[发明专利]预测方法、装置、计算设备以及介质

权利要求书

1.一种预测方法，包括：

获取多个备件仓的历史数据，其中，所述历史数据包括训练数据和验证数据，所述训练数据包括所述多个备件仓中每个备件仓在多个第一时刻的备件需求数据和环境数据，所述验证数据包括所述多个备件仓在至少一个第二时刻的备件需求数据；

将所述训练数据输入至预测模型中，得到输出数据，其中，所述多个备件仓包括多层级备件仓，所述输出数据包括所述多层级备件仓中每一层级备件仓的备件需求数据，所述多层级备件仓中高层级备件仓的备件需求数据是根据低层级备件仓的备件需求数据确定的；

基于所述输出数据和所述验证数据，更新所述预测模型；以及

基于更新后的预测模型预测所述多个备件仓的备件需求数据。

2.根据权利要求1所述的方法，其中，所述预测模型包括预处理子模型和预测子模型；

所述将所述训练数据输入至预测模型中，得到输出数据包括：

将所述训练数据输入至所述预处理子模型中，得到处理后的训练数据，其中，所述处理后的训练数据包括所述备件需求数据和所述环境数据的关联关系；以及

将所述处理后的训练数据输入至所述预测子模型中，得到所述输出数据。

3.根据权利要求2所述的方法，其中，

所述多层级备件仓至少包括：第一层级备件仓、第二层级备件仓、第三层级备件仓，所述第一层级备件仓、所述第二层级备件仓、所述第三层级备件仓的层级为高层级至低层级，

其中，所述第一层级备件仓包括N个第二层级备件仓，所述N个第二层级备件仓中的每个第二层级备件仓包括多个第三层级备件仓，N为大于等于2的整数。

4.根据权利要求3所述的方法，其中，所述预处理子模型包括N+1个；

所述将所述训练数据输入至所述预处理子模型中，得到处理后的训练数据包括：

从所述训练数据中获取关于所述N个第二层级备件仓的N个子训练数据和关于所述第一层级备件仓的1个子训练数据；以及

将N+1个子训练数据分别输入至N+1个预处理子模型，得到所述处理后的训练数据。

5.根据权利要求4所述的方法，其中，

关于所述N个第二层级备件仓的N个子训练数据中的每个子训练数据包括：与子训练数据对应的第二层级备件仓下的多个第三层级备件仓各自的备件需求数据和环境数据组成的图数据；

关于所述第一层级备件仓的1个子训练数据包括：N个第二层级备件仓各自的备件需求数据和环境数据组成的图数据。

6.根据权利要求1所述的方法，其中，所述基于所述输出数据和所述验证数据，更新所述预测模型包括：

处理所述输出数据中的备件需求数据和所述验证数据中的备件需求数据，得到预测误差；以及

基于所述预测误差，更新所述预测模型。

7.一种预测装置，包括：

获取模块，获取多个备件仓的历史数据，其中，所述历史数据包括训练数据和验证数据，所述训练数据包括每个备件仓在多个第一时刻的备件需求数据和环境数据，所述验证数据包括所述多个备件仓在多个第二时刻的备件需求数据；

输入模块，将所述训练数据输入至预测模型中，得到输出数据，其中，所述多个备件仓包括多层级备件仓，所述输出数据包括所述多层级备件仓中每一层级备件仓的备件需求数据，所述多层级备件仓中高层级备件仓的备件需求数据是根据低层级备件仓的备件需求数据确定的；

更新模块，基于所述输出数据和所述验证数据，更新所述预测模型；以及

预测模块，基于更新后的预测模型预测所述多个备件仓的备件需求数据。

8.根据权利要求7所述的装置，其中，所述预测模型包括预处理子模型和预测子模型；

所述将所述训练数据输入至预测模型中，得到输出数据包括：

将所述训练数据输入至所述预处理子模型中，得到处理后的训练数据，其中，所述处理后的训练数据包括所述备件需求数据和所述环境数据的关联关系；以及

将所述处理后的训练数据输入至所述预测子模型中，得到所述输出数据。