[发明专利]销量预测方法及系统

权利要求书

1.一种销量预测方法，其特征在于，包括：

获取预测品类及对应的时间信息；

根据所述预测品类及对应的所述时间信息，获取对应的特征数据；

将所述特征数据输入至所述预测品类对应的预设模型组合，预测出所述预测品类在所述时间信息对应的时间内的销量。

2.如权利要求1所述的销量预测方法，其特征在于，还包括：

获取原始数据，并对所述原始数据进行预处理后进行存储；

所述的根据所述预测品类及对应的所述时间信息，获取对应的特征数据具体为：

从存储的预处理后的原始数据中，获取所述预测品类及所述时间信息对应的所述特征数据。

3.如权利要求2所述的销量预测方法，其特征在于：

所述特征数据包括：销量特征数据；

所述原始数据包括：历史销量数据；

所述销量特征数据是从处理后销量数据中根据预测品类及所述时间信息得到的；所述处理后销量数据是指对预处理后的历史销量数据经过数据处理得到的数据。

4.如权利要求3所述的销量预测方法，其特征在于，所述数据处理包括以下任意一种或多种：

缺失值处理，异常值处理，欠拟合模型去除误差大于一定阈值的数据处理。

5.如权利要求2所述的销量预测方法，其特征在于，还包括：

从存储的预处理后的原始数据中，获取每个品类的训练测试集，每个所述训练测试集包括：训练集和测试集；

分别将每个品类的训练集输入到不同的模型组合中进行训练；

分别将每个品类的测试集输入到经过所述品类的训练集训练过的模型组合，得到每个品类对各所述模型组合的评价信息；

为每个品类设置评价信息最好的模型组合作为其预设模型组合。

6.如权利要求5所述的销量预测方法，其特征在于，每个所述训练集包括：品类训练数据和品类验证数据；

所述的分别将每个品类的训练集输入到不同的模型组合中进行训练具体为：

分别将每个品类的品类训练数据输入到不同的模型组合中训练；

分别将每个品类的品类验证数据输入到经过所述品类的品类训练数据训练过的模型组合进行调优。

7.如权利要求5所述的销量预测方法，其特征在于，所述评价信息为：均方根误差；

所述的为每个品类设置评价信息最好的模型组合作为其预设模型组合具体为：

为每个品类设置均方根误差最小的模型组合作为其预设模型组合。

8.一种应用了权利要求1-7任一所述的销量预测方法的销量预测系统，其特征在于，包括：

信息获取模块，用于获取预测品类及对应的时间信息；

特征获取模块，用于根据所述预测品类及对应的所述时间信息，获取对应的特征数据；

销量预测模块，用于将所述特征数据输入至所述预测品类对应的预设模型组合，预测出所述预测品类在所述时间信息对应的时间内的销量。

9.如权利要求8所述的销量预测系统，其特征在于，还包括：

数据处理模块，用于获取原始数据，并对所述原始数据进行预处理后进行存储；

所述特征获取模块，根据所述预测品类及对应的所述时间信息，获取对应的特征数据具体为：

所述特征获取模块，用于从存储的预处理后的原始数据中，获取所述预测品类及所述时间信息对应的所述特征数据。

10.如权利要求9所述的销量预测系统，其特征在于，还包括：

数据集获取模块，用于从存储的预处理后的原始数据中，获取每个品类的训练测试集，每个所述训练测试集包括：训练集和测试集；

训练模块，用于分别将每个品类的训练集输入到不同的模型组合中进行训练；

测试模块，用于分别将每个品类的测试集输入到经过所述品类的训练集训练过的模型组合，得到每个品类对各所述模型组合的评价信息；

设置模块，用于为每个品类设置评价信息最好的模型组合作为其预设模型组合。