[发明专利]基于蒙特卡洛组合的物流业务预测方法及系统

权利要求书

1.一种基于蒙特卡洛组合的物流业务预测方法，其特征在于，其包括：

S1，获取客户历史下单信息；

S2，对客户历史下单信息进行特征工程，根据预测类型，构建预测模型所需要的特征；所述特征包括确定特征和随机特征；

预测类型为是否下单预测；所述确定特征包括服务类型、和货量，所述随机特征包括下单年份、下单月份、下单日期、目的地城市区号、托寄物类型、年内第几周、上旬、中旬、下旬、以及客户下单时间；

S3，对特征进行蒙特卡洛筛选，随机组合出一组进入预测模型的入模特征，所述入模特征包括所有确定特征和至少一个随机特征；

S4，预设的多个预测模型分别根据所述入模特征进行独立训练；

S5，对完成训练后的每个预测模型的预测结果进行评估，确定预测结果准确率最高的预测模型为最佳预测模型，并保留相应的入模特征。

2.根据权利要求1所述的基于蒙特卡洛组合的物流业务预测方法，其特征在于，步骤S5之后，还包括：

S61，设置当前迭代次数加1，所述迭代次数初始值为0；

S62，判断当前迭代次数是否等于预设迭代阈值，若否，继续执行步骤S3；若是，则执行步骤S63；

S63，在每次步骤S5中确定的最佳预测模型中，确定预测结果准确率最高的为最终最佳预测模型，并保留相应的入模特征，结束执行。

3.根据权利要求1所述的基于蒙特卡洛组合的物流业务预测方法，其特征在于，所述步骤S4中的预测模型包括GBDT模型、XGboost模型和LR模型。

4.根据权利要求2所述的基于蒙特卡洛组合的物流业务预测方法，其特征在于，所述步骤S1之后还包括

S11，对客户历史下单信息中的异常数据进行删除或者估值补全。

5.一种基于蒙特卡洛组合的客户下单预测系统，其特征在于，其包括：

数据库模块，用于存储客户历史下单信息；

数据获取模块，用于从所述数据库模块中获取所述客户历史下单信息；

特征工程模块，用于对客户历史下单信息进行特征工程，根据预测类型，构建预测模型所需要的特征；所述特征包括确定特征和随机特征；

所述预测类型为是否下单预测；所述确定特征包括服务类型和货量，所述随机特征包括下单年份、下单月份、下单日期、目的地城市区号、托寄物类型、年内第几周、上旬、中旬、下旬、以及客户下单时间；

特征筛选模块，用于对特征进行蒙特卡洛筛选，随机组合出一组进入预测模型的入模特征，所述入模特征包括所有确定特征和至少一个随机特征；

智能预测模块，包括多个预测模型，用于每一个预测模型根据所述入模特征进行独立训练；

模型筛选模块，用于对完成训练后的每个预测模型的预测结果进行评估，确定预测结果准确率最高的预测模型为最佳预测模型，并保留相应的入模特征。

6.根据权利要求5所述的基于蒙特卡洛组合的客户下单预测系统，其特征在于，其还包括：

迭代次数累计模块，用于在模型筛选模块完成一次评估后，设置当前迭代次数加1，所述迭代次数初始值为0；

迭代处理模块，用于判断当前迭代次数是否等于预设迭代阈值，若否，反馈所述特征筛选模块，继续筛选入模特征进入智能预测模块；若是，则反馈并执行最终评估模块；

最终评估模块，在每次所述模型筛选模块确定的最佳预测模型中，确定预测结果准确率最高的为最终最佳预测模型，并保留相应的入模特征。

7.根据权利要求5所述的基于蒙特卡洛组合的客户下单预测系统，其特征在于，所述预测模型包括GBDT模型、XGboost模型和LR模型。

8.根据权利要求6所述的基于蒙特卡洛组合的客户下单预测系统，其特征在于，其还包括：

异常数据处理模块，对客户历史下单信息中的异常数据进行删除或者估值补全。