[发明专利]件量预测方法、装置、电子设备及存储介质

说明书

本申请公开了一种件量预测方法、装置、电子设备及存储介质，所述方法包括：采集训练样本，所述训练样本包括历史时段内的历史件量数据；将所述历史件量数据输入第一参考模型中进行处理，以得到第一预测数据，将所述第一预测数据作为所述训练样本的第一特征数据；获取所述训练样本的第二特征数据，所述第二特征数据包括件量规模特征、时序特征和时滞信息特征；将所述训练样本的第一特征数据和第二特征数据输入第二参考模型中进行学习训练，以生成预测模型；根据所述预测模型进行件量预测。本申请实施例在时序数据的周期性、趋势性不明显的情况下，通过多特征的融合进行件量预测，以提高件量预测的预测精度。

技术领域

本申请实施例涉及物流领域，具体涉及一种件量预测方法、装置、电子设备及存储介质。

背景技术

在物流领域，关于揽收端的件量预测，对于一线业务端如何应对揽收件量的高峰，如何安排人力、物力等，都具有重要的影响。日常中的件量数据是典型的时序数据，其与时间密切相关，因此在现实应用场景中，主要采用时序模型来对件量进行预测。但是对于实际应用场景中的时序而言，数据往往很难呈现明显的趋势与周期，在此情况下，如果仅用时序模型来进行件量预测，则很难拟合到真实件量。

因此，现有技术存在缺陷，有待改进与发展。

发明内容

本申请实施例提供一种件量预测方法、装置、电子设备及存储介质，可以在时序数据的周期性、趋势性不明显的情况下，提高件量预测的预测精度。

本申请实施例提供一种件量预测方法，所述方法包括：

采集训练样本，所述训练样本包括历史时段内的历史件量数据；

将所述历史件量数据输入第一参考模型中进行处理，以得到第一预测数据，将所述第一预测数据作为所述训练样本的第一特征数据；

获取所述训练样本的第二特征数据，所述第二特征数据包括件量规模特征、时序特征和时滞信息特征；

将所述训练样本的第一特征数据和第二特征数据输入第二参考模型中进行学习训练，以生成预测模型；

根据所述预测模型进行件量预测。

本申请实施例还提供一种件量预测装置，所述装置包括：

采集模块，用于采集训练样本，所述训练样本包括历史时段内的历史件量数据；

第一获取模块，用于将所述历史件量数据输入第一参考模型中进行处理，以得到第一预测数据，将所述第一预测数据作为所述训练样本的第一特征数据；

第二获取模块，用于获取所述训练样本的第二特征数据，所述第二特征数据包括件量规模特征、时序特征和时滞信息特征；

训练模块，用于将所述训练样本的第一特征数据和第二特征数据输入第二参考模型中进行学习训练，以生成预测模型；

预测模块，用于根据所述预测模型进行件量预测。

本申请实施例还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行本申请任一实施例所述的件量预测方法。

本申请实施例还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，执行本申请实施例所提供的任一种所述的件量预测方法中的步骤。