一种预测方法及装置与流程

本发明涉及数据处理领域，尤其涉及一种预测方法及装置。

背景技术：

1、目前的销量预测通常使用集成树模型，然而，树模型在预测销量时会出现系统性偏差(比如预测结果持续偏高或偏低)，无法准确捕捉到极端情况(比如恶劣天气或特殊节假日对销量的影响)。

2、因此，如何准确地预测销量，是目前亟需解决的问题。

技术实现思路

1、本发明实施例提供一种预测方法及装置，用于准确地预测销量。

2、第一方面，本发明实施例提供一种预测方法，该方法包括：获取商品的历史销量数据，根据第一模型和商品的历史销量数据，预测得到商品在未来时间的销量，使用设定修正参数，修正商品在未来时间的销量，其中，设定修正参数与第一模型的模型参数、未来时间的天气特性、未来时间的节假日特性中的一项或多项相关。

3、如上背景技术所述，现有的销量预测方法中没有考虑系统性偏差、恶劣天气和特殊节假日对销量的影响，本技术在销量预测时考虑了以上因素，并将其作为设定修正参数修正商品在未来时间的销量，使得销量预测更准确。

4、可选的，所述设定修正参数与所述第一模型的模型参数相关，使用设定修正参数，修正商品在未来时间的销量之前，还包括：根据商品的历史销量和第一模型，预测得到商品在多个第一历史时间节点的预估销量，多个第一历史时间节点均位于未来时间之前，根据商品在每个第一历史时间节点的预估销量和商品在每个第一历史时间节点的实际销量，确定每个第一历史时间节点对应的销量偏差，根据所述各个第一历史时间节点对应的销量偏差，计算所述第一模型的自相关系数，并确定所述自相关系数大于第一阈值。

5、通过以上步骤，可以判断之前(也就是第一时间)商品的预测销量与实际销量是否相符，若不相符，即预测销量与实际销量之间有偏差，则说明之前预测销量不准确，因此需要对销量的预测进行修正，在修正之前进行是否修正的判断，可以节省资源提高效率。

6、可选的，使用设定修正参数，修正商品在未来时间的销量之前，还包括：根据各个第一时间节点对应的销量偏差，预测商品在未来时间的销量偏差，将其作为第一修正系数，使用第一修正系数对商品在未来时间的销量进行修正。

7、通过以上步骤，通过计算自相关系数判断第一模型的误差是偏差，进而确定第一模型的误差可以预测，通过各个时间节点的偏差确定第一修正系数，之后在模型直接输出的预测值上进行适当调整，可以针对模型预测值一段时间内连续偏高或偏低问题修正模型，进而可以有效解决上述背景技术中模型预测有偏差的问题，提高预测准确率。

8、可选的，设定修正参数与未来时间的天气特性相关，使用设定修正参数，修正商品在未来时间的销量之前，还包括：确定未来时间的天气为恶劣天气，使用设定修正参数，修正商品在未来时间的销量，包括：根据未来时间之前的多个历史时间节点的天气特征，获取与未来时间的恶劣天气的天气特征相同的第二历史时间节点，以及天气特征为非恶劣天气的一个或多个第三历史时间节点，根据一个或多个第三历史时间节点的实际销量，计算历史平均销量，根据历史平均销量和第二历史时间节点的实际销量，确定第二修正系数，使用第二修正系数对商品在未来时间的销量进行修正。

9、通过以上步骤，若未来时间出现恶劣天气，通过查找和未来时间的天气特征相似的历史时间，将其作为参考，判断恶劣天气相比于正常天气销量的变化，进而修正未来时间的销量，如此，可以解决出现降雨、冰雹、台风等恶劣天气时销量预测偏低的问题。

10、可选的，获取与未来时间的恶劣天气的天气特征相同的第一历史时间节点，包括：确定未来时间所属的恶劣天气的天气特征，并从预设的多个天气分组中确定出恶劣天气的天气特征所属的第一分组，其中，第一分组中包括多个日期子分组，每个日期子分组中的各个日期的销量受到同一时间特征的影响，确定未来时间所具有的时间特征，并在第一分组的多个日期子分组中确定出受时间特征影响的第一日期子分组，将第一日期子分组中位于未来时间之前的历史时间节点作为所述第一历史时间节点。如此，通过将具有天气特征相似的数据分为一组，可以更好的捕捉天气特征对销量的影响，进而找到更具有参考价值的参考时间。

11、可选的，设定修正参数与未来时间的节假日特性相关，使用设定修正参数，修正商品在未来时间的销量之前，还包括：确定未来时间是节假日，使用设定修正参数，修正商品在未来时间的销量，包括：根据未来时间之前的多个历史时间节点的节假日特征，获取与未来时间的节假日特征相同的第四历史时间节点，以及节假日特征为非节假日的一个或多个第五历史时间节点，根据一个或多个第五历史时间节点的实际销量，计算历史平均销量，根据历史平均销量和第四历史时间节点的实际销量，确定第三修正系数，使用第三修正系数对商品在未来时间的销量进行修正。

