[发明专利]一种基于组合模型的卷烟销量预测方法、系统及存储介质

权利要求书

1.一种基于组合模型的卷烟销量预测方法，其特征在于，包括：

S1：获取卷烟产品的历史销量数据和外部变量数据形成原始数据，所述历史销量数据，包括订单日期、需求量、销量、含税消额、单箱值、毛利率、销售成本、单条值，所述外部变量数据是由专家通过分析历史销量数据后进行提取、识别出具有线性外部效应的变量数据，所述外部变量数据包括重大政策、新冠疫情、当地节假日；

S2：对所述原始数据进行预处理，所述预处理程序包括数据清洗、数据转换和特征提取，从而形成构建模型所需的数据集；

S3：根据所述数据集，构建基于Stacking集成学习算法的初始卷烟销量预测组合模型；

S4：将所述数据集输入所述初始卷烟销量预测组合模型优化训练，获得目标卷烟销量预测组合模型；

S5：使用所述目标卷烟销量预测组合模型对卷烟销量进行预测，获得目标值。

2.根据权利要求1所述的基于组合模型的卷烟销量预测方法，其特征在于，所述卷烟产品的历史销量数据以每个投放周期的销量的形式进行统计，因此预测量也以投放周期为单位；所述影响卷烟销量的外部变量数据需同时运用相关性检验判定各变量的影响程度，从而最终选定；所述原始数据通过均值法或剔除替代法来处理缺失和不合逻辑的数值。

3.根据权利要求1所述的基于组合模型的卷烟销量预测方法，其特征在于，所述步骤S2中对所述原始数据进行预处理中涉及的特征提取具体包括：所述特征提取是将经过清洗、转换后的数据属性通过处理转换为数据特征，获得众多所述原始特征，通过采用主成分分析方法对所述原始特征降维处理，提取与预测标签相关性高的变量，剔除冗余变量，从众多所述原始特征中提取出与销量相关的指标作为新的特征指标，得到主成分，其中所述主成分分析方法包括：

S21：求解每一个特征变量的平均值，然后对于所有样本，每一个特征都减去自身的均值；

S22：求解协方差矩阵C；

S23：求解协方差矩阵C的特征值和相对应的特征向量；

S24：将所述原始特征投影到选取的特征向量上，得到降维后的新k维特征，得到主成分。