[发明专利]产品销量预测方法及装置

权利要求书

1.一种产品销量预测方法，其特征在于，包括：

确定产品销量的影响因素数据；

将所述影响因素数据输入至产品销量预测模型，得到所述产品销量预测模型输出的产品销量预测结果；

其中，所述产品销量预测模型是基于产品样本数据以及产品样本数据对应的产品销量结果训练得到的；所述产品销量预测模型用于基于至少两种机器学习模型分别得到所述影响因素数据对应的初始销量预测结果，并对所有初始销量预测结果进行融合，得到所述产品销量预测结果。

2.根据权利要求1所述的产品销量预测方法，其特征在于，所述将所述影响因素数据输入至产品销量预测模型，得到所述产品销量预测模型输出的产品销量预测结果，包括：

将所述影响因素数据输入至所述产品销量预测模型的初始预测层，由所述初始预测层基于至少两种机器学习模型分别对所述影响因素数据进行预测，得到各初始销量预测结果；

将所述各初始销量预测结果输入至所述产品销量预测模型的结果融合层，由所述结果融合层对所述所有初始销量预测结果进行融合，得到所述产品销量预测结果。

3.根据权利要求1所述的产品销量预测方法，其特征在于，在基于产品样本数据以及产品样本数据对应的产品销量结果训练产品销量预测模型的初始模型之前，还包括：对所述产品样本数据进行数据预处理。

4.根据权利要求3所述的产品销量预测方法，其特征在于，所述产品样本数据包括历史销量数据、经济因素数据、自然因素数据以及产品运行数据；

所述对所述产品样本数据进行数据预处理，包括：

对所述历史销量数据依次进行数据规整处理和归一化处理；

获取各经济因素数据的重要度，并在滤除重要度小于预设值对应的经济因素数据后，对各经济因素数据进行归一化处理；

对所述自然因素数据进行分箱处理或独热编码处理后，再进行归一化处理；

对所述产品运行数据进行归一化处理。

5.根据权利要求1至4任一项所述的产品销量预测方法，其特征在于，所述机器学习模型包括组合网络模型、LightGBM模型、RNN网络模型以及CNN网络模型中的至少两种，所述组合网络模型是基于ARIMA模型和BP网络模型得到的。

6.根据权利要求1至4任一项所述的产品销量预测方法，其特征在于，在得到所述产品销量预测模型输出的产品销量预测结果之后，还包括：以目标格式显示所述产品销量预测结果。

7.一种产品销量预测装置，其特征在于，包括：

确定单元，用于确定产品销量的影响因素数据；

预测单元，用于将所述影响因素数据输入至产品销量预测模型，得到所述产品销量预测模型输出的产品销量预测结果；

其中，所述产品销量预测模型是基于产品样本数据以及产品样本数据对应的产品销量结果训练得到的；所述产品销量预测模型用于基于至少两种机器学习模型分别得到所述影响因素数据对应的初始销量预测结果，并对所有初始销量预测结果进行融合，得到所述产品销量预测结果。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述产品销量预测方法的步骤。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述产品销量预测方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述产品销量预测方法的步骤。