[发明专利]件量预测方法及装置、电子设备和存储介质

权利要求书

1.一种件量预测方法，其特征在于，包括：

获取历史数据，生成标注有若干快递行业特征的数据集，并从所述数据集中划分出训练集和验证集；所述快递行业特征包括长期趋势特征，以及以下至少一项：节假日特征、购物节特征和其它外生冲击特征；

建立所述训练集的第一件量序列与所述快递行业特征的线性回归模型，提取第一线性序列信息；

根据所述第一件量序列和所述第一线性序列信息获得第一残差序列信息，并根据所述第一残差序列信息生成周期池；

将所述验证集的第二件量序列输入所述线性回归模型以提取第二线性序列信息；

根据所述第二件量序列和所述第二线性序列信息获得第二残差序列信息，并根据所述周期池提取所述第二残差序列信息的若干周期序列以检验所述第二残差序列信息是否具有周期性：

是，则通过状态空间模型从所述第二残差序列信息中提取周期效应与滞后期信息，根据所述第二线性序列信息和所述周期效应与滞后期信息生成第二预测结果并输出。

2.根据权利要求1所述的方法，其特征在于，所述获取历史数据，生成标注有若干快递行业特征的数据集，并从所述数据集中划分出训练集和验证集包括：

获取历史数据，将所述历史数据存储为原始数据集；

将所述原始数据集导入节假日模板，生成标注有若干快递行业特征的数据集；

将所述数据集划分为训练集、验证集和测试集。

3.根据权利要求2所述的方法，其特征在于，所述获取历史数据，将所述历史数据存储为原始数据集之前还包括：

生成标注有若干快递行业特征的节假日模板；

所述长期趋势特征包括以下至少一项：日趋势指数、周趋势指数、月趋势指数、季度趋势指数、年趋势指数、周期趋势指数；

所述节假日特征包括以下至少一项：节假日名称、是否节假日、是否节前、是否节后、是否调休日；

所述购物节特征包括以下至少一项：购物节名称、是否购物节、是否购物节前、是否购物节后；

所述其它外生冲击特征包括以下至少一项：天气、是否网点工作日、是否某大客户工作日。

4.根据权利要求1-3任一项所述的方法，其特征在于，还包括：

在所述第二残差序列信息不具有周期性时，优化所述线性回归模型，生成第一预测结果并输出。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述第一件量序列和所述第一线性序列信息获得第一残差序列信息，并根据所述第一残差序列信息生成周期池包括：

根据所述第一件量序列和所述第一线性序列信息获得第一残差序列信息；

根据所述第一残差序列信息生成功率谱图以筛选出若干预定范围内的功率谱图周期；

根据各所述功率谱图周期和若干快递行业常用周期生成周期池。

6.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述周期池提取所述第二残差序列信息的若干周期序列以检验所述第二残差序列信息是否具有周期性包括：

根据所述周期池生成若干周期序列，对各周期序列进行排列组合，并筛选出各周期序列组合中平均绝对百分误差值MAPE最小的若干周期序列组合；

判断筛选出的各周期序列组合的MAPE是否相同：

是，则所述第二残差序列信息不具有周期性；

否，则所述第二残差序列信息具有周期性。