申请/专利权人:杭州电子科技大学
申请日:2023-12-05
公开(公告)日:2024-03-29
公开(公告)号:CN117788041A
主分类号:G06Q30/0202
分类号:G06Q30/0202;G06N3/0442;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明公开了一种基于多尺度时序模型的商品销量预测方法、系统及设备,属于时序预测领域。本发明将目标商品的历史销量数据按照不同时间尺度聚合成时序数据,然后通过ARIMA模型预测历史时刻和未来预测时刻目标商品销量的线性部分估计值,得到估计值和残差序列,再将残差序列输入CEEMDAN模型分解成多个分量,每个分量输入由GRU模型和一维CNN模型组成的组合模型中获得分量预测结果,最后将每个分解得到的分量对应的分量预测结果累加到ARIMA模型输出的线性部分估计值上,得到单个时间尺度下的目标商品销量估计值;对所有时间尺度下的目标商品销量估计值进行加权融合,得到最终销量。本发明可获得比其他模型有更优的预测准确性。
主权项:1.一种基于多尺度时序模型的商品销量预测方法,其特征在于,包括:S1、将目标商品的历史销量数据按照不同时间尺度进行聚合,形成不同时间尺度的时序数据;每一个时间尺度的时序数据中,每一个数据点代表相应时间尺度下一个时段内总的目标商品销量;S2、将每一个时间尺度的时序数据输入ARIMA模型中,获得历史时刻和未来预测时刻目标商品销量的线性部分估计值和残差序列,再将残差序列输入CEEMDAN模型中,通过本征分解的方法将输入的残差序列分解成多个IMF分量和残余分量,每个分解得到的分量输入由GRU模型和一维CNN模型组成的组合模型中获得分量预测结果,最后将每个分解得到的分量对应的分量预测结果累加,得到未来预测时刻目标商品销量的残差部分估计值,将未来预测时刻目标商品销量的残差部分估计值与未来预测时刻目标商品销量的线性部分估计值相加,得到当前时间尺度下未来预测时刻的目标商品销量估计值;S3、对所有时间尺度下未来预测时刻的目标商品销量估计值进行加权融合,得到最终的未来预测时刻的目标商品销量。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 基于多尺度时序模型的商品销量预测方法、系统及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。