[发明专利]酒店间夜量预测方法、装置、设备和存储介质

说明书

本申请公开了一种酒店间夜量预测方法、装置、设备和存储介质。一种方法，包括：将数据输入到预先训练的间夜量预测模型中得到目标日期的间夜量第一预测值；确定所述目标日期的间夜量残差修正值；根据所述目标日期的间夜量第一预测值和所述目标日期的残差修正值得到所述目标日期的第二间夜量预测值。本申请提高了间夜量预测的精度。

技术领域

本申请涉及计算机技术领域，具体而言，涉及一种酒店间夜量预测方法、装置、设备和存储介质。

背景技术

目前，为满足酒店行业的用户需求，为酒店管理人员分配客房、安排工作等管理工作提供数据支撑，衍生了对酒店间夜量的预测分析。常见基于机器学习的回归分析、时间序列等算法，实现酒店间夜的预测。基于机器学习的预测算法，能够基于历史的间夜数据、时间序列特征等影响因素，训练出有效可靠的预测模型，但模型对酒店淡旺季影响不敏感，不能准确挖掘酒店淡旺季的预定趋势。

发明内容

本申请的主要目的在于提供一种酒店间夜量预测方法、装置、设备和存储介质，以解决上述问题。

为了实现上述目的，根据本申请的一个方面，提供了一种酒店间夜量预测方法，包括：

将数据输入到预先训练的间夜量预测模型中得到目标日期的间夜量第一预测值；

确定所述目标日期的间夜量残差修正值；

根据所述目标日期的间夜量第一预测值和所述目标日期的残差修正值得到所述目标日期的第二间夜量预测值。

在一种实施方式中，确定所述目标日期的间夜量残差修正值，包括：

确定目标日期的间夜量残差数据和所述目标日期的隶属度；

根据所述残差数据和所述目标日期的隶属度确定残差修正值。

在一种实施方式中，残差数据包括：残差上限、残差下限和残差均值；以及所述目标日期的淡季隶属度、旺季隶属度和平日隶属度；

根据所述残差数据和所述目标日期的隶属度确定残差修正值，包括：

残差修正值＝残差上限×淡季隶属度+残差均值×旺季隶属度+残差下限×平日隶属度。

在一种实施方式中，所述目标日期的隶属度的确定，包括：

采用相关性算法计算所述目标日期与去年同期的相关系数；

判断所述相关系数是否大于预定的阈值；

如果是，则计算所述目标日期与去年同期的相似度矩阵；

对于去年同期的时间段中，

获取去年同期时间段中每天的淡旺季标识；

统计标识为淡季的日期的集合，并计算淡季日期的相似度的和K1；

统计标识为旺季的日期的集合，并计算旺季日期的相似度的和K2；

统计标识为平日的日期的集合，并计算平日日期的相似度的和K3；

计算所有的日期的相似度的和K；

所述目标日期的旺季隶属度为K2/K；

所述目标日期的淡季隶属度为K1/K；

所述目标日期的平日隶属度为K3/K。

在一种实施方式中，如果所述相关系数小于或等于预定的阈值，则所述目标日期的平日隶属度为1；淡季隶属度为0，旺季隶属度为0。

在一种实施方式中，确定目标日期的间夜量残差数据，包括：

确定所述目标日期之前的预定若干历史天数的集合；