[发明专利]提升销量预测结果稳健性的方法

说明书

本发明涉及大数据领域，其公开了一种提升销量预测结果稳健性的方法，解决传统技术中销量预测结果稳健性差、不具有普遍适用性和修正效果差的问题。该方法包括以下步骤：a.数据准备和选定销售预测模型；b.对销量时间序列进行分层；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.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.对各个模型输出的销量预测值进行集成，获得集成预测值；h.采用时间序列分层算法对集成预测值进行修正。本发明适用于对产品的销量准确预测。

技术领域

本发明涉及大数据领域，具体涉及一种提升销量预测结果稳健性的方法。

背景技术

销量预测是指对未来特定时间内，全部产品或特定产品的销量的估计。销量预测在产品的生产、管理以及销售中有重要的作用，但是进行高质量的销量预测却并非易事。销量预测技术，主要利用历史销量数据和外部影响因素数据，采用时间序列分析方法或者机器学习方法,建立模型进行销量的预测。

传统技术中的销量预测手段存在以下问题：

1)由于使用的预测方法单一，使得未知的偶然性因素会给销量预测结果带来很大的波动性，销量预测结果的稳健性较差；

2)由于使用只能适用于特定产品的集成和修正方法来提升销量预测结果的稳健性，使得其技术不具有普遍适用性，且受产品特性影响较大；

3)由于使用的修正方法较为简单粗糙，对预测结果的修正效果较差。

发明内容

本发明所要解决的技术问题是：提出一种提升销量预测结果稳健性的方法，解决传统技术中销量预测结果稳健性差、不具有普遍适用性和修正效果差的问题。

本发明解决上述技术问题所采用的技术方案是：

提升销量预测结果稳健性的方法，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。

作为进一步优化，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。

作为进一步优化，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。

作为进一步优化，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：