[发明专利]一种销量特征预测方法

权利要求书

1.一种销量特征预测方法，其特征在于，包括以下步骤：

(1)选定外部特征数据；

(2)获取外部特征数据；数据由多列构成，第一列为时间序列，列名为timestamp，其余是相应的特征数据；

(3)特征数据预处理；

(4)利用网格搜索法对特征数据进行预测。

2.根据权利要求1所述的销量特征预测方法，其特征在于，所述步骤(1)具体为选定竞品数据、宏观经济数据、气温数据作为外部特征数据，外加一列时间序列，作为最终的外部特征数据。

3.根据权利要求1所述的销量特征预测方法，其特征在于，所述步骤(2)中外部特征数据包括竞品数据、宏观经济数据、气温数据；所述竞品数据由专业公司提供，包括各品牌空调的历史销售数据；所述宏观经济数据及气温数据由爬虫爬取。

4.根据权利要求3所述的销量特征预测方法，其特征在于，所述宏观经济数据包含居民消费价格指数、房地产施工面积，所述气温数据包括月度平均气温、月度最高气温、月度最低气温。

5.根据权利要求1所述的销量特征预测方法，其特征在于，所述步骤(3)具体为对数据值较少的特征进行填充，对数据值缺失较多的特征，直接剔除；对数据值异常的特征，先剔除、再填充；对于方差近零的特征，直接剔除。

6.根据权利要求1所述的销量特征预测方法，其特征在于，所述步骤(4)具体为选择步骤(2)中的timestamp及分别用网格搜索法对STL、ETS、ARIMA、SARIMA算法进行自动调参，记录每个特征所对应的时间序列算法的最优参数及对应训练误差，按照误差从小到大的顺序进行排序，选择前K个误差最小的算法作为该特征最终预测所需的算法，并使用对应的K个最优参数对该特征的未来值进行预测，得到K个预测结果，求取K个预测结果的平均值作为最终预测结果；不断的重复上述步骤，每次选取一个待预测的特征进行预测，直到所有特征都预测完毕。