[发明专利]一种成本件量模型构建方法、模型应用方法及存储介质

说明书

本申请公开了一种成本件量模型构建方法、模型应用方法及存储介质，该构建方法包括：获取按月统计的多个流向的物流产品成本数据与件量数据；根据所述物流产品成本数据和所述件量数据按照线性回归算法训练学习得到初始成本件量模型；根据所述物流产品成本数据与件量数据对应的月份标识确定是否对所述初始成本件量模型进行修正；如果所述月份标识属于第一数值范围，则无需修正所述初始成本件量模型；如果所述月份标识属于第二数值范围，则修正所述初始成本件量模型以得到最终成本件量模型。该方法可以精确的衡量物流产品成本数据与件量数据之间的变动关系。

技术领域

本发明一般涉及物流技术领域，具体涉及一种成本件量模型构建方法、模型应用方法及存储介质。

背景技术

随着大数据技术在物流行业不断的发展，制定一套符合市场的价格方案直接影响着企业未来的竞争力。在定价系统中，价格的变动会影响件量的变动，件量的变动会影响物流产品成本的变动。则如何精准的确定件量与物流产品成本之间的变动关系，将直接影响定价系统的好坏。

传统衡量件量与物流产品成本之间的变动关系，通过过去一年中各月份的件量与物流产品成本之间的关系替代未来一年中各月份的件量与物流产品成本之间的关系，此衡量方法精准度较差。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供一种成本件量模型构建方法、模型应用方法及存储介质，来实现智能定价，提供成本随件量变化的模型，从而提升预测精准度。

第一方面，本申请提供了一种成本件量模型构建方法，包括：

获取按月统计的多个流向的物流产品成本数据与件量数据；

根据物流产品成本数据和件量数据按照线性回归算法训练学习得到初始成本件量模型；

根据物流产品成本数据与件量数据对应的月份标识确定是否对初始成本件量模型进行修正，月份标识用于表征每个自然月；

如果月份标识属于第一数值范围，则无需修正初始成本件量模型；

如果月份标识属于第二数值范围，则修正初始成本件量模型以得到最终成本件量模型。

在其中一个实施例中，根据物流产品成本数据和件量数据按照线性回归算法训练学习得到初始成本件量模型，包括以下步骤：

获取物流产品成本数据与件量数据对应的产品类型和/或重量数据；

根据物流产品成本数据、件量数据、产品类型和/或重量数据，按照线性回归算法进行训练，得到根据物流产品成本数据与件量数据、产品类型和/或重量数据构建的第一映射关系作为初始成本件量模型。

在其中一个实施例中，修正初始成本件量模型以得到最终成本件量模型包括以下步骤：

确定第一物流产品成本数据或第一件量数据对应的月份标识；

根据物流产品成本数据与件量数据、月份标识构建的第二映射关系作为最终成本件量模型。

在其中一个实施例中，根据物流产品成本数据与件量数据、月份标识构建的第二映射关系作为最终成本件量模型，包括以下步骤：

构建物流产品成本数据与件量数据、第二数值范围内每个月份标识之间第三映射关系作为第一调整模型；和/或，

构建物流产品成本数据与件量数据、第二数据范围内的综合月份标识之间的第四映射关系作为第二调整模型，综合月份标识用于表征月份标识是否属于第二数值范围；以及，

由第一调整模型的输出与第二调整模型的输出的线性组合作为最终成本件量模型。

在其中一个实施例中，由第一调整模型的输出与第二调整模型的输出的线性组合作为最终成本件量模型，包括：