[发明专利]商品价格预测方法及装置

说明书

本发明提供一种商品价格预测方法及装置，涉及数据分析技术领域，获取商品价格预测的目标样本数据；目标样本数据包括：训练样本数据；基于预设输入输出关系函数模型，确定预设输入输出关系函数模型中每个参数的先验分布函数；根据先验分布函数、训练样本数据和贝叶斯定理，得到商品价格预测分布函数模型；将新的待预测输入参数数据输入商品价格预测分布函数模型，计算商品价格预测分布函数模型的输出结果，作为新的待预测输入参数数据对应的商品预测价格。本发明基于采集的与商品价格预测相关的参数的样本数据，建立商品价格预测分布函数模型，通过该分布函数模型对新的输入数据的输出结果进行预测，提高了商品价格预测结果的精确度和可信度。

技术领域

本发明涉及数据分析技术领域，尤其是涉及一种商品价格预测方法及装置。

背景技术

商品价格的预测方法是市场预测分析与商品生产销售决策的基础，是市场预测领域中的一个重要问题，在商品生产、销售等很多方面起着关键作用。

现有的基于神经网络算法的商品价格预测方法，通常首先估计出内权参数、偏置参数和外权参数，进而得到预测函数f(x)，从而对新的输入参数数据x，计算f(x)的输出值作为商品价格的预测值。这类算法的缺点是：求解参数的过程中，通常采用梯度下降法，该算法固有的缺陷是容易得到局部极值，而不是我们想要的全局极值，因此，预测准确性和可信度不高。

发明内容

有鉴于此，本发明的目的在于提供一种商品价格预测方法及装置，基于采集的与商品价格预测相关的参数的样本数据，建立商品价格预测分布函数模型，通过该分布函数模型进一步对新的输入数据的输出结果进行预测，提高商品价格预测结果的精确度和可信度，帮助商家自动化很多供应链过程中的决策，更精确的需求预测，能够大大地优化运营成本，降低收货时效，提升整个社会的供应链物流效率。

第一方面，本发明实施例提供了一种商品价格预测方法，包括：

获取商品价格预测的目标样本数据；目标样本数据包括：第一参数和第二参数所对应的数据；将第一参数作为输入参数；其中第一参数包括：商品属性参数、商品所处环境参数；将第二参数作为输出参数；其中第二参数包括：商品价格；目标样本数据包括：训练样本数据和验证样本数据；

基于预设输入输出关系函数模型，确定预设输入输出关系函数模型中每个参数的先验分布函数；

根据先验分布函数、训练样本数据和贝叶斯定理，得到商品价格预测分布函数模型；

将新的待预测输入参数数据输入商品价格预测分布函数模型，计算商品价格预测分布函数模型的输出结果，作为新的待预测输入参数数据对应的商品预测价格。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，基于预设输入输出关系函数模型，确定预设输入输出关系函数模型中每个参数的先验分布函数，具体包括：

预设输入输出关系函数模型为：

t＝f(x)+ε；其中，

其中，A_i^Tx+b_i表示对输入特征向量进行一个线性变换，A_i为内权参数，b_i为偏置参数，β_i为外权参数，m表示隐层结点的个数，而G表示非线性的激活函数，ε表示高斯白噪声；

其中，ε的先验分布函数为均值为0，方差为σ²的高斯分布函数；

内权参数{A_i,j:i＝1,…,m；j＝1,…,p}的先验分布函数设为：

偏置参数{b_i:i＝1,…,m}先验分布函数设为：