[发明专利]基于模型融合的件量预测方法、装置、设备及存储介质

说明书

一种基于模型融合的件量预测方法、装置、设备及存储介质，其中，预测方法包括步骤：获取件量的历史数据，对历史数据进行预处理并筛选出目标件量数据信息；根据目标件量数据信息构建多种预测模型，并使用多种模型融合方法中的任一种模型融合方法融合各种预测模型，从而构成用于预测快递件量的多种件量预测融合模型；采用各种件量预测融合模型分别进行件量预测，并根据实际件量数据信息计算各种件量预测融合模型的件量预测结果的误差信息，筛选误差最小的件量预测融合模型作为目标件量预测融合模型；根据筛选的目标件量预测融合模型进行件量预测。采用模型融合方法将各种预测模型融合后对快递的件量进行预测，可以极大地提高件量的预测准确率。

技术领域

本发明涉及快递技术领域，具体涉及一种基于模型融合的件量预测方法、装置、设备及存储介质。

背景技术

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。

目前，快递行业内对件量的预测仍存在以下缺陷：

1、快递行业件量波动较大，难以预测，误差较大，会影响工作人员、车辆等资源的不足与浪费；

2、快递行业件量预测需求较多，件量预测影响快递各环节的效率；

3、快递行业的件量预测不仅受近期、同期、周期、天气、经济环境等影响，还受各预测模型影响，件量预测准确性较低。

发明内容

为解决快递技术领域中快递件量准确预测的问题，本申请提供一种基于模型融合的件量预测方法、装置、设备及存储介质，通过将各预测模型进行融合以对快递件量进行预测，提高预测准确率。

本发明技术方案如下：

本发明提供一种件量预测融合模型生成方法，包括步骤：

获取件量的历史数据，对所述历史数据进行预处理并筛选出目标件量数据信息；

根据所述目标件量数据信息构建多种预测模型，并使用多种模型融合方法中的任一种模型融合方法融合各种预测模型，从而构成用于预测快递件量的多种件量预测融合模型；

采用各种件量预测融合模型分别进行件量预测，并根据实际件量数据信息计算各种件量预测融合模型的件量预测结果的误差信息，筛选误差最小的件量预测融合模型作为目标件量预测融合模型；

根据筛选的所述目标件量预测融合模型进行件量预测。

进一步优选的，所述预测模型包括定性预测模型、时间序列预测模型、面板数据预测模型、小波分析预测模型、LSTM预测模型中的多种，所述模型融合方法包括投票方法、平均方法、Bagging方法和Boosting方法中的多种。

进一步优选的，所述采用各种件量预测融合模型进行件量预测包括件量的数量的预测及件量的预测指标的预测。

进一步优选的，所述预测指标包括近期因素、同期因素和周期因素，其中，所述近期因素包括近期件量、近期件量平滑值、近期周平均值，所述同期因素包括历史年度中同期件量指标，所述周期因素包括历史周中同一天的件量、历史月中同一天的件量、历史季度中同一天的件量、历史年度中同一天的件量。

进一步优选的，所述根据实际件量数据信息计算各种件量预测融合模型的件量预测结果的误差信息，具体包括计算件量预测误差值、件量预测误差率、模型误差、测量误差、截断误差和舍入误差中的任一种或多种误差信息。

进一步优选的，所述件量预测误差值和件量预测误差率的计算过程是：

根据实际件量的数量和预测件量的数量计算件量预测误差值；

利用件量预测融合模型进行多次件量预测，根据多次件量预测的数值计算件量预测误差率。