[发明专利]订单量预测模型的训练方法、装置以及设备

权利要求书

1.一种订单量预测模型的训练方法，其特征在于，包括：

获取用于训练模型的第一训练集以及第二训练集，其中，所述第一训练集包括不同业务的时序特征，所述第二训练集包括不同业务的运营环境特征；

通过所述第一训练集对第一初始模型进行训练，将训练完成后的模型作为第一订单量预测模型；

通过所述第一订单量预测模型以及所述第二训练集对第二初始模型进行训练，将训练完成后的模型作为第二订单量预测模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取待预测订单量的目标业务的业务信息；

根据所述目标业务的业务信息以及所述第二订单量预测模型，预测所述目标业务的订单量。

3.根据权利要求2所述的方法，其特征在于，根据所述目标业务的业务信息以及所述第二订单量预测模型，预测所述目标业务的订单量包括：

将所述目标业务的业务信息输入所述第一订单量预测模型；

获取所述第一订单量预测模型输出的初始订单量预测结果；

将所述初始订单量预测结果以及所述目标业务的业务信息输入所述第二订单量预测模型，预测所述目标业务的订单量。

4.根据权利要求2所述的方法，其特征在于，所述目标业务为物流业务，所述根据所述目标业务的业务信息以及所述第二订单量预测模型，预测所述目标业务的订单量包括：

根据所述物流业务的业务信息以及所述第二订单量预测模型，预测所述物流业务在预测时间点或者预测时间段的物流件量。

5.根据权利要求1所述的方法，其特征在于，通过所述第一训练集对第一初始模型进行训练，将训练完成后的模型作为第一订单量预测模型包括：

配置待训练的第一时间段；

根据所述第一时间段的时间长度，将所述第一时间段分成多个第二时间段；

分别通过所述多个第二时间段以及所述第一训练集，对所述第一初始模型进行训练，将训练完后的模型作为所述第一订单量预测模型。

6.根据权利要求1所述的方法，其特征在于，所述通过所述第一订单量预测模型以及所述第二训练集对第二初始模型进行训练，将训练完成后的模型作为第二订单量预测模型包括：

依次将所述第一训练集中的不同时序特征输入所述第一订单量预测模型；

依次将所述第一订单量训练模型输出的第一订单量预测结果以及所述第二训练集中的不同运营环境特征输入所述第二初始模型，进行正向传播；

依次根据所述第二初始模型输出的第二订单量预测结果计算预测评价指标，并作为损失函数；

依次根据所述损失函数进行反向传播以优化模型的预测结果，直至训练完成，将训练完成后的模型作为所述第二订单量预测模型。

7.根据权利要求1所述的方法，其特征在于，所述运营环境特征包括不同业务的扩展时序特征、经济条件特征、地理位置特征、天气条件特征以及电商活动特征中的至少一种。

8.一种订单量预测模型的训练装置，其特征在于，包括：

获取单元，用于获取用于训练模型的第一训练集以及第二训练集，其中，所述第一训练集包括不同业务的时序特征，所述第二训练集包括不同业务的运营环境特征；

第一训练单元，用于通过所述第一训练集对第一初始模型进行训练，将训练完成后的模型作为第一订单量预测模型；

第二训练单元，用于通过所述第一订单量预测模型以及所述第二训练集对第二初始模型进行训练，将训练完成后的模型作为第二订单量预测模型。

9.一种订单量预测模型的训练设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行如权利要求1至7任一项所述的订单量预测模型的训练方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至7任一项所述的订单量预测模型的训练方法。