[发明专利]物料用量预测模型的训练方法、物料用量预测方法及装置

权利要求书

1.一种物料用量预测方法，其特征在于，包括：

确定第一物料所在的目标物料簇，所述目标物料簇是对多个物料进行聚类后得到的；

确定与所述目标物料簇匹配的目标物料用量预测模型，不同的物料簇匹配的物料用量预测模型不同，所述目标物料用量预测模型是通过对所述目标物料簇对应的物料训练样本集进行机器学习得到的；

获得所述第一物料在第一历史时段内的物料用量的时间序列数据；

确定所述第一历史时段对应的季节性特征信息；

确定预测时长；

将所述时间序列数据、所述季节性特征信息和所述预测时长输入至所述目标物料用量预测模型，获得所述目标物料用量预测模型输出的所述第一物料在所述预测时长内的需求用量的时间均值。

2.一种物料用量预测模型的训练方法，其特征在于，包括：

获得多个物料在历史时段内的物料用量的时间序列数据；

基于各所述物料的所述时间序列数据，对各所述物料进行聚类，确定至少一个物料簇，各所述物料簇中均至少包括一个所述物料；

分别确定各所述物料簇对应的物料训练样本集；

分别使用各所述物料训练样本集对相应的基础预测模型进行训练，获得各所述物料簇对应的物料用量预测模型。

3.根据权利要求2所述的方法，其特征在于，所述基于各所述物料的所述时间序列数据，对各所述物料进行聚类，包括：

分别对各所述物料的所述时间序列数据进行归一化处理，获得各所述物料的归一化时间序列数据；

基于各所述物料的所述归一化时间序列数据，对各所述物料进行聚类。

4.根据权利要求3所述的方法，其特征在于，所述时间序列数据包括物料在历史时段内的每日物料用量，所述分别对各所述物料的所述时间序列数据进行归一化处理，包括：

分别确定各所述物料在所述历史时段内的总物料用量；

分别确定各所述物料在所述历史时段内的每周物料用量；

对于任一所述物料：获得该物料的每周物料用量在该物料的所述总物料用量中所占的比例值，将获得的各个比例值确定为该物料的归一化时间序列数据。

5.根据权利要求2所述的方法，其特征在于，所述分别确定各所述物料簇对应的物料训练样本集，包括：

使用时间滑窗的方式，分别对各所述物料簇下的物料的时间序列数据进行采样，以构造各所述物料簇对应的物料训练样本集。

6.根据权利要求5所述的方法，其特征在于，所述使用时间滑窗的方式，分别对各所述物料簇下的物料的时间序列数据进行采样，包括：

使用时间滑窗的方式，分别对各所述物料簇下的物料的时间序列数据进行采样，以获得各所述物料簇下的物料的至少一条时间窗数据，所述时间窗数据包括历史时间窗数据和预测时间窗数据；在每条所述时间窗数据中，所述历史时间窗数据为物料在第一预设时长内的时间序列数据，预测时间窗数据为物料在第二预设时长内的物料用量的时间均值，所述第一预设时长对应的时段为所述第二预设时长对应的时段的前一时段；

分别将同一所述物料簇下的各条所述时间窗数据中的所述历史时间窗数据与相应的季节性特征信息进行拼接，以构造各所述物料簇对应的训练样本；

对各所述训练样本标注相应的预测时间窗数据，以构造各所述物料簇对应的物料训练样本集。

7.根据权利要求6所述的方法，其特征在于，当时间序列数据包括物料在历史时段内的每日物料用量时，在每条所述时间窗数据中，所述历史时间窗数据包括物料在第一预设时长内的每日物料用量，所述预测时间窗数据包括物料在第二预设时长内的日均物料用量。