[发明专利]一种产品销量的预测方法及预测系统

权利要求书

1.一种产品销量的预测方法，其特征在于，包括：

建立至少一个销量预测模型，每一所述销售预测模型利用一种学习算法建立且各个所述销售预测模型对应于不同的学习算法，所述销量预测模型用于根据各个区域的各个产品品类的历史销售量预测各个区域的各个产品品类在未来各个时间段内的销售量；

通过所述销量预测模型预测各个区域的各个产品品类在至少两个预测时间段内的预测销量值；

获取各个区域的各个产品品类在每一所述预测时间段内的实际销量值；

将每一相同的所述预测时间段内的所述实际销量值和所述预测销量值相减，以得到各个区域的各个产品品类在各个预测时间段内的销量误差值；

按照预设规则对各个区域的各个产品品类的销量误差值进行归类，以得到多个目标类；

对抽取的每一所述目标类的销量误差值分别采用多种分布函数进行拟合，并确定各个分布函数的参数；

选取多种所述分布函数中的一个分布函数作为目标分布函数；

利用每一所述目标类的所述目标分布函数的参数构建相应的随机数发生器，并通过所述随机数发生器生成相应的随机数；

将所述销量预测模型预测出的预测销量值与其所属的所述目标类的所述随机发生器生成的所述随机数的和作为最终的预测销量值，以对所述预测销量值进行修正。

2.根据权利要求1所述的预测方法，其特征在于，通过所述销量预测模型预测各个区域的各个产品品类在至少两个预测时间段内的预测销量值的步骤，包括：

利用融合方法对所有所述销量预测模型预测出的预测销量值进行融合，以得到各个区域的各个产品品类在各个所述预测时间段的所述预测销量值，其中，所有所述销量预测模型的数量大于或等于2。

3.根据权利要求2所述的预测方法，其特征在于，选取多种所述分布函数中的一个分布函数作为目标分布函数的步骤，包括：

利用统计检验方法对每个目标类的各个分布函数进行服从性检验；

将服从性最高的所述分布函数作为所述目标分布函数，其中，所述至少一种分布函数的数量为3。

4.根据权利要求3所述的预测方法，其特征在于，

所述区域为城市，所述预设规则包括按照省份归类和聚类算法；

按照预设规则对各个区域的各个产品品类的销量误差值进行归类，以得到多个目标类的步骤，之后包括：

将每一所述目标类的多个销量误差值中的异常值去除，所述异常值用于表示高于第一预设销量误差值或低于第二预设销量误差值，所述第一预设销量误差值大于所述第二预设销量误差值。

5.根据权利要求4所述的预测方法，其特征在于，

采用分位数计算算法将每一所述目标类的多个销量误差值中的异常值去除，所述分位数计算算法是使用分位数L％和U％去除异常值的算法，其中，销售误差值小于L％分位数或大于U％分位数的销量误差值为异常值，其中，L和U为预设参数且L小于U。

6.根据权利要求1所述的预测方法，其特征在于，包括：

根据预设的第一周期时间周期性地按照预设规则对各个区域的各个产品品类的销量误差值重新进行归类，以对多个目标类进行更新；并根据预设的第二周期时间周期性地对抽取的每一所述目标类的销量误差值分别采用多种分布函数重新进行拟合，并对各个分布函数的参数进行更新。

7.根据权利要求3所述的预测方法，其特征在于，

所述学习算法包括XGBoost算法、LightGBM算法、GBDT算法、Linear Regression算法、LSTM算法和SVR算法；

所述统计检验方法包括Kolmogorov-Smirnov检验方法和Anderson-Darling检验方法。

8.根据权利要求1所述的预测方法，其特征在于，

所述分布函数包括均匀分布、正态分布、半正态分布和拉普拉斯分布。