[发明专利]预测方法、装置、计算设备以及介质

说明书

本公开提供了一种预测方法，包括：获取多个备件仓的历史数据，其中，历史数据包括训练数据和验证数据，训练数据包括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，验证数据包括多个备件仓在至少一个第二时刻的备件需求数据。将训练数据输入至预测模型中，得到输出数据，其中，多个备件仓包括多层级备件仓，输出数据包括多层级备件仓中每一层级备件仓的备件需求数据，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。基于输出数据和验证数据，更新预测模型。基于更新后的预测模型预测多个备件仓的备件需求数据。本公开还提供了一种预测装置、一种计算设备以及一种计算机可读存储介质。

技术领域

本公开涉及一种预测方法、一种预测装置、一种计算设备以及一种计算机可读存储介质。

背景技术

备件库存管理的一个重要目标是在备件的保修期间内满足用户对备件更换的需求，同时降低整个备件供应链的运营成本。因此，对供应链的每个层级的每个地点未来对备件的需求作出合理的预测至关重要。其中，通过对备件供应链的各个层级的需求作出合理的预测能够在保证服务水平的前提下，更加科学地制定备件的采购计划，尽可能降低库存成本。因此，如何提高对各个层级中备件需求的预测精度是供应链智能化进程中非常关键的技术问题。

发明内容

本公开的一个方面提供了一种预测方法，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。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。

可选地，上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，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。

可选地，上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。

可选地，上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，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。

可选地，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。

可选地，上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，基于所述预测误差，更新所述预测模型。