[发明专利]销量预测及神经网络构建的方法、装置、设备、存储介质

说明书

本申请公开一种销量预测及神经网络构建的方法、装置、设备、存储介质，其中，销量预测方法包括步骤：获取目标商品的至少一个时间窗口内的历史销售数据和所述目标商品的当前产品信息；利用神经网络模型对所述历史销售数据进行空洞卷积处理并提取所述历史销售数据的趋势特征，所述趋势特征表征所述目标商品的商品信息对所述目标商品的历史销量的影响程度；根据所述趋势特征并利用所述神经网络模型训练所述当前产品信息并得到所述目标商品的销量预测数据。本申请能够通过获取商品的历史销售数据准确、有效地对商品后续的销量进行预测，与此同时，本申请的神经网络具有更优的模型表征能力。

技术领域

本申请涉及零售领域，尤其涉及一种销量预测及神经网络构建的方法、装置、设备、存储介质。

背景技术

目前，在零售行业，销量预测是非常核心的一个环节，其销量预测结果用于优化促销定价、库存管理、生产排期等任务。但是由于受季节性影响，换季的产品中95％以上的产品为新品且产品有效周期为13周，及受时尚因素的影响，产品的销量表现成不同趋势，例如，主打款呈现平稳、爆发，平稳、快速下降的趋势。因此，需要对产品的销量进行快速预测。

目前，产品的销量预测主要是依据经验对销量、库存、价格、产品、门店等信息进行特征提取，作为模型的输入进行训练，这种方式得到的预测效果不准确、有效性低。

发明内容

本申请目的在于公开一种销量预测及神经网络构建的方法、装置、设备、存储介质，本申请能够通过获取商品的历史销售数据准确、有效地对商品后续的销量进行预测。

本申请第一方面公开一种销量预测方法，该销售预测方法包括步骤：

获取目标商品的至少一个时间窗口内的历史销售数据和所述目标商品的当前产品信息；

利用神经网络模型对所述历史销售数据进行空洞卷积处理并提取所述历史销售数据的趋势特征，所述趋势特征表征所述目标商品的商品信息对所述目标商品的历史销量的影响程度；

根据所述趋势特征并利用所述神经网络模型训练所述当前产品信息并得到所述目标商品的销量预测数据。

在本申请第一方面中，通过利用神经网络模型对所述历史销售数据进行空洞卷积处理，进而可提取历史销售数据的趋势特征，进而可基于该趋势特征和商品当前的产品信息对商品的后续销量进行预测，与现有技术中基于人工经验训练得到的销量预测数据相比，本申请能够通过提取历史销售数据的趋势特征，能够更好地捕捉商品的历史销售的趋势特征，进而具有更优的模型表征能力、泛化性能和对商品销量的预测准确性。

在本申请第一方面中，作为一种可选的实施方式，在所述利用神经网络模型对所述历史销售数据进行空洞卷积处理并提取所述历史销售数据的趋势特征之后，所述根据所述趋势特征并利用所述神经网络模型训练所述当前产品信息并得到所述目标商品的销量预测数据之前，所述方法还包括步骤：

根据以下公式修正所述神经网络模型训练的损失函数：

其中，a为(0,1)的权重系数，n为训练样数量，y_i为第i训练样本的目标变量，y_i-t为第i个样本在时间序列上一个时间点的目标变量，f为神经网络拟合函数，f(xi)为所述神经网络模型的预测结果。

在本申请实施方式中，通过修正神经网络模型训练的损失函数，能够将商品的历史销售数据的趋势关系加入损失函数，进而进一步提高神经网络模型准确率。

在本申请第一方面中，作为一种可选的实施方式，所述历史销售数据至少包括所述目标商品的历史销量信息、历史价格信息。

在本申请实施例中，通过目标商品的历史销量信息、历史价格信息、历史库存信息能够更加准确地预测商品的后续销售。