[发明专利]销量预测方法以及服务器

说明书

本申请提供了一种销量预测方法以及服务器，该方法包括：分别获取待预测的多个产品各自的历史销量时间序列；根据该多个产品的历史销量时间序列，对该多个产品进行聚类，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，根据该聚类类别内的所有产品的历史销量时间序列，训练出该聚类类别对应的预测模型；利用产品所属的聚类类别对应的预测模型，以及产品的历史销量时间序列，确定产品在当前时刻之后的指定时间段内的销量数据。本申请的方法可以提高产品销量预测的准确度。

技术领域

本发明涉及数据处理技术领域，更具体地说，涉及一种销量预测方法以及服务器。

背景技术

通过数据处理平台或者服务器对产品的销量数据进行统计并预测已经十分普遍。

目前，一般会根据产品的历史销量数据预测该产品未来的销量情况，然而，产品的未来销量与历史销量趋势可能会存在很大的差异，因此，通过产品的历史销量数据对产品的销量进行预测，会导致产品销量预测的准确度较低。

发明内容

本发明的目的是提供一种销量预测方法以及服务器，以提高产品销量预测的准确度。

为实现上述目的，本发明提供了如下技术方案：一种销量预测方法，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。

优选的，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。

优选的，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。

优选的，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。