[发明专利]产品需求预测方法及装置

说明书

本申请公开了产品需求预测方法及装置，以至少解决目前的产品需求预测方法无法使得企业的效益最大化的问题。方法包括：获取产品的需求参数；将所述产品的需求参数输入预先训练好的需求预测模型，生成下一阶段所述产品的预测需求量，其中，所述预先训练好的需求预测模型是基于非对称损失函数训练得到的，所述非对称损失函数为预测多一个产品造成的损失与预测少一个产品造成的损失不同的函数。

技术领域

本申请涉及人工智能技术领域，尤其涉及产品需求预测方法及装置。

背景技术

产品需求预测是企业经营中的关键环节，用于指导企业的生产和备货。过大的产品需求预测会导致库存量过多，库存成本风险增加。过小的需求预测会导致订单满足率不高，客户满意度下降。因此，合理的产品需求预测尤为重要。

目前，主流的产品需求预测方法是根据历史的需求以及与未来产品需求相关的预测因子，建立时间序列模型和预测因子回归模型，输出未来产品需求的预测值。然而，该方法得到的未来产品需求的预测值与未来产品需求的实际值可能偏差较大，从而使无法使得企业的效益最大化。

因此如何提供一种合理的产品需求预测方法，使得未来产品需求的预测值与未来产品需求的实际值更接近，从而使得企业的效益最大化，是目前亟待解决的问题。

发明内容

本申请实施例提供产品需求预测方法及装置，以至少解决目前的产品需求预测方法无法使得企业的效益最大化的问题。

为达到上述目的，本申请实施例提供如下技术方案：

第一方面，提供一种产品需求预测方法，该方法包括：获取产品的需求参数；将该产品的需求参数输入预先训练好的需求预测模型，生成下一阶段该产品的预测需求量，其中，该预先训练好的需求预测模型是基于非对称损失函数训练得到的，该非对称损失函数为预测多一个产品造成的损失与预测少一个产品造成的损失不同的函数。也就是说，本申请实施例考虑到实际操作中，预测多一个产品造成的损失与预测少一个产品造成的损失是不一致的。比如，对于需要海外采购物料的产品，由于可能需要加急空运费等，因此缺少一个产品带来的损失可能比多一个产品带来的损失大。而对于在周边可以随时采购物料的产品，若物料费较高，则多一个产品带来的损失可能比缺少一个产品带来的损失大。因此，本申请实施例根据预测多一个产品造成的损失与预测少一个产品造成的损失是不一致的场景下训练出的需求预测模型进行产品需求预测，可以使得生成的下一阶段产品的预测需求量与未来产品需求的实际值更接近，从而可以使得企业的效益最大化。

在一种可能的设计中，该方法还包括：获取该产品的缺存损失比、以及训练该产品的需求预测模型的多个训练参数，其中，该缺存损失比用于表征缺少一个产品造成的损失与多一个产品造成的损失的比值；根据该多个训练参数和该缺存损失比，通过最小化该非对称损失函数训练该产品的需求预测模型，得到预先训练好的需求预测模型。也就是说，本申请实施例在进行需求预测模型训练时，不仅考虑了预测多一个产品造成的损失与预测少一个产品造成的损失不同的情况，还考虑了缺少一个产品造成的损失与多一个产品造成的损失的比值，并且是在损失最小的前提下得到的训练好的需求预测模型，因此该训练好的需求预测模型是合理的，基于该训练好的需求预测模型生成的下一阶段产品的预测需求量与未来产品需求的实际值更接近，损失最小，从而可以使得企业的效益最大化。

在一种可能的设计中，该产品的需求参数，包括：当前阶段该产品的实际需求量和该当前阶段的前一阶段该产品的实际需求量；该多个训练数据包括：历史阶段该产品的实际需求量和预测需求量。也就是说，在具体实现时，可以根据产品的历史需求量以及预测需求量预测产品的未来需求量。

在一种可能的设计中，该需求预测模型，包括：表示第t个阶段该产品的预测需求量，y_t-1表示第t-1个阶段该产品的实际需求量，y_t-2表示第t-2个阶段该产品的实际需求量，α为模型因子。基于该需求预测模型，可以预测产品的未来需求量。