[发明专利]一种基于客户群体行为分析的加油站销量预测方法

摘要

本发明涉及一种基于客户群体行为分析的加油站销量预测方法。本发明所述基于客户群体行为分析的加油站销量预测方法，通过独立于加油站的群体客户行为分析，可以全方位理解客户群体；通过聚类学习，找出群体客户之间的共性，有利于分析客户属性和行为规律。

主权项

一种基于客户群体行为分析的加油站销量预测方法，其特征在于，包括步骤如下：(1)基于购买行为的群体客户分类；根据客户行为特征将客户进行分类得到不同类别的典型客户群体：白天小额客户、白天普通客户、白天大额客户、高端油品客户、晚间普通客户、晚间大客户、深夜客户，油品和非油商品联动客户；(2)典型客户群体行为预测；选定一段时期作为学习周期，学习典型客户群体的行为规律；当典型客户群体包括的用户数量大于阈值时，选择正态分布进行用户数量预测；设定每日人数为随机变量x，服从参数为(μ，σ2)正态分布，记作X～N(μ，σ2)，μ为每日期望人数，标准差σ决定了分布的幅度，即人数变化的差异性；则密度函数为：通过最大似然方法来估计未知的均值μ和方差σ2；然后，根据(μ，σ2)预测具体人数μ或是数量区间[μ‑σ,μ+σ]；当典型客户群体包括的用户数量小于等于阈值时，选择泊松分布进行客户数量预测；概率密度为：其中，参数λ的最大似然估计结果为预测人数为学习出来的λ；当每日用户数量符合指数分布时，将指数分布通过对数操作，转换为正态分布，根据正态分布估计思想对每月的典型客户群体包括的用户数量以及发生概率进行预测；典型客户群体包括的用户数量的预测值作为估计值，进一步进行销量预测；(3)基于客户行为进行销量预测；将相关性系数和重要性系数，进行归一化处理后相乘，作为选择特征的概率，筛选出最优的特征子集，进行预测分析；(3‑1)特征子集采用概率包裹式特征筛选算法，针对包含N个特征的集合S，随机选取数值n，1≤n≤N,依据特征选择概率对集合S随机采样，取出包含n个不重复元素的特征子集；依据本次筛选的特征集合进行销量预测，记录每次预测的预测结果和特征子集；(3‑2)重复步骤(3‑1)，直到预测次数达到设定门限，将每次的预测结果相互比较，则预测结果最优值对应的一组特征子集，作为筛选出的最优特征子集；(4)通过多元线性回归、BP神经网络或粒子群算法预测销量。