[发明专利]一种销量预测方法和装置

权利要求书

1.一种销量预测方法，其特征在于，包括：

根据产品标识对应的销量时间序列和时间序列模型，确定前置时间周期数目；

将所述销量时间序列和对应时间周期的环境数据输入机器学习算法，以训练销量预测模型；

将所述前置时间周期数目的销量数据、环境数据以及下一时间周期的环境数据输入所述销量预测模型，以输出所述下一时间周期的销量预测数据。

2.根据权利要求1所述的方法，其特征在于，所述销量时间序列包括至少一个所述时间周期和对应的销量数据。

3.根据权利要求1所述的方法，其特征在于，所述时间序列模型为自回归积分滑动平均模型；

所述根据产品标识对应的销量时间序列和时间序列模型，确定前置时间周期数目，包括：

对产品标识对应的销量时间序列进行差分运算，得到平稳时间序列；

分别计算所述平稳时间序列的赤池信息量和贝叶斯信息量，以得到所述自回归积分滑动平均模型的自回归项数和移动平均项数；

比较所述自回归项数和所述移动平均项数的大小，将较大的项数作为前置时间周期数目。

4.根据权利要求1所述的方法，其特征在于，所述将所述销量时间序列和对应时间周期的环境数据输入机器学习算法，以训练销量预测模型，包括：

将所述销量时间序列和对应时间周期的环境数据作为训练集，输入机器学习算法，以拟合得到多个初步销量预测模型；

按照预设第一比例，将所述训练集划分为新训练集和新测试集；

将所述新测试集输入所述初步销量预测模型，以验证所述初步销量预测模型；

获取验证通过的所述初步销量预测模型，将获取的所述初步销量预测模型作为销量预测模型。

5.根据权利要求1至4的任一项所述的方法，其特征在于，所述方法还包括：

根据历史销量数据中，所述产品标识对应的售出数据和进货数据，计算预设单位时间内的产品消耗率；

将所述产品消耗率与第一阈值进行比较，以获取小于所述第一阈值的产品消耗率对应的产品标识；

将获取的产品标识对应的产品作为滞销品，输出所述滞销品。

6.根据权利要求5所述的方法，其特征在于，所述输出所述下一时间周期的销量预测数据的步骤之后，还包括：

根据所述下一时间周期的销量预测数据和当前库存数据，计算所述产品标识对应的原始补货量；

当所述产品标识对应的产品为所述滞销品时，按照预设规则减少所述原始补货量，以得到实际补货量；

按照所述实际补货量，对所述产品标识对应的产品进行补货。

7.一种销量预测装置，其特征在于，包括：

确定模块，用于根据产品标识对应的销量时间序列和时间序列模型，确定前置时间周期数目；

训练模块，用于将所述销量时间序列和对应时间周期的环境数据输入机器学习算法，以训练销量预测模型；

输出模块，用于将所述前置时间周期数目的销量数据、环境数据以及下一时间周期的环境数据输入所述销量预测模型，以输出所述下一时间周期的销量预测数据。

8.根据权利要求7所述的装置，其特征在于，所述销量时间序列包括至少一个所述时间周期和对应的销量数据。

9.根据权利要求7所述的装置，其特征在于，所述时间序列模型为自回归积分滑动平均模型；所述确定模块，还用于：

对产品标识对应的销量时间序列进行差分运算，得到平稳时间序列；

分别计算所述平稳时间序列的赤池信息量和贝叶斯信息量，以得到所述自回归积分滑动平均模型的自回归项数和移动平均项数；以及

比较所述自回归项数和所述移动平均项数的大小，将较大的项数作为前置时间周期数目。