[发明专利]快递揽件量的预测方法、装置、设备和存储介质

说明书

本发明公开了一种快递揽件量的预测方法、装置、设备和存储介质，针对当前业内主要采用人工预测或粗略的方法来预测“双十一”的快递揽件量，预测准确率低，造成货物滞留、爆仓等问题，通过获取揽件量的历史数据，对历史数据进行预处理，得到N个历史周期的双十一前的第一数据集及包含双十一的第二数据集；预测第二数据集中第N个历史周期的揽件量总和的同比增长率，从而得到第二数据集中第N个历史周期的揽件量总和的预测值；预测第二数据集中第N个历史周期的日揽件量的占比率，最终得到第二数据集中第N个历史周期的日揽件量预测值。该预测方法，可有效提高双十一的快递揽件量预测的准确性，为双十一购物节的快递资源配置提供更可靠的数据支持。

技术领域

本发明属于业务量预测的技术领域，尤其涉及一种快递揽件量的预测方法、装置、设备和存储介质。

背景技术

预测是大数据最核心的应用，大数据预测将传统意义预测拓展到“现测”。大数据预测的优势体现在它把一个非常困难的预测问题，转化为一个相对简单的描述问题，而这是传统小数据集根本无法企及的。从预测的角度看，大数据预测所得出的结果不仅仅得到处理现实业务简单、客观的结论，更能用于帮助企业经营决策，收集起来的资料还可以被规划，引导开发更大的消费力量。

时间序列数据挖掘以事物在不同时刻的状态所形成的数据为研究对象，通过对时间序列数据的特征进行分析和研究，揭示事物的发展变化规律，用于指导人们的社会、经济、军事和生活等活动。时间序列挖掘对人类社会、科技和经济的发展具有重大意义，正逐渐成为数据挖掘的研究热点之一。

随着物流行业的快速发展，业务量(快递件量)的管控关系着物流公司的业务能否正常进行。因此，对件量进行预测就显得尤为重要。

对于物流领域的件量预测问题，件量总是随时间发生变化的，当前业内主要采用人工预测或粗略的方法来预测快递的揽件量(如月揽件量)，尤其当碰到购物节，如“双十一”或“双十二”时，其揽件量较平时比较大，如预测不准的话会影响后续货车以及人工的调度，造成货物滞留、爆仓的情况，不利于快递公司的业务开展。

发明内容

本发明的目的是提供一种快递揽件量的预测方法、装置、设备和存储介质，有效提高如“双十一”等购物节的快递揽件量预测的准确性，为“双十一”等购物节的快递资源配置提供更可靠的数据支持。

为解决上述问题，本发明的技术方案为：

一种快递揽件量的预测方法，适用于特殊日期的快递揽件量预测，所述快递揽件量的预测方法包括：

步骤S1：获取揽件量的历史数据，对历史数据进行预处理，得到N个历史周期的第一数据集及第二数据集；所述第一数据集为所述特殊日期前的揽件量数据，所述第二数据集为包含所述特殊日期的揽件量数据；

步骤S2：分析第一数据集中N个历史周期的揽件量总和的增长趋势及第二数据集中前N-1个历史周期的揽件量总和的增长趋势，将第一数据集中前N-1个历史周期的揽件量总和的增长趋势与第二数据集中前N-1个历史周期的揽件量总和的增长趋势进行比较，根据比较结果，预测第二数据集中第N个历史周期的揽件量相对于第N-1个历史周期的揽件量的增长率；

步骤S3：根据所述步骤S2中预测得到的增长率及第二数据集中的第N-1个历史周期的揽件量总和，计算得到第二数据集中第N个历史周期的揽件量总和；

步骤S4：分析第二数据集中前N-1个历史周期中每个历史周期的日揽件量，根据分析结果，预测第二数据集中第N个历史周期的日揽件量的占比率；

步骤S5：根据所述步骤S4中预测得到的日揽件量的占比率及所述步骤S3中得到的第N个历史周期的揽件量总和，计算得到第二数据集中第N个历史周期的日揽件量预测值。

根据本发明一实施例，所述步骤S1进一步包括：

清洗历史数据，替换空数据及异常数据；