[发明专利]一种加油站油量需求预测方法及系统

说明书

本发明提供一种加油站油量需求预测方法，包括获取当前季度中加油站每天卸油的次数及每次卸油量；根据当前季度中加油站每天卸油次数及每次卸油量，构建季节性序列预测模型和RNN神经网络预测模型；在季节性序列预测模型和所述RNN神经网络预测模型中，分别对下一季度中加油站卸油次数及每次卸油量进行预测，并计算出两个模型预测出的下一季度卸油总量相减后所得差的绝对值；检测所计算出的绝对值是否小于等于预设阈值；若是，则将任一个模型预测出的下一季度中加油站每天卸油次数及每次卸油量作为最终油量需求的预测结果输出。实施本发明，通过大数据对加油站油量需求进行预测，可以为管理部门进行区域油品和油罐车的调配提供便利。

技术领域

本发明涉及加油站油量分析技术领域，尤其涉及一种加油站油量需求预测方法及系统。

背景技术

随着加油站油量需求不断的扩大，仅靠加油站油量不够时再申请补充的传统方式已越来越不适用。上述传统油量不够再申请补充的方式，不仅对管理部门进行区域油品和油罐车的分配数量不够而来不及补充的问题，还可能存在油量需求量不够准确的情况，导致加油人群的不满。

因此，有必要对加油站油量需求进行提前预测，为管理部门进行区域油品和油罐车的调配提供便利。

发明内容

本发明实施例所要解决的技术问题在于，提供一种加油站油量需求预测方法及系统，通过大数据对加油站油量需求进行预测，可以为管理部门进行区域油品和油罐车的调配提供便利。

为了解决上述技术问题，本发明实施例提供了一种加油站油量需求预测方法，所述方法包括以下步骤：

S1、获取当前季度中加油站每天卸油次数及每次卸油量；

S2、根据所获取到的当前季度中加油站每天卸油次数及每次卸油量，构建季节性序列预测模型和RNN神经网络预测模型；

S3、在所述季节性序列预测模型和所述RNN神经网络预测模型中，分别对下一季度中加油站每天卸油次数及每次卸油量进行预测，并进一步计算出所述季节性序列预测模型预测出的下一季度卸油总量与所述RNN神经网络预测模型预测出的下一季度卸油总量相减所得差的绝对值；其中，所述下一季度卸油总量等于下一季度中所含天数内每次卸油量的累加之和；

S4、检测所计算出的差的绝对值是否小于等于预设阈值；

S5、若检测到所计算出的差的绝对值小于等于所述预设阈值，则将所述季节性序列预测模型预测出的下一季度中加油站每天卸油次数及每次卸油量，或所述RNN神经网络预测模型预测出的下一季度中加油站每天卸油次数及每次卸油量作为最终油量需求的预测结果输出。

其中，所述方法进一步包括：

若检测到所计算出的差的绝对值大于所述预设阈值，则根据所获取到的当前季度中加油站卸油次数和卸油量，重新构建所述季节性序列预测模型和所述RNN神经网络预测模型，直至重新构建的季节性序列预测模型预测出的下一季度卸油总量与重新构建的RNN神经网络预测模型预测出的下一季度卸油总量相减所得差的绝对值小于等于所述预设阈值为止；

将重新构建的季节性序列预测模型预测出的下一季度中加油站每天卸油次数及每次卸油量，或重新构建的RNN神经网络预测模型预测出的下一季度中加油站每天卸油次数及每次卸油量作为最终油量需求的预测结果输出。

其中，对所述季节性序列预测模型构建或重建均执行以下步骤，具体包括：

根据所获取到的当前季度中加油站每天卸油次数及每次卸油量，建立各自对应的原始季节性序列；

利用预设的季节指数的方法，消除每一个原始季节性序列的季节性，使得每一个原始季节性序列均转化为平滑的时间序列；

根据所得的两个平滑的时间序列，建立相应的季节性序列预测模型。