[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

说明书

本发明涉及业务量预测领域，公开了快递周揽件数据的预测方法、装置、设备及存储介质，用于提高快递物流领域中预测周揽件数据的准确率。快递周揽件数据的预测方法包括：对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；通过预置线性回归模型对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。

技术领域

本发明涉及业务量预测的技术领域，尤其涉及一种快递周揽件数据的预测方法、装置、设备及存储介质。

背景技术

随着物流领域的不断发展，快递运输方面也在不断完善。其中，在物流领域中对快递进行揽件量的预测是非常必要的，因快递在运输过程中受诸多因素影响，如电商节日活动日期、电商节日活动周期、法定节假日期、月末时间点、临时放假日期、天气情况、经济环境等，一旦对快递的揽件量预测错误，就会造成人力资源、物力资源的浪费。

现有的预测快递揽件量的方法是通过收集大量的快递揽件数据，并将大量的快递揽件数据输入至预置的预测模型中，利用预置的预测模型对快递物流中心的快递揽件数据进行预测。

在采用上述的预测方式对快递揽件数据(如周快递揽件数据)进行预测时，预测到的快递揽件数据与实际揽件数据相差较大，导致预测快递揽件数据的准确率低下。

发明内容

本发明提供了一种快递周揽件数据的预测方法、装置、设备及存储介质，用于提高快递物流领域中预测周揽件数据的准确率。

本发明第一方面提供了一种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。

可选的，在本发明第一方面的第一种实现方式中，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。

可选的，在本发明第一方面的第二种实现方式中，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。