[发明专利]一种多模条件下产品销量的预测方法及系统

权利要求书

1.一种多模条件下产品销量的预测方法，其特征在于，包括步骤：

获取当前的销量数据及其他数据，以及历史的销量数据及其他数据；

确定预测项目；

对销量数据及其他数据分别进行按选择的时间粒度进行分段统计，补全，并将数据和文本拼接融合，形成LSTM模型可识别的序列数据；

确定训练好的LSTM模型训练时的输入数据设置的样本数batch_size，根据设置的样本数batch_size将所述序列数据进行划分形成输入样本；

将输入序列输入至训练好的LSTM模型，获得预测结果；

对预测结果进行解析，获得预测项目对应预测时间的销量数据及其他数据。

2.如权利要求1所述的方法，其特征在于，所述对销量数据及其他数据分别进行按选择的时间粒度进行分段统计，补全，并将数据和文本拼接融合，形成LSTM模型可识别的序列数据包括以下步骤：

对销量数据及其他数据按选择的时间粒度进行分段统计，筛选出与预测项目对应的销量数据及其他数据；

对筛选出的销量数据及其他数据进行补全、更正处理；

对处理后的销量数据及其他数据进行拼接融合，形成LSTM模型可识别的序列数据。

3.如权利要求2所述的方法，其特征在于，所述对销量数据及其他数据按选择的时间粒度进行分段统计包括步骤：

以时间粒度为序号index，将销量数据和其他数据按时间顺序排列整合成一张表，并对其他数据按照频次排序，其他数据以对应的序号进行文本属性数据化。

4.如权利要求1所述的方法，其特征在于，所述序列数据数量为素数样本数batch_size的整数倍。

5.如权利要求1或4所述的方法，其特征在于，所述设置的样本数batch_size将所述序列数据进行划分形成输入样本包括步骤：

所述样本数batch_size采用链表的形式，通过一个next_batch()指针函数，将起始序号指向上次的结束序号，每次从序列数据中按顺序取出样本数batch_size数量的数据形成输入样本参与训练或预测；对于最后不足样本数batch_size数量的样本，在所有序列数据中随机选择样本数batch_size数量数据参加训练或预测。

6.如权利要求2所述的方法，其特征在于，所述对筛选出的销量数据及其他数据进行补全、更正处理包括步骤：

将缺失部分的数据补全为0，将错误的数据参照其他时段的数据进行对比并修改。

7.如权利要求1所述的方法，其特征在于，所述LSTM模型通过以下方式进行训练：

获取历史的销量数据及其他数据；

将所述销量数据及其他数据进行处理形成输入样本；

选择LSTM模型和参数，选择模型的优化器、优化目标函数和目标函数，设定的计算次数和收敛条件；

将所述输入样本输入至初始LSTM模型，以使所述初始LSTM模型输出预测结果，直至训练达到收敛条件，则初始LSTM模型训练完成，得到训练好的LSTM模型。

8.如权利要求7所述的方法，其特征在于，所述选择LSTM模型和参数，选择模型的优化器、优化目标函数和目标函数，设定的计算次数和收敛条件具体为：

模型选择：tensorflow的BasicLSTMCell模型作为LSTM模型；

参数设定：设置LSTM模型的dropout参数；

输出数据设定：采用全连接方式输出，系数和偏置设置成同样的维度；

目标函数：采用最短欧氏距离函数；

优化器：选择的AdamOptimizer优化器。