[发明专利]目的地货量的预测方法及存储介质

说明书

本发明提供了目的地货量的预测方法及存储介质，通过将预设历史时间段的货量数据经信号处理得到波动周期，在预测下一时刻的货量的时候，参考了前一周期的波动参数，进而预测下一时刻周期的货量；且本发明可以根据实时得到的货量，调整瞬时波动参数，减小预测的误差，及时监控到货量的变动，便于资源最优配置。并且通过采用各个网点发出的货量数据作为预测的原始数据，在预测上会更加的准确。

技术领域

本发明涉及电子商务快递领域，尤其涉及目的地货量的预测方法及存储介质。

背景技术

现有技术快递交件量的预测方法，一般采用时间序列模型和灰色理论模型为基于统计学理论的线性算法模型，这对样本要求较高，对非线性数据预测结果较差。而采用神经网络结构较难确定，容易陷入局部极值。采用支持向量机的核函数及参数较难确定等。上述方法还存在着精度较低，计算复杂度高，没有精确到小时预测，需要事先建立相关模型参数，且不能及时自动调整模型参数（例如电商临时促销活动，节假日等突发因素）等问题。

发明内容

有鉴于此，有必要针对传统文传统预测方法的精度低、计算复杂以及预测不准确的问题，提供目的地货量的预测方法及存储介质。

为了达到上述目的，本发明提供一种目的地货量的预测方法，获取一预设历史时间段的目的地货量，所述目的地货量包括交件量以及重量；计算所述预设历史时间段的货量的波动周期T，每一个波动周期具有一基线R，所述基线为下一波动周期货量预测的参考值；计算预设历史时间段最后一个波动周期内的波动参数X，将其作为预测波动周期的波动参数；根据所述基线R以及所述波动参数X对所述目的地货量进行预测。

进一步地，所述目的地货量为各个网点发往同一目的地的货量。

进一步地，还包括：将预测得到各个网点发往同一目的地的货量进行整合得到该目的地的预测货量。

进一步地，所述波动参数的计算公式为X=（m-R）/R，m为预设历史时间段的某天历史交件总数量，R为所述某天所在周期的基线。

进一步地，根据公式Y=a*R+b*R*X对所述分拨网点的货量进行预测，其中，X为上一波动周期内对应日期的波动参数，Y为分拨网点的货量预测值，R为基线，a和b 是常系数。

进一步地，还包括：获取预设历史时间段的预测货量与实际货量，计算实际货量与预测货量的差值，若超过一预设阈值，则根据所述差值进行所述波动参数X的调整。

进一步地，所述波动参数X的调整具体包括：采集分拨网点的实际货量；根据公式D=（分拨网点的昨日实际货量-分拨网点的昨日预测值）/昨日分拨网点的实际货量，计算得到波动差D。

进一步地，若所述波动差D的绝对值超过一预设阈值，将今日及今日以后的波动参数与所述波动差进行求和，并更新所述波动参数。

进一步地，所述计算预设历史时间段的货量的波动周期T具体包括：利用小波滤波方法过滤所述预设历史时间段的货量的数据噪声；根据极值法获取所述预设历史时间段货量的波峰以及波谷，相邻波峰或者波谷时间相减得到周期T；若所述预设历史时间段的一周期内的货量与平均周期的货量偏差超过两倍标准差，则判定该周期为异常周期，并剔除该异常周期的货量数据，然后将正常周期时长的平均值作为所述波动周期T。

本发明还提供一种存储介质，存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如所述的目的地货量的预测方法的步骤。

本发明的有益效果是：本发明提供了目的地货量的预测方法及存储介质，将预设历史时间段的货量数据经信号处理得到波动周期；在预测下一时刻的货量的时候，参考了前一周期的波动参数，进而预测下一时刻周期的货量；且本发明可以根据实时得到的货量，调整瞬时波动参数，减小预测的误差，及时监控到货量的变动，便于资源最优配置。

附图说明