[发明专利]一种业务量预测方法、装置、设备、存储介质

说明书

技术领域

本发明涉及数据预测技术领域，具体地说一种业务量预测方法、装 置、设备、存储介质，尤其适用于物流领域、长期战略性的快件业务量 的预测。

背景技术

业务量预测是物流领域至关重要的技术环节之一，准确度较高的业 务预测有助于前置性规划资源，做到精准性资源投入，从而提升时效、 降低成本。

在物流技术领域上，现有的业务量预测多是基于时间序列模型做的， 主要依赖于历史业务量内部数据的发展趋势做预测，该方法较适用于短 期业务量预测，对于长期来说，历史的重复性与参考性较低，仅参考内 部数据，较难预测未来10-20年的业务量的发展趋势。在行业上，长期 的业务量通常以决策者主观对市场的判断，结合公司战略定位进行预测， 缺少量化数据支撑，无法准确客观地实现长期业务预测。

基于上述情况，提供一种准确客观而且可以进行长期业务量预测的 业务量预测方法，是目前需要解决的问题。

发明内容

鉴于现有技术中的上述缺陷或不足，本发明的目的在于提供一种 业务量预测方法、装置、设备、存储介质，可以准确客观的进行业务 量预测，且可应用于长期业务量预测。

为实现上述发明目的，本发明采用如下技术方案：

一方面，提供了一种业务量预测方法，包括以下步骤：

获取内部因素：获取历史业务量数据；

获取外部因素：获取目标城市宏观经济与产业结构数据；

相关性分析：分析历年业务量数据与所述历史业务量数据及目标 城市宏观经济与产业结构数据的相关系数；各因素的相关性通过相关 系数来反映；

相关性筛选：根据相关系数对历史业务量数据和目标城市宏观经 济与产业结构数据进行筛选；

业务量预测：利用多元线性回归方法进行数据拟合，对目标城市 第i年的业务量数据进行预测，其中，i为自然数或者年份。

优选的，所述获取历史业务量数据，包括获取上一年的业务量数 据，其中，对于第i+1年业务量Vi+1,上一年业务量数据为Vi；对于第 i年业务量Vi,上一年业务量数据为Vi-1。

进一步的，所述获取目标城市宏观经济与产业结构数据包括：

定义各个产业；

为各个产业分配唯一对应的标识。

进一步的，所述相关性分析，包括采用相关性公式对历年业务量 数据与所述历史业务量数据及目标城市宏观经济与产业结构数据的相 关系数进行计算，所述相关性公式为：

其中，r为相关系数，Cov为协方差，X为所述历史业务量及目标 城市宏观经济与产业结构数据，Y为历年业务量V，为X的均方差 或标准差，为Y的均方差或标准差。

进一步的，所述相关性筛选，为筛选出相关系数r取值范围在0.6 ≤|r|≤1的历史业务量数据和目标城市宏观经济与产业结构数据。

优选的，所述相关性筛选包括：

筛选出相关系数r取值范围在0.7≤|r|≤1的历史业务量数据和 目标城市宏观经济与产业结构数据；

删除相关系数r取值范围在0.7≤|r|≤1以外的历史业务量数据 和目标城市宏观经济与产业结构数据。

进一步的，所述业务量预测包括：

确定自变量；

确定各个自变量的相关系数r；

根据各个自变量和与其相对应的相关系数，确定多元线性回归方 程；

根据多元线性回归方程，预测目标城市第i年的业务量数据V_i。

进一步的，所述自变量包括：上一年的业务量数据V_i-1、目标城市 宏观经济与产业结构数据GDP，所述GDP包括：GDP₁、GDP₂₁～GDP_2k、GDP₃₁～ GDP_3n，

其中，GDP₁代表第一产业GDP；

GDP₂₁～GDP_2k代表第二产业GDP，k代表第二产业中符合相关性筛选要 求的细分产业个数；

GDP₃₁～GDP_3n代表第三产业GDP，n代表第三产业中符合相关性筛选要 求的细分产业个数。

进一步的，所述多元线性回归方程为：