[发明专利]一种预测资源供应链需求量的方法、装置及存储介质

权利要求书

1.一种预测资源供应链需求量的方法，其特征在于，所述方法包括：

获取待处理的数据源并对所述数据源进行预处理和特征提取，得到训练数据，所述训练数据包括资源的第一特征向量和资源的第二特征向量，所述第一特征向量包括不同数据分布的资源的供应数据，所述第二特征向量包括不同数据质量的资源的供应数据；

基于所述第一特征向量和所述第二特征向量对分层模型进行训练和预测，得到预测结果；所述预测结果包括待供应资源的多个预测值的分布；

将所述预测结果输出至分位数回归模型；

在预测阶段，利用所述分位数回归模型对所述预测结果进行回归分析，得到在不同分位数组合下不同数据分布的资源的概率分布、以及在不同分位数组合下不同数据质量的资源的概率分布。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征向量和所述第二特征向量对分层模型进行训练和预测，得到预测结果，包括：

将所述训练数据中数据量大小低于预设数据量的数据输入时间序列模型进行训练和预测；将所述训练数据中数据量高于预设数量且特征存在周期性变化的数据输入时间序列模型或者机器学习模型进行训练和预测；将所述训练数据中数据量高于预设数据量、不存在周期性变化且特征明显的数据输入机器学习模型进行训练和预测；以及将所述训练数据中数据量高于预设数据量、不存在周期性变化且特征不明显的数据输入深度学习模型进行训练和预测。

3.根据权利要求2所述的方法，其特征在于，所述资源为商品，所述在预测阶段，利用所述分位数回归模型对所述预测结果进行回归分析，包括：

确定供货变量，基于所述供货变量建立不同分位数的分位数回归模型；

选择取值为α的分位数作为下一步补货的实际输入，所述分位数用于指示所述供货变量的预测值；

根据置信度区间选取多个分位数阈值组合，将所述分位数阈值组合作为所述预测结果的上下界；

利用不同的分位数阈值组合对所述预测结果进行拟合，得到在不同分位数组合下不同数据分布的商品的概率分布、以及不同数据质量的商品的概率分布；其中，概率分布是指所述分位数回归模型的输出的预测值的取值范围。

4.根据权利要求3所述的方法，其特征在于，所述在预测阶段，利用所述分位数回归模型对所述预测结果进行回归分析，还包括：

计算性能度量指标，所述性能度量指标用于指示预测的误差比例，所述性能度量指标用以下公式表示：

其中，Y是真实值，y是预测值，s是所有SKU总数。wMAPE_t是真实值与预测值之间的误差比例。

5.根据权利要求3或4所述的方法，其特征在于，所述基于所述第一特征向量和所述第二特征向量对分层模型进行训练和预测，得到预测结果之后，所述将所述预测结果输出至分位数回归模型之前，所述方法还包括：

对各子模型的预测值进行融合，得到目标预测结果；

所述对各子模型的预测值进行融合，得到目标预测结果包括以下方式的至少一种：

分别计算各个子模型的预测值的准确率，然后将准确率高于预设准确率的子模型的预测值进行模型融合，得到所述目标预测结果；

或者，分别计算各个子模型的预测值的准确率，根据准确率从高至低的顺序分别设置各个子模型的权重系数，子模型的权重系数的大小与准确率对应，基于各个子模型的权重系数对各子模型进行模型融合，得到所述目标预测结果；

或者，对各个子模型的预测值取平均，得到一个平均值，将所述平均值作为所述目标预测结果。

6.根据权利要求7所述的方法，其特征在于，所述基于所述第一特征向量和所述第二特征向量对分层模型进行训练和预测，得到预测结果，包括：

采用损失函数预测商品各维度的评价指标，以在不同分位数阈值下得到不同的预测结果，得到一个所述预测结果；其中，所述损失函数采用以下表示方式：

其中，τ是分位数，y是资源的实际销量，是资源的预测销量，t是指时间变量，y_t是指资源在t时刻的销量。