一种数据挖掘方法，其特征在于，包括：

获取待清仓货物的每天的因变量信息的历史数据、第一自变量信息的历史数据和第二自变量的历史数据，确定所述待清仓货物的每天的因变量信息与第一自变量信息、第二自变量和随机误差项的线性关系；

根据所述待清仓货物的每天的因变量信息与第一自变量信息、第二自变量和随机误差项的线性关系，确定所述待清仓货物在预设时间段内因变量总值与第一自变量信息、第二自变量和预设时间段内的随机误差信息项的关系；

确定所述预设时间段内因变量总值不小于目标因变量总值的概率达到预设概率的优化目标关系表示；

根据所述待清仓货物在预设时间段内因变量总值与第一自变量信息、第二自变量和预设时间段内的随机误差信息项的关系，对所述优化目标关系表示中的所述预设时间段内因变量总值进行替换，确定所述优化目标关系表示中的第一自变量值。

2.根据权利要求1所述的方法，其特征在于，

所述确定待清仓货物的每天的因变量信息与第一自变量信息、第二自变量和随机误差项的线性关系包括：

建立所述待清仓货物的每天的因变量信息与第一自变量信息、第二自变量和随机误差项的线性关系；

利用所述待清仓货物的每天的因变量信息的历史数据、第一自变量信息的历史数据和第二自变量的历史数据对所述线性关系进行线性回归拟合，确定所述线性关系中第一自变量信息的系数、第二自变量的系数、常数项以及随机误差项的分布，进而确定所述待清仓货物的每天的因变量信息与第一自变量信息、第二自变量和随机误差项的线性关系。

3.根据权利要求1所述的方法，其特征在于，

所述根据所述待清仓货物的每天的因变量信息与第一自变量信息、第二自变量和随机误差项的线性关系，确定所述待清仓货物在预设时间段内因变量总值与第一自变量信息、第二自变量和预设时间段内随机误差信息项的关系包括：

将所述待清仓货物的每天的因变量信息与第一自变量信息、第二自变量和随机误差项的线性关系转换为所述待清仓货物的每天的因变量与第一自变量信息、第二自变量和随机误差项的指数关系；

按照预设时间段的时长，将预设时间段内所述待清仓货物的每天的因变量与第一自变量信息、第二自变量和随机误差的指数关系相加，得到预设时间段内因变量总值与第一自变量信息、第二自变量和预设时间段内随机误差信息项的关系。

4.根据权利要求1所述的方法，其特征在于，

所述根据所述待清仓货物在预设时间段内因变量总值与第一自变量信息、第二自变量和预设时间段内随机误差信息项的关系，对所述优化目标关系表示中的所述预设时间段内因变量总值进行替换，确定所述优化目标关系表示中的第一自变量值包括：

利用所述待清仓货物在预设时间段内因变量总值与第二自变量和预设时间段内随机误差信息项的关系中的所述预设时间段内第一自变量信息、第二自变量、常数项以及所述预设时间段内随机误差信息项，对所述优化目标关系表示中的所述预设时间段内因变量总值进行替换；

在给定第二自变量值的情况下，根据所述预设时间段内随机误差信息项的分布情况，确定所述优化目标关系表示中的第一自变量值。

5.根据权利要求4所述的方法，其特征在于，

所述预设时间段内随机误差信息项的分布情况采用以下方法确定：

利用蒙特卡洛算法根据所述随机误差的正态分布对每天的随机误差进行采样；

对每天的随机误差采样值进行指数运算，得到每天的随机误差指数项的采样值；

按照预设时间段的时长，将每天的随机误差指数项的采样值进行分组，并将每组内的每天的随机误差指数项的采样值进行加和，得到预设时间段内随机误差指数项的多个加和值，对所述预设时间段内随机误差指数项的多个加和值分别进行对数运算，得到预设时间段内随机误差信息项的多个采样值，进而确定所述预设时间段内随机误差信息项的分布情况。