[发明专利]件量预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种件量预测方法、装置、计算机设备和存储介质。所述方法包括：获取待预测日期的件量的初始预测值；当所述初始预测值中存在负值时，确定所述负值的类型；根据所述负值的类型确定所述负值的填补值；根据所述填补值确定所述待预测日期的件量的目标预测值。采用本方法能够提高件量预测的准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种件量预测方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，电商已成为人们的日常生活必不可少的一部分，而随着电商发展起来的就是快递网点。为了配备充足的人力物力，各快递网点通常会对网点未来一段时间内快递件量进行预测。

目前件量预测模型以深度学习模型LSTM等为主，这些模型都是以网点历史年份的件量包括小时、日、月等多种时间维度的件量作为模型输入，通过调节参数训练出预测效果最佳的模型，从而对未来的件量进行预测。但对于底层的网点的快递件量较少，使用上述模型预测容易出现负值，导致预测不准确。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高件量预测的准确性的件量预测方法、装置、计算机设备和存储介质。

一种件量预测方法，所述方法包括：

获取待预测日期的件量的初始预测值；

当所述初始预测值中存在负值时，确定所述负值的类型；

根据所述负值的类型确定所述负值的填补值；

根据所述填补值确定所述待预测日期的件量的目标预测值。

在一个实施例中，所述当所述初始预测值中存在负值时，确定所述负值的类型，包括：

当所述初始预测值中存在负值时，确定所述待预测日期中初始预测值为负值的天数；

确定所述初始预测值为负值的天数与所述待预测日期的总天数之间的比例；

将所述比例与阈值比较，根据比较结果确定所述负值的类型。

在一个实施例中，所述根据比较结果确定所述负值的类型，包括：

当所述比例大于所述阈值时，所述负值的类型为第一类型。

在一个实施例中，所述方法还包括：

当所述比例小于或等于所述阈值时，确定每个负值对应的日期的属性类型，所述属性类型包括节假日属性和非节假日属性；

当负值对应的日期的属性类型为节假日属性时，所述负值的类型为第二类型；

当负值对应的日期的属性类型为非节假日属性时，所述负值的类型为第三类型；

所述根据所述负值的类型确定所述负值的填补值，包括：

当所述负值的类型为所述第一类型或所述第三类型时，获取待预测网点在预设周期内的历史件量；

针对所述第一类型或所述第三类型的每个负值，获取负值对应的日期的日期属性，并在所述预设周期内确定具有相同日期属性的日期所对应的历史件量；

根据所述具有相同日期属性的日期所对应的历史件量确定所述负值的填补值。

在一个实施例中，所述方法还包括：

当所述预设周期内相同日期属性的日期所对应的历史件量为零时，获取距所述待预测日期最近的日期对应的历史件量；

将所述距所述待预测日期最近的日期对应的历史件量作为负值的填补值。

在一个实施例中，所述根据所述负值的类型确定所述负值的填补值，包括：