[发明专利]一种销量预测方法和装置

说明书

本发明公开了一种销量预测方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：将历史销售数据输入回归模型进行训练，得到销量预测初始模型；将历史销量数据输入平均模型进行训练，得到销量预测初始值；利用同伦算法、所述销量预测初始模型和所述销量预测初始值，确定销量预测模型，以进行销量预测。该方法首先确定销量预测初始模型和销量预测初始值，并基于同伦算法、确定出的销量预测初始模型和销量预测初始值解算出销量预测模型，之后将历史销售数据输入销量预测模型即可进行销量预测。该方法能够合理预测销量，方便销售方制定采购计划。

技术领域

本发明涉及计算机领域，尤其涉及一种销量预测方法和装置。

背景技术

在电子商务领域，对产品的销量数据进行统计并预测已经非常普遍，后续销售方可以基于销量预测结果进行产品采购。现有技术中用于销量预测的方法有很多种，比如决策树方法、线性回归方法、加权平均法等。销量预测的基本原理为：利用决策树、线性回归等模型进行销量预测后，再根据实际销量数据对模型进行调整更新。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

上述方式进行销量预测，不能避免模型本身的不足，比如预测销量远远高于实际销量、销量预测滞后等，以致预测出的销量不准确，不能为销售方进行产品采购提供合理依据。

发明内容

有鉴于此，本发明实施例提供一种销量预测方法和装置，本实施例首先确定销量预测初始模型和销量预测初始值，并基于同伦算法、确定出的销量预测初始模型和销量预测初始值解算出销量预测模型，之后将历史销售数据输入销量预测模型即可进行销量预测。本方法能够合理预测销量，方便销售方制定采购计划。

为实现上述目的，根据本发明实施例的一个方面，提供了一种销量预测方法。

本发明实施例的一种销量预测方法，包括：将历史销售数据输入回归模型进行训练，得到销量预测初始模型；将历史销量数据输入平均模型进行训练，得到销量预测初始值；利用同伦算法、所述销量预测初始模型和所述销量预测初始值，确定销量预测模型，以进行销量预测。

可选地，所述回归模型为多元线性回归模型；所述将历史销售数据输入回归模型进行训练，得到销量预测初始模型，包括：从历史销售数据中确定第一训练集数据；将所述第一训练集数据输入所述多元线性回归模型进行训练，以拟合出所述多元线性回归模型的模型参数；将带有所述模型参数的多元线性回归模型作为销量预测初始模型。

可选地，所述平均模型为移动加权平均模型；所述将历史销量数据输入平均模型进行训练，得到销量预测初始值，包括：从历史销量数据中确定第二训练集数据；将所述第二训练集数据输入所述移动加权平均模型进行训练，以拟合出所述移动加权平均模型的权重参数；根据所述权重参数计算预测日期的销量值，将所述销量值作为销量预测初始值。

可选地，所述利用同伦算法、所述销量预测初始模型和所述销量预测初始值，确定销量预测模型，包括：构造满足所述预测初始模型和所述销量预测初始值的主函数；对所述主函数进行离散化处理，引入嵌入变量、辅助调节参数和辅助控制函数；根据所述离散化后的主函数、所述嵌入变量、所述辅助调节参数和所述辅助控制函数，构造形变方程；对所述形变方程进行泰勒展开、求导，之后进行迭代计算，直至相邻两次迭代的误差小于预设阈值时迭代终止，迭代终止时对应的解即为所述销量预测模型。

为实现上述目的，根据本发明实施例的另一方面，提供了一种销量预测装置。

本发明实施例的一种销量预测装置，包括：第一训练模块，用于将历史销售数据输入回归模型进行训练，得到销量预测初始模型；第二训练模块，用于将历史销量数据输入平均模型进行训练，得到销量预测初始值；销量预测模块，用于利用同伦算法、所述销量预测初始模型和所述销量预测初始值，确定销量预测模型，以进行销量预测。