[发明专利]货物件量预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种货物件量预测方法、装置、计算机设备和存储介质。方法包括：获取目标预测时间以及历史记录中货物件量的历史特征数据集，根据历史特征数据集，获取下一预测时间节点对应的货物件量新增特征，将货物件量新增特征更新至历史特征数据集，得到更新后的历史特征数据集，将更新后的历史特征数据集重新作为历史特征数据集、并返回根据历史特征数据集，获取下一预测时间节点对应的货物件量新增特征的步骤，直至下一预测时间节点为目标预测时间，根据最新的更新后的历史特征数据集进行货物件量预测，得到目标预测时间的预测件量数据。利用可靠的预测特征数据作为目标预测时间的历史特征数据，提高了目标预测时间的预测件量数据的准确性。

技术领域

本申请涉及数据处理技术领域，特别是涉及一种货物件量预测方法、装置、计算机设备和存储介质。

背景技术

随着物流技术的发展，快递件量分析作为物流领域的重要流程，货物件量预测在物流领域是基础又重要的问题，通过对件量的合理预估，对物流公司的人员，车辆配置，来年的规划都有及其重要的参考作用。

传统的件量预测是基于监督学习的方法来实现的，对于中长期的件量预测，一般是通过数据填充的方式进行补充，监督机器学习的方法高度依赖于输入的特征，填充方法对于中长期的件量预测而言，由于件量特征极易重复，从而造成中长期件量预测结果的不准确。

发明内容

基于此，有必要针对中长期件量预测结果不准确技术问题，提供一种能够提高中长期件量预测结果准确性的件量预测方法、装置、计算机设备和存储介质。

一种件量预测方法，方法包括：

获取目标预测时间以及历史记录中货物件量的历史特征数据集；

根据历史特征数据集，获取下一预测时间节点对应的货物件量新增特征；

将货物件量新增特征更新至历史特征数据集，得到更新后的历史特征数据集；

将更新后的历史特征数据集重新作为历史特征数据集、并返回根据历史特征数据集，获取下一预测时间节点对应的货物件量新增特征的步骤，直至下一预测时间节点为目标预测时间；

根据最新的更新后的历史特征数据集进行货物件量预测，得到目标预测时间的预测件量数据。

在其中一个实施例中，获取历史记录中货物件量的历史特征数据集包括：

获取历史记录中各时间节点的时间特征和预设的滞后时长；

根据时间特征和滞后时长，确定各时间节点对应的滞后时间节点；

获取各时间节点的件量数据以及滞后时间节点对应的滞后件量数据；

根据滞后件量数据，计算件量平均值和方差，得到各时间节点的窗口特征；

根据各时间节点的时间特征、件量数据、滞后件量数据以及窗口特征，得到历史特征数据集。

在其中一个实施例中，根据历史特征数据集，获取下一预测时间节点对应的货物件量新增特征包括：

获取与历史特征数据的特征类别对应的特征数据权值参数；

根据各历史特征数据与特征数据权值参数，得到下一预测时间节点对应的预测件量数据；

根据预测件量数据，得到预测特征数据中的预测滞后件量数据和预测窗口特征；

根据下一预测时间节点对应的时间特征、预测件量数据、预测滞后件量数据以及预测窗口特征，确定下一预测时间节点对应的货物件量新增特征。

在其中一个实施例中，在将更新后的历史特征数据集重新作为历史特征数据集、并返回根据历史特征数据集，获取下一预测时间节点对应的货物件量新增特征的步骤，直至下一预测时间节点为目标预测时间之前，还包括：