[发明专利]需求预测方法以及需求预测装置

权利要求书

1.一种需求预测方法，包括：

基于一历史需求数据，获得一料号对应的一初步预估量；

基于该历史需求数据及该初步预估量，计算该料号的一需求几率；以及

基于该历史需求数据、该初步预估量以及该需求几率，获得该料号对应的一预测需求量。

2.如权利要求1所述的需求预测方法，还包括：

转换该历史需求数据的格式，以获得对应于该料号的多个特征，

其中，所述多个特征包括在多个先前时段对应的多个参数、在多个时段范围内的多个参数平均值以及在所述多个时段范围内各自包括的多个所述参数中的一最大值。

3.如权利要求2所述的需求预测方法，还包括：

建立一极端梯度提升模型，该极端梯度提升模型包括一线性模型、一分类器以及一极端梯度提升回归模型。

4.如权利要求3所述的需求预测方法，其中基于该历史需求数据，获得该料号对应的该初步预估量的步骤包括：

将所述多个特征输入至该线性模型，借此获得该初步预估量。

5.如权利要求3所述的需求预测方法，还包括：

利用一极端梯度提升演算法来建立该分类器，以将所述多个特征及该初步预估量输入该分类器来获得该需求几率，其中该需求几率为该料号未来的需求为0的几率。

6.如权利要求3所述的需求预测方法，其中基于该历史需求数据、该初步预估量以及该需求几率，获得该料号对应的该预测需求量的步骤包括：

将所述多个特征、该需求几率以及该初步预估量输入该极端梯度提升回归模型，以获得该预测需求量。

7.如权利要求3所述的需求预测方法，还包括：

解构该极端梯度提升模型，以获得该历史需求数据中的每一特征的影响力。

8.如权利要求7所述的需求预测方法，其中该极端梯度提升模型包括多个树，而解构该极端梯度提升模型的步骤包括：

自每一所述多个树的根节点开始走访至最底层的每一节点；

基于每一次所走访的节点对应的规则，将一变化量归因至对应的特征；以及

加总每一特征对应的变化量来作为其对应的影响力。

9.如权利要求1所述的需求预测方法，其中在获得该料号对应的该预测需求量步骤之后，还包括：

基于前次实际需求为零的料号占总料号的比例来决定一门限值；

倘若该料号对应的该需求几率大于或等于该门限值，将该预测需求量设定为零；以及

倘若该料号对应的该需求几率小于该门限值，输出该预测需求量作为最终预测结果。

10.一种需求预测装置，包括：

一存储装置，存储有多个程序码片段；以及

一处理器，耦接至该存储装置，执行所述多个程序码片段以：

基于一历史需求数据，获得一料号对应的一初步预估量；

基于该历史需求数据与该初步预估量，计算该料号的一需求几率；以及

基于该历史需求数据、该初步预估量以及该需求几率，获得该料号对应的一预测需求量。

11.如权利要求10所述的需求预测装置，其中该处理器执行所述多个程序码片段以：

转换该历史需求数据的格式，以获得对应于该料号的多个特征，

其中，所述多个特征包括在多个先前时段对应的多个参数、在多个时段范围内的多个参数平均值以及在所述多个时段范围内各自包括的多个所述参数中的一最大值。

12.如权利要求11所述的需求预测装置，其中该存储装置包括一极端梯度提升模型，该极端梯度提升模型由所述多个程序码片段组成，该极端梯度提升模型包括：一线性模型、一分类器以及一极端梯度提升回归模型。