[发明专利]一种新产品需求的多阶段实时预测方法

权利要求书

1.一种新产品需求的多阶段实时预测方法，其特征在于，该方法采用如下技术方案：

确定预测时间幅度δ、预测提前期τ和训练集时间段TP；提取已有产品k和新产品i用于聚类的属性特征集P_k和P_i；以预测时间幅度δ为单位，提取已有产品需求预测所用的特征矩阵和需求量向量D_k；以预测时间幅度δ为单位，提取公共趋势因子TF，作为预测特征分别并入矩阵得到输入模型的特征矩阵F_k、F_i；根据产品属性对已有产品进行通过聚类方法进行聚类，第j个类为记C_j，新产品按照与各类的距离进行概率归类；分别提取出类C_j内已有产品生命周期中不同销售阶段t的销售记录，包括预测特征和需求，记为将输入机器学习预测模型用于训练；对新产品，在不同的预测提前期τ，分别选用对应的模型用于其销量的组合预测。

2.根据权利要求1所述的新产品需求的多阶段实时预测方法，其特征在于，所述预测特征不包含历史信息相关的特征。

3.根据权利要求1所述的新产品需求的多阶段实时预测方法，其特征在于，所述趋势因子TF作为公共特征，用于已有产品的模型训练和新产品的需求预测。

4.根据权利要求1或3所述的新产品需求的多阶段实时预测方法，其特征在于，所述趋势因子的元素TF_t采用的计算公式为其中D_i,t表示产品i在销售阶段t时的销量；D_i,0表示产品i在初始销售阶段时的销量。

5.根据权利要求1所述的新产品需求的多阶段实时预测方法，其特征在于，所述聚类方法包括：K-prototype、层次聚类、概率密度聚类、SOM网络、划分法、图论聚类法、网格算法、关联聚类、子空间聚类、模式聚类。

6.根据权利要求1所述的新产品需求的多阶段实时预测方法，其特征在于，所述概率归类是指：当新产品i的属性与某类C_j的距离小于最小距离的n倍时，该新产品以一定的概率P_i,j＝f(Dis_i,j)归于类C_j，其中，n为大于1的任意自然数，f(Dis_i,j)为Dis_i,j的任意递减函数；若产品i不属于某类j′，则P_i,j′＝0

7.根据权利要求1所述的新产品需求的多阶段实时预测方法，其特征在于，新产品和类的距离计算综合了单连接DS_i,j、全连接DC_i,j和平均连接DA_i,j三个计算指标

Dis_i,j＝ρ_dsDS_i,j+ρ_dcDC_i,j+ρ_daDA_i,j

其中ρ_ds+ρ_dc+ρ_da＝1。

8.根据权利要求1所述的新产品需求的多阶段实时预测方法，其特征在于，新产品i在销售阶段τ的组合预测结果采用产品所属的类加权求和得到：

其中∑_j P_i,j＝1。