12、通过以上步骤，若未来时间是节假日，通过将历史节假日作为参考，判断节假日相比于无节假日销量的变化，进而修正未来时间的销量，如此，可以解决特定品在特定节日时预测偏高或偏低的问题。

13、可选的，获取预设的各个层级表格，层级表格中包括不同城市及不同商品类目的层级表格，一个城市及一个商品类目的层级表格中包括城市中商品类目下的各个商品的历史销量数据，计算历史平均销量包括：从各个层级表格中获取与商品同一城市同一商品类目的层级表格，并确定层级表格中的历史销量数据的数量；若历史销量数据的数量大于第二阈值，则计算历史平均销量；若历史销量数据的数量小于第二阈值，则获取层级表格对应的城市或商品类目的上一城市或商品类目的层级表格，根据层级表格中包含的历史销量数据，计算历史平均销量。如此，可以通过逐步降级的策略找到数量足够多的样本数据作为参考。

14、第二方面，本发明实施例提供一种预测装置，该装置包括：

15、获取模块，用于获取商品的历史销量数据。

16、预测模块，用于根据第一模型和商品的历史销量数据，预测得到商品在未来时间的销量。

17、修正模块，用于使用设定修正参数，修正商品在未来时间的销量，其中，设定修正参数与第一模型的模型参数、未来时间的天气特性、未来时间的节假日特性中的一项或多项相关。

18、在一种可能的实现方式中，所述设定修正参数与所述第一模型的模型参数相关，预测模块还用于：根据商品的历史销量和第一模型，预测得到商品在多个第一历史时间节点的预估销量，多个第一历史时间节点均位于未来时间之前，根据商品在每个第一历史时间节点的预估销量和商品在每个第一历史时间节点的实际销量，确定每个第一历史时间节点对应的销量偏差，根据所述各个第一历史时间节点对应的销量偏差，计算所述第一模型的自相关系数，并确定所述自相关系数大于第一阈值。

19、在一种可能的实现方式中，修正模块具体用于：根据各个第一时间节点对应的销量偏差，预测商品在未来时间的销量偏差，将其作为第一修正系数，使用第一修正系数对商品在未来时间的销量进行修正。

20、在一种可能的实现方式中，设定修正参数与未来时间的天气特性相关，修正模块具体用于：确定未来时间的天气为恶劣天气，使用设定修正参数，修正商品在未来时间的销量，包括：根据未来时间之前的多个历史时间节点的天气特征，获取与未来时间的恶劣天气的天气特征相同的第二历史时间节点，以及天气特征为非恶劣天气的一个或多个第三历史时间节点，根据一个或多个第三历史时间节点的实际销量，计算历史平均销量，根据历史平均销量和第二历史时间节点的实际销量，确定第二修正系数，使用第二修正系数对商品在未来时间的销量进行修正。

21、在一种可能的实现方式中，修正模块还用于：确定未来时间所属的恶劣天气的天气特征，并从预设的多个天气分组中确定出恶劣天气的天气特征所属的第一分组，其中，第一分组中包括多个日期子分组，每个日期子分组中的各个日期的销量受到同一时间特征的影响，确定未来时间所具有的时间特征，并在第一分组的多个日期子分组中确定出受时间特征影响的第一日期子分组，将第一日期子分组中位于未来时间之前的历史时间节点作为所述第一历史时间节点。

22、在一种可能的实现方式中，设定修正参数与未来时间的节假日特性相关，修正模块具体用于：确定未来时间是节假日，使用设定修正参数，修正商品在未来时间的销量，包括：根据未来时间之前的多个历史时间节点的节假日特征，获取与未来时间的节假日特征相同的第四历史时间节点，以及节假日特征为非节假日的一个或多个第五历史时间节点，根据一个或多个第五历史时间节点的实际销量，计算历史平均销量，根据历史平均销量和第四历史时间节点的实际销量，确定第三修正系数，使用第三修正系数对商品在未来时间的销量进行修正。

23、在一种可能的实现方式中，修正模块还用于：获取预设的各个层级表格，各个层级表格中包括不同城市及不同商品类目的层级表格，一个城市及一个商品类目的层级表格中包括城市中商品类目下的各个商品的历史销量数据，计算历史平均销量，包括：从各个层级表格中获取与商品同一城市同一商品类目的层级表格，并确定层级表格中的历史销量数据的数量，若历史销量数据的数量大于第二阈值，则计算历史平均销量，若历史销量数据的数量小于第二阈值，则获取层级表格对应的城市或商品类目的上一级城市或商品类目的层级表格，根据层级表格中包含的历史销量数据，计算历史平均销量。

24、第三方面，本技术还提供一种预测装置，该设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述计算机程序时，实现如第一方面的各种可能的设计中所述的方法。

25、第四方面，本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序或指令，计算机程序或指令被处理器执行时，实现如第一方面的各种可能的设计中所述的方法。

26、第五方面，本技术实施例还提供一种计算机程序产品，当其在计算机上运行时，使得计算机执行如上述第一方面任一所述的方法。

27、本技术的这些实现方式或其他实现方式在以下实施例的描述中会更加简明易懂。