[发明专利]订单的预测方法及系统

说明书

本发明公开了一种订单的预测方法及系统，其中，方法包括：获取历史订单的数据，包括历史订单的数量和每个历史订单的订单信息；根据每个历史订单的订单信息对历史订单进行分类，得到至少一类的订单类型；基于每个订单类型的历史订单的数量及其中的历史订单的订单信息，训练多个预测模型，得到各个预测模型的、针对每个订单类型进行数量预测的加权系数；通过多个预测模型，及各个预测模型的数量预测的加权系数，对预设时间段内的任一订单类型的订单数量进行预测，得到预测结果。该方法可以大大提高对预设时间段内的任一订单类型的订单数量预测的准确性，从而可预先地合理安排服务人员，达到节约成本和给客户提供更优质的服务的目的。

技术领域

本发明涉及计算机技术领域，特别涉及一种订单的预测方法及系统。

背景技术

如今，越来越多的厂商提供家庭生活上门服务，例如：家电修理、家居安装等，大量订单也随之出现。如果能预测各个服务类型产生的订单量，可以合理地安排服务人员，从而节约成本和给客户提供更优质的服务。

相关技术中，预测方法相对准确性较差，为了提高预测的准确性，对预测模型有很高要求，且不同模型有不同的应用条件，使用限制较多。例如：灰度模型用来预测波动幅度不大的数据；bp(back propagation，反向传播)神经网络适合预测多维度的数据；季节指数平滑法适合具有周期性变化的数据。而家庭生活上门服务类的订单，具有自发性且预测时预测波动幅度变化不一，若仍采用现有技术中的依据不同时间不同场景，以使用不同的预测模型或者权重系数进行预测，十分繁琐。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种相对准确地预测预设时间段内的任一订单类型订单数量的预测方法。

本发明的另一个目的在于提出一种订单的预测系统。

为达到上述目的，本发明一方面的实施例公开了一种订单的预测方法，包括以下步骤：获取历史订单的数据，其中，所述历史订单的数据包括所述历史订单的数量和每个历史订单的订单信息；根据所述每个历史订单的订单信息对所述历史订单进行分类，得到至少一类的订单类型；基于每个订单类型的历史订单的数量及其中的历史订单的订单信息，训练多个预测模型，以得到各个所述预测模型的、针对每个订单类型进行数量预测的加权系数；通过所述多个预测模型，以及所述各个所述预测模型的、针对每个订单类型进行数量预测的加权系数，对预设时间段内的任一订单类型的订单数量进行预测，得到预测结果。

本发明实施例的订单的预测方法，通过对收集到的历史订单的信息对历史订单进行分类，建立多个预测模型，并得到各个预测模型的、针对每个订单类型进行数量预测的加权系数，进而根据多个预测模型的加权系数得到预设时间段内的任一订单类型订单数量的预测结果，大大提高了预测结果的准确性，从而可以预先地合理安排服务人员，达到节约成本和给客户提供更优质服务的目的。

在一些示例中，所述根据所述每个历史订单的订单信息对所述历史订单进行分类，包括：根据所述每个历史订单的订单信息确定所述每个历史订单的性质；根据所述每个历史订单的性质对所述历史订单进行分类，并得到至少一类的订单类型。

在一些示例中，所述每个历史订单的性质包括周期性、突发性和关联性。

在一些示例中，所述多个预测模型包括灰度预测模型、季节性指数平滑模型和神经网络模型。

在一些示例中，所述基于每个订单类型的历史订单的数量及其中的历史订单的订单信息，训练多个预测模型，以得到各个所述预测模型的、针对每个订单类型进行数量预测的加权系数，包括：根据预定时间段内每个预测模型针对每个订单类型的历史订单预测的该订单类型数量以及该订单类型的实际数量，确定每个预测模型的预测误差；根据每个预测模型的预测误差得到误差平方和；根据每个预测模型的误差平方和，利用最优加权法确定相应的预测模型的加权系数。