[发明专利]快递周揽件数据的预测方法、装置、设备及存储介质

权利要求书

1.一种快递周揽件数据的预测方法，其特征在于，所述快递周揽件数据的预测方法包括：

获取快递物流中心的初始快递揽件数据集，对所述初始快递揽件数据集进行数据清洗，得到基础快递揽件数据集，并在所述基础快递揽件数据集中选取出至少一预置周期的周快递揽件数据集；

对所述周快递揽件数据集进行预处理，得到待处理的周快递揽件数据集；

对所述待处理的周快递揽件数据集进行对数运算和差分处理，得到待预测的周快递揽件数据集；

将所述待预测的周快递揽件数据集输入至预置线性回归模型中，通过所述预置线性回归模型对所述待预测的周快递揽件数据集进行预测，得到待校正的周快递揽件数据集；

利用预置误差校正函数对所述待校正的周快递揽件数据集进行校正，得到目标周快递揽件数据集。

2.根据权利要求1所述的快递周揽件数据的预测方法，其特征在于，所述获取快递物流中心的初始快递揽件数据集，对所述初始快递揽件数据集进行数据清洗，得到基础快递揽件数据集，并在所述基础快递揽件数据集中选取出至少一预置周期的周快递揽件数据集包括：

获取快递物流中心的初始快递揽件数据集，判断所述初始快递揽件数据集中的数据是否符合预置数据记录规则；

若所述初始快递揽件数据集中的数据不符合预置数据记录规则，则剔除不符合所述预置数据记录规则的数据，得到基础快递揽件数据集，并在所述基础快递揽件数据集中选取出至少一预置周期的周快递揽件数据集。

3.根据权利要求1所述的快递周揽件数据的预测方法，其特征在于，所述对所述周快递揽件数据集进行预处理，得到待处理的周快递揽件数据集包括：

在所述周快递揽件数据集中筛选出异常数据，所述异常数据用于指示所述周快递揽件数据集中缺失的数据；

确定所述异常数据的异常数据类型，并将所述周快递揽件数据集中数据类型为异常数据类型的数据确定为备选快递揽件数据；

当所述异常数据的异常数据类型为数值型数据时，计算所述备选快递揽件数据的平均揽件数据，并将所述平均揽件数据作为异常数据的替换数据，将替换后的所述周快递揽件数据集确定为待处理的周快递揽件数据集；

当所述异常数据的异常数据类型为非数值型数据时，将所述备选快递揽件数据中出现频次最多的数据作为所述异常数据的替换数据，将替换后的所述周快递揽件数据集确定为待处理的周快递揽件数据集。

4.根据权利要求1所述的快递周揽件数据的预测方法，其特征在于，所述对所述待处理的周快递揽件数据集进行对数运算和差分处理，得到待预测的周快递揽件数据集包括：

依次对所述待处理的周快递揽件数据集中的数据进行两次对数运算，得到运算后的周快递揽件数据集；

对所述运算后的周快递揽件数据集中的数据进行差分处理，得到待预测的周快递揽件数据集。

5.根据权利要求1所述的快递周揽件数据的预测方法，其特征在于，所述将所述待预测的周快递揽件数据集输入至预置线性回归模型中，通过所述预置线性回归模型对所述待预测的周快递揽件数据集进行预测，得到待校正的周快递揽件数据集包括：

将所述待预测的周快递揽件数据集中的数据输入至预置线性回归模型的预置公式中，利用预置公式对所述待预测的周快递揽件数据集进行预测，得到待校正的周快递揽件数据，所述预置公式为：

y＝w′x+e，

其中，y表示待校正的周快递揽件数据，w'表示模型参数，x表示待预测的周快递揽件数据，e表示误差服从均值为0的正态分布；

对预测到的待校正的周快递揽件数据进行整合，得到待校正的周快递揽件数据集。

6.根据权利要求1-5中任一项所述的快递周揽件数据的预测方法，其特征在于，在所述获取快递物流中心的初始快递揽件数据集，对所述初始快递揽件数据集进行数据清洗，得到基础快递揽件数据集，并在所述基础快递揽件数据集中选取出至少一预置周期的周快递揽件数据集之前，所述的快递周揽件数据的预测方法还包括：

获取快递物流中心的历史快递揽件数据集，将所述历史快递揽件数据集输入至预置线性回归模型的预置公式中，计算所述预置公式中的模型参数。