[发明专利]一种货量预测方法、装置、电子设备及存储介质

说明书

本申请实施例提供的一种货量预测方法、装置、电子设备及存储介质，方法包括：获取第一时间段的第一历史货量数据以及第二时间段的第二历史货量数据，第一时间段早于第二时间段；分别将第一历史货量数据输入多个预测模型，获得每个预测模型输出的第二时间段的货量数据预测值；根据每个预测模型输出的数据预测值从多个预测模型中确定目标预测模型，其中，目标预测模型获得的货量数据预测值与第二历史货量数据最接近；以目标预测模型进行货量数据预测。通过预先利用历史货量数据对多个模型进行预测，根据预测结果与真实的历史货量数据的比较结果，选择出目标预测模型进行货量数据预测，由此可以较大程度地提高货量预测的准确性。

技术领域

本申请涉及物流领域，具体而言，涉及一种货量预测方法、装置、电子设备及存储介质。

背景技术

近年来，快递行业随着电商的兴起业务量也大大增加，货量预测则是机器学习技术预测类算法在物流公司的一项应用。针对中转场的管理人员，提前知晓中转场即将出发和到达多少货量，对安排人员和车辆有重大意义。

传统的人工预测货量的方法，对货量也有大约的一个估计，但是得到的预测货量数据偏差较大，且无法系统化，会影响一线同事对资源的合理配置。

发明内容

有鉴于此，本申请实施例的目的在于提供一种货量预测方法、装置、电子设备及存储介质，以改善利用传统的货量预测方法得到的预测货量数据偏差过大的问题。

第一方面，本申请实施例提供了一种货量预测方法，包括：获取第一时间段的第一历史货量数据以及第二时间段的第二历史货量数据，所述第一时间段早于所述第二时间段；分别将所述第一历史货量数据输入多个预测模型，获得每个预测模型输出的所述第二时间段的货量数据预测值；根据每个预测模型输出的所述数据预测值从所述多个预测模型中确定目标预测模型，其中，所述目标预测模型获得的所述货量数据预测值与所述第二历史货量数据最接近；以所述目标预测模型进行货量数据预测。

本申请实施例通过预先利用历史货量数据对多个模型进行预测，根据预测结果与真实的历史货量数据的比较结果，选择出目标预测模型进行货量数据预测，使得每次货量预测时都可以选择出最适合当前时间段的预测模型进行货量预测，可以较大程度地提高货量预测的准确性。

进一步地，所述以所述目标预测模型进行货量数据预测，包括：获取第三时间段的第三历史货量数据，所述第三时间段与所述第一时间段相距预设时长，所述第三时间段晚于所述第一时间段；利用所述目标预测模型对所述第三历史货量数据进行预测处理，得到第四时间段的货量数据预测值，所述第四时间段晚于所述第三时间段。

本申请实施例利用目标预测模型对与第一历史货量数据较为接近的第三历史货量数据进行预测，使得后续可以得到较为准确的第四时间段的货量预测数据。

进一步地，所述获取第一时间段的第一历史货量数据以及第二时间段的第二历史货量数据之前，所述方法包括：获取第一时间段的初始历史货量数据；剔除所述初始历史货量数据中的异常历史货量数据，得到所述第一历史货量数据。

本申请实施例通过对历史货量数据进行筛选，可以除去一些不利于货量预测的异常历史货量数据，使得后续可以更加准确的对货量数据进行预测。

进一步地，所述剔除所述初始历史货量数据中的异常历史货量数据，包括：根据初始历史货量数据，在预先建立的货量统计图中绘制所述初始历史货量数据对应的折线图，其中，所述货量统计图的横坐标表示时长，纵坐标表示历史货量数据；根据与所述初始历史货量数据对应的折线，剔除所述异常历史货量数据，得到与所述历史货量数据对应的折线，所述异常历史货量数据对应的折线波动大于预设折线波动范围；根据与所述历史货量数据对应的折线，得到所述第一历史货量数据。

本申请实施例通过绘制折线图可以更加直观的确定出需要剔除的历史货量，由此可以提高对历史数据的预处理的效率，更加快速地得到预测的历史货量数据。