[发明专利]生命周期的预测方法及装置

权利要求书

1.一种生命周期的预测方法，其特征在于，包括：

计算机设备获取第一样本数据和至少两个第二样本数据，所述第一样本数据为待预测产品的销售数据，所述至少两个第二样本数据中的每个第二样本数据对应一个参考产品的销售数据，所述参考产品已销售的周期大于所述待预测产品已销售的周期；

所述计算机设备对所述第一样本数据进行目标正则化处理，得到第一目标样本数据，以及对第三样本数据进行所述目标正则化处理，得到第二目标样本数据，所述第三样本数据为所述至少两个第二样本数据中与所述第一样本数据的相似度最高的样本数据；

所述计算机设备基于所述第一目标样本数据和目标关键节点预测模型获取所述待预测产品的关键节点值，所述关键节点值为所述待预测产品的最大预测值和最小预测值，所述目标关键节点预测模型由所述第二目标样本数据训练初始关键节点模型得到；

所述计算机设备基于所述关键节点值和所述第二目标样本数据生成所述待预测产品的生命周期预测模型；

所述计算机设备基于所述生命周期预测模型预测所述待预测产品的生命周期。

2.根据权利要求1所述的方法，其特征在于，所述计算机设备基于所述关键节点值和所述第二目标样本数据生成所述待预测产品的生命周期预测模型包括：

所述计算机设备对所述第二目标样本数据进行集成学习，得到第一数据序列；

所述计算机设备基于所述关键节点和所述第一数据序列生成所述生命周期预测模型。

3.根据权利要求1所述的方法，其特征在于，所述计算机设备基于所述关键节点值和所述第二目标样本数据生成所述待预测产品的生命周期预测模型包括：

所述计算机设备对所述第二目标样本数据进行集成学习，得到第一数据序列；

所述计算机设备基于所述第一数据序列和关键节点值从巴斯(BASS)模型获取所述生命周期预测模型的模型参数，所述模型参数包括M、P和Q，所述M为待预测产品销售总量，所述P为创新系数，所述Q为模仿系数；

所述计算机设备基于所述M、所述P和所述Q生成所述命周期预测模型。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述对第三样本数据进行所述正则化处理之前，所述方法还包括：

所述计算机设备分别对所述至少两个第二样本数据进行第一正则化处理和第二正则化处理，分别得到第一样本集和第二样本集；

所述计算机设备从第一样本集中确定第四样本数据，所述第四样本数据为所述第一样本集进行聚类和分类后相交得到的样本数据，以及从第二样本集中确定第五样本数据，所述第五样本数据为所述第二样本集分别进行聚类和分类后交叉得到的样本数据；

所述计算机设备从所述第四样本数据和所述第五样本数据中确定与所述第一样本数据的误差最小的样本数据为所述第三样本数据。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

所述计算机设备确定所述第三样本数据对应的样本集的正则化处理为所述目标正则化处理。

6.根据权利要求4或5所述的方法，其特征在于，所述计算机设备分别对所述至少两个第二样本数据进行第一正则化处理和第二正则化处理之前，所述方法还包括：

所述计算机设备将所述至少两个第二样本数据的每个第二样本数进行数据压缩，使得所述至少两个第二样本数据的中的每个第二样本数据的销售周期与所述第一样本数据的销售周期相同。

7.根据权利要求2所述的方法，其特征在于，所述方法还包括：

所述计算机设备从所述生命周期预测模型中获取所述待预测产品的第一预测数据；

所述计算机设备基于所述第一预测数据训练所述生命周期预测模型。

8.根据权利要求3所述的方法，其特征在于，所述方法还包括：

所述计算机设备从所述生命周期预测模型中获取所述待预测产品的第二预测数据；

所述计算机设备基于所述第二预测数据训练所述生命周期预测模型。