[发明专利]订单的预测方法及装置、计算机可读介质、物流系统

权利要求书

1.一种订单的预测方法，其特征在于，包括：

获取历史订单对应的时间序列；

基于所述时间序列，提取特征序列；

基于所述特征序列，生成二维信号特征图；

基于所述二维信号特征图，构建神经网络模型，并根据所构建的神经网络模型进行订单预测；

其中，所述生成二维信号特征图包括：

将每个特征序列分割为多个长度为n的序列片段，其中n为正整数；

将不同特征序列对应的序列片段进行逐行复制，生成m行序列片段，所述m行序列片段满足不同的特征序列行间两两相邻，其中m为正整数；

基于所述m行序列片段，生成m*n的二维信号特征图。

2.根据权利要求1所述的订单的预测方法，其特征在于，所述获取历史订单对应的时间序列包括：

获取历史订单对应的原始数据；

对原始数据进行预处理，获取订单对应的时间序列。

3.根据权利要求2所述的订单的预测方法，其特征在于，所述预处理包括以下至少一种：异常值处理、缺失值处理。

4.根据权利要求1所述的订单的预测方法，其特征在于，所述提取特征序列包括：基于小波变换算法提取特征序列。

5.根据权利要求1所述的订单的预测方法，其特征在于，所述将每个特征序列分割为多个长度为n的序列片段包括：

基于移位操作，将每个特征序列分割为多个长度为n的序列片段。

6.根据权利要求1所述的订单的预测方法，其特征在于，所述构建神经网络模型包括：

构建神经网络模型；

基于所述二维信号特征图，训练所述神经网络模型，获取所述神经网络模型参数。

7.根据权利要求6所述的订单的预测方法，其特征在于，在构建神经网络模型之后，还包括：

获取订单的在线数据；

基于所述在线数据训练并更新所述神经网络模型。

8.根据权利要求6或7所述的订单的预测方法，其特征在于，所述神经网络为：卷积神经网络。

9.一种订单的预测装置，其特征在于，包括：

第一获取单元，适于获取历史订单对应的时间序列；

提取单元，适于基于所述时间序列，提取特征序列；

生成单元，适于基于所述特征序列，生成二维信号特征图；

构建单元，适于基于所述二维信号特征图，构建神经网络模型，并根据所构建的神经网络模型进行订单预测；

其中，所述生成单元包括：

分割子单元，适于将每个特征序列分割为多个长度为n的序列片段，其中n为正整数；

复制子单元，适于将不同特征序列对应的序列片段进行逐行复制，生成m行序列片段，所述m行序列片段满足不同的特征序列行间两两相邻，其中m为正整数；

生成子单元，适于基于所述m行序列片段，生成m*n的二维信号特征图。

10.根据权利要求9所述的订单的预测装置，其特征在于，所述第一获取单元包括：

第一获取子单元，适于获取历史订单对应的原始数据；

第二获取子单元，适于对原始数据进行预处理，获取订单对应的时间序列。

11.根据权利要求10所述的订单的预测装置，其特征在于，所述预处理包括以下至少一种：异常值处理、缺失值处理。

12.根据权利要求9所述的订单的预测装置，其特征在于，所述提取单元，适于基于小波变换算法提取特征序列。

13.根据权利要求9所述的订单的预测装置，其特征在于，所述分割子单元，适于基于移位操作，将每个特征序列分割为多个长度为n的序列片段。