[发明专利]基于广义相加模型的烟草投放方法、装置及计算机介质

权利要求书

1.基于广义相加模型的烟草投放方法，其特征在于包括如下步骤：

将订购量和订购量变化趋势作为线性关系的解释变量，将订足率和订购频次作为非线性关系的解释变量，构建半参数广义相加模型作为对预计销量进行预测的销量预计模型；

以当前周期之间的历史数据作为参考并构建样本数据，所述样本数据包括订购量、订购量变化趋势、参考周期数、订足率以及订购频率；

基于所述样本数据，引入机器学习中交叉验证和拟合优度算法，对销量预计模型进行训练优化，得到最优销量预计模型，通过最优销量预计模型进行预计销量的预测。

2.根据权利要求1所述的基于广义相加模型的烟草投放方法，其特征在于所述样本数据中，所述订购量为参考周期内的平均订购量。

3.根据权利要求2所述的基于广义相加模型的烟草投放方法，其特征在于对于样本数据，计算参考周期内的平均订购量时，对历史订购量进行平滑处理。

4.根据权利要求3所述的基于广义相加模型的烟草投放方法，其特征在于对于当前销售周期t，设定平滑窗口宽度为N期，N大于等于3，参考周期为：t-1、t-2、……、t-N+1；

所述平滑处理后订购量为：

其中，y_t表示销售周期t内订购量。

5.根据权利要求1所述的基于广义相加模型的烟草投放方法，其特征在于所述订购变化率计算公式为：

y＝rt+ε

通过最小二乘法计算上述线性回归方程，得到的斜率r表示订购变化率。

6.根据权利要求1-5任一项所述的基于广义相加模型的烟草投放方法，其特征在于所述销量预计模型的通过如下拟合函数进行销量预计：

g(y)＝β₀+β₁Qt+β₂Rt+β₃Nt+f_a(At)+f_o(Ot)+∑f_ij(x_i，x_j)

其中，Q_t表示参考周期内的平均订购量，R_t表示参考周期内的订购量变化趋势，N_t表示参考周期数，A_t表示参考周期内订足率，Q_t表示参考周期内订购频率；

f(x_i，x_j)为特征x_i和特征x_j的交互函数，x_i，x_j∈(A_t，O_t)。

7.根据权利要求6所述的基于广义相加模型的烟草投放方法，其特征在于基于拟合优度R、广义交叉验证偏差GVC和赤池信息AIC对拟合函数进行优选，

所述拟合优度R在0和1之间；

广义交叉验证偏差用于广义相加模型中非线性模型拟合偏差的评价指标，在样本数据中，选取一部分样本对小玲预计模型进行训练，剩余部分样本用训练后的销量预计模型进行预测评估，并求剩余部分样本的误差平方和；

赤池信息是信息熵的概念基础上评价拟合优良性，AIC越小，模型越好，选择AIC最小的销量预计模型最为最优销量预计模型。

8.根据权利要求1-5任一项所述的基于广义相加模型的烟草投放方法，其特征在于根据所述最优销量预计模型，结合历史数据，以客户档位为单位，预测下个周期各档位客户的预测总销量，然后根据参考周期订足率，计算各档位客户总投放量，总投放量均分到档位内客户即为客户的投放量标准；

计算公式如下：

各档位客户总投放量＝预测下周档位客户预测总销量/参考周期订足率；

档位内客户投放量标准＝档位客户总投放量/档位内客户数，计算结果四舍五入取整。