[发明专利]一种间断需求的预测方法

权利要求书

1.一种间断需求的预测方法，其特征在于：包括以下步骤：

1)确定任务目标为预测未来T期的N个产品的需求；

2)收集历史需求信息、产品相关信息以及未来的营销计划数据；

3)分别提取N个产品、历史T₀期的历史信息构建分类训练特征N个产品、未来T期的历史信息构建分类预测特征对历史需求进行标记，如果需求大于0，则标记为1，否则标记为0；

4)提取N个产品、历史T₀期的历史信息构建回归模型训练特征N个产品、未来T期的历史信息构建回归模型预测特征

5)对N个产品提取聚类特征F₃，进行聚类，得到K个类别；

6)根据聚类结果，分别对K个类别训练分类预测模型M₁和回归预测模型M₂；

7)用M₁对N个产品未来T期进行是否有需求的分类预测；

8)如果产品n，未来第t期的分类结果为有需求，即预测值为1，则用M₂预测需求数值，其中n∈[1,N],t∈[1,T]；

9)每隔T_it期，重复聚类和模型训练过程。

2.根据权利要求1所述的间断需求的预测方法，其特征在于：步骤2)所述的历史需求包括：实际销量、被截尾需求和实际销量的总和。

3.根据权利要求1所述的间断需求的预测方法，其特征在于：步骤5)所述的聚类特征F₃包括：产品属性、产品之间的相关性、产品销量和特征的统计量。

4.根据权利要求1所述的间断需求的预测方法，其特征在于：步骤5)所述聚类包括划分法、层次法、密度算法、图论聚类法、网格算法、模型算法、关联聚类、子空间聚类、模式聚类。

5.根据权利要求1所述的间断需求的预测方法，其特征在于：步骤6)所述分类预测模型M₁包括决策树、随机森林、神经网络、逻辑回归、支持向量机、xgboost、GBDT、贝叶斯分类器。

6.根据权利要求1所述的间断需求的预测方法，其特征在于：步骤6)所述回归预测模型M₂包括决策树、随机森林、神经网络、支持向量机、xgboost、GBDT、线性回归。

7.根据权利要求1所述的间断需求的预测方法，其特征在于：所述步骤3)中所述的分类预测特征与所述步骤4)回归预测特征相同或不同。

8.根据权利要求1所述的间断需求的预测方法，其特征在于：步骤9)所述模型训练包括滚动训练方法，其中，每次训练都采用固定T₀期的历史信息。