[发明专利]销量预测方法以及服务器

权利要求书

1.一种销量预测方法，其特征在于，包括：

分别获取待预测的多个产品各自的历史销量时间序列；

根据所述多个产品的历史销量时间序列，对所述多个产品进行聚类，得到多个聚类类别，每个聚类类别包括至少一个所述产品；

针对每个聚类类别，根据所述聚类类别内的所有产品的历史销量时间序列，训练出所述聚类类别对应的预测模型，所述聚类类别对应的预测模型用于预测所述聚类类别内的产品的销量趋势；

针对每个产品，利用所述产品所属的聚类类别对应的预测模型，以及所述产品的历史销量时间序列，确定所述产品在当前时刻之后的指定时间段内的销量数据。

2.根据权利要求1所述的销量预测方法，其特征在于，所述根据所述聚类类别内的所有产品的历史销量时间序列，训练出所述聚类类别对应的预测模型，包括：

根据所述聚类产品内的所有产品的历史销量时间序列，训练出所述聚类类别对应的神经网络模型。

3.根据权利要求2所述的销量预测方法，其特征在于，所述根据所述聚类产品内的所有产品的历史销量时间序列，训练出所述聚类类别对应的神经网络模型，包括：

将所述聚类产品内的所有产品的历史销量时间序列作为训练样本，并将训练样本输入到待训练的神经网络模型中；

将所述待训练的神经网络模型输出的各个产品的销量趋势，与所述聚类产品内的所有产品的历史销量时间序列进行比较，并根据比较结果检测所述待训练的神经网络模型预测的准确度；

当所述待训练的神经网络模型预测的准确度小于预设阈值时，则调整所述待训练的神经网络模型中的参数，并返回执行所述将所述聚类产品内的所有产品的历史销量时间序列作为训练样本，并将训练样本输入到待训练的神经网络模型中的操作，直至所述待训练的神经网络模型预测的准确度不小于所述预设阈值，将当前得到的神经网络模型确定为用于预测销量数据的神经网络模型。

4.根据权利要求1所述的销量预测方法，其特征在于，在所述根据所述多个产品的历史销量时间序列，对所述多个产品进行聚类，得到多个聚类类别之前，还包括：

对所述产品的历史销量时间序列进行时间序列分解，以分解出所述产品的历史销量时间序列中，属于残差部分的历史销量时间序列；

从所述属于残差部分的历史销量时间序列中，确定出至少一个时间点上的异常历史销量；

依据所述产品对应的不属于所述异常历史销量的历史销量时间序列，分别预测所述至少一个时间点上的异常历史销量对应的修正历史销量，并将所述历史销量时间序列中的异常历史销量替换为所述修正历史销量。

5.根据权利要求1所述的销量预测方法，其特征在于，在所述根据所述多个产品的历史销量时间序列，对所述多个产品进行聚类，得到多个聚类类别之前，还包括：

从所述产品的历史销量时间序列中各个时间点对应的历史销量中，选取出历史销量最大的指定数量个目标历史销量；

依据所述指定数量个目标历史销量，确定出评价历史销量有销量的历史销量指标值；

依据所述历史销量指标值，从所述产品的历史销量时间序列中，确定出至少一对有效时间点对，每对有效时间点对包括一个有效起始时刻点和有效结束时刻点，其中，所述历史销量时间序列中处于所述有效起始时刻点之后连续的指定数量个时刻点上的历史销量均大于所述历史销量指标值，且处于所述有效结束时刻点之后连续的指定数量个时刻点上的历史销量均小于所述历史销量指标值；

从所述历史销量时间序列中，去除不属于所述有效时间点对构成的有效时间段内的历史销量时间序列。