[发明专利]提升销量预测结果稳健性的方法

权利要求书

1.提升销量预测结果稳健性的方法，其特征在于，包括以下步骤：

a.数据准备和选定销售预测模型：收集产品的历史销量数据以及影响产品销量的相关因素历史数据，选定两种或两种以上的算法模型作为销售预测模型；

b.对销量时间序列进行分层：根据产品属性的不同类别，将产品总销量时间序列进行分层，获得层级结构；

c.对层级结构中的数据进行融合和预处理；

d.对需要进行预测的时间段的相关因素数据值进行预测；

e.对选定的各个销售预测模型进行训练和测试，并计算测试误差；

f.将需要预测的时间和步骤d预测的对应的相关因素数据值作为输入，采用训练好的销售预测模型预测输出对应时间的销量预测值；

g.基于各个销售预测模型的测试误差对所述输出的对应时间的销量预测值进行集成，获得销量的集成预测值；

h.采用时间序列分层算法对集成预测值进行修正：确定层级关系矩阵，根据时间序列分层算法对层级结构中的所有集成预测值进行修正。

2.如权利要求1所述的提升销量预测结果稳健性的方法，其特征在于，步骤a中，选择以下三种算法模型中的两种或三种作为预测模型：

时间序列分析模型、回归分析模型、时间序列和回归分析混合模型。

3.如权利要求1所述的提升销量预测结果稳健性的方法，其特征在于，步骤b中，所述根据产品属性的不同类别，将产品总销量时间序列进行分层，获得层级结构，具体包括：

采用时间序列分层算法模型，将产品的历史总销量数据按照产品的某种属性进行分层，数据分层后，得到一个层级结构，该层级结构的顶层是产品的总销量，第二层是产品在该属性的各个类别上的销量。

4.如权利要求1所述的提升销量预测结果稳健性的方法，其特征在于，步骤c中，所述对层级结构中的数据进行融合和预处理，具体包括：

c1.将历史销量数据按照时间的某个维度进行汇总；

c2.将影响该销量的相关因素历史数据按照与销量数据相同的时间维度进行汇总；

c3.将历史销量数据和相关因素历史数据按照时间进行融合；

c4.对缺失值进行填充；

c5.删除近零方差的特征；

c6.对类别变量进行哑编码。

5.如权利要求1所述的提升销量预测结果稳健性的方法，其特征在于，步骤d中，采用Holt-Winters三参数指数平滑模型对需要进行预测的时间段的相关因素数据的值进行预测，获得相关因素预测值。

6.如权利要求5所述的提升销量预测结果稳健性的方法，其特征在于，所述相关因素包括：历史宏观经济数据和历史竞争产品数据。

7.如权利要求1所述的提升销量预测结果稳健性的方法，其特征在于，步骤e中，所述对选定的各个销售预测模型进行训练和测试，并计算测试误差，具体包括：

针对每个选定的销售预测模型，使用留出法，将经过步骤c预处理后的所有数据按照时间顺序划分为训练集和测试集；

利用训练集中的数据训练模型；

利用测试集的时间值和相关因素数据输入训练好的模型中获得测试集的销量预测值；

将测试集的销量预测值与测试集中的真实值进行比较，获得测试误差。

8.如权利要求7所述的提升销量预测结果稳健性的方法，其特征在于，步骤g中，所述基于各个销售预测模型的测试误差对所述输出的对应时间的销量预测值进行集成，具体包括：

根据每个模型的测试误差，给定每个模型一个对应权值，其中，测试误差大的模型对应权值小，测试误差小的模型对应权值大；最后，将每个模型的权值和该模型的销量预测值相乘后相加，获得销量的集成预测值。

9.如权利要求1-8任意一项所述的提升销量预测结果稳健性的方法，其特征在于，步骤h中，所述确定层级关系矩阵，根据时间序列分层算法对层级结构中的所有集成预测值进行修正，具体包括：

设层级结构上所有销量的集成预测值形成的向量为Y′，利用时间序列分层算法得到的销量预测结果的修正为Y″，则Y″＝S(S′S)^-1S′Y′，其中，S为向量Y′和层级结构中最底层销量向量间的层级关系矩阵，S′表示S的转置。