[发明专利]一种弹性适应噪音的销售预测的方法及系统

说明书

本发明公开了一种弹性适应噪音的销售预测方法及系统，该方法包括：获取待预测产品的历史销售数据，并进行预处理；对经过预处理后的历史销售数据，进行特征提取与特征选择；将选择的特征进行弹性误差计算；所述弹性误差计算包括：机器学习模型的误差函数及分段误差计算；将所述弹性误差计算引入所述机器学习模型，利用所述预处理后的历史销售数据对所述机器学习模型进行训练；将预测产品未来销售的相关数据，输入训练后的机器学习模型，生成预测结果。该方法可输出精准的销售预测结果，根据该销售预测结果，可以降低医院、药房等企业部门的库存管理成本；药厂等供应商则可根据合理的预测进行有效的生产安排，提高采购达成率。

技术领域

本发明涉及医疗大数据及计算机应用技术领域，特别涉及一种弹性适应噪音的销售预测的方法及系统。

背景技术

病例是病人病情发生、发展和转归全过程的记录，不仅是医疗、教学的重要依据，对药品使用销售、新药研发等也有着重要的辅助作用。随着医药系统的推广，电子病例也在多数医院得到普及。医疗行业信息化正处于高速发展阶段，在医疗相关行业AI技术的应用渐渐普遍，而在实际应用过程中遇到的困难与问题成为热点研究方向。其中，医药销售预测一直是该领域中重要的研究课题。在现有技术领域，由于产品自身的特点不同，产品销售的预测通常受到多个外部因素的影响，并且这些外部因素可能含有随机噪声。此外由于各种原因导致，采集到的训练数据质量可能参差不齐，这些问题对产品销售预测的建模工作带来挑战。

因此，如何解决医疗行业中合理的预测药品销售，降低医院、药房等企业部门的库存管理成本，成为同行从业人员亟待解决的问题。

发明内容

鉴于上述问题，本发明提出了一种弹性适应噪音的销售预测方法及系统，通过消除数据的随机噪声，引入弹性误差的模型构建，生成精准的销售预测结果，可有效的生产安排，提高采购达成率。

本发明实施例提供一种弹性适应噪音的销售预测方法，包括：

S10、获取待预测产品的历史销售数据，并进行预处理；

S20、对经过预处理后的历史销售数据，进行特征提取与特征选择；

S30、将选择的特征进行弹性误差计算；所述弹性误差计算包括：机器学习模型的误差函数及分段误差计算；

S40、将所述弹性误差计算引入所述机器学习模型，利用所述预处理后的历史销售数据对所述机器学习模型进行训练；

S50、将预测产品未来销售的相关数据，输入训练后的机器学习模型，生成预测结果。

在一个实施例中，所述步骤S10，包括：

对待预测产品的历史销售数据，进行数据清洗、缺失值插补和异常值处理。

在一个实施例中，所述步骤S20，包括：

将经过预处理后的历史销售数据中的定量数据转换为模型所需的表示方式；将定性数据采用预设规则进行编码；提取重要性高于预设阈值的特征。

在一个实施例中，所述步骤S30，包括：

将选择的各个特征根据重要性划分为k个区间；

对分属于不同区间的特征，与训练集中的样本点进行比较，分别计算Pearson相关系数，相同区间中的相关系数求平均数，所得结果作为对应区间的分段误差；

将所述分段误差与机器学习模型原有的误差函数相结合，进行弹性误差计算。

在一个实施例中，所述步骤S40，包括：

将k个区间的特征输入机器学习模型，利用不同区间的特征对应的弹性误差替换所述机器学习模型的原目标函数中的误差函数项，分别进行训练；

将训练所得的k个模型集成为训练后的机器学习模型。