本发明涉及计算机应用技术领域，公开了一种基于生命周期的相互学习长期时序预测方法，包括步骤：（1）收集样本数据并处理数据，将所有样本利用聚类方法将样本分成若干大类，再通过趋势学习模型学习出不同大类的生命周期；（2）单一样本利用神经网络模型...

本发明涉及计算机应用技术领域，公开了一种基于业务特征的稀疏时间序列的预测方法、设备、存储介质及应用，所述方法包括：收集数据与处理数据；构建二阶段预测模型；其中，第一阶段为集成分类模型，按照仓库、SKU维度预测未来是否发生耗用，分类结果有...

本发明涉及一种利用贝叶斯模型对手机备件耗用量中长期预测的方法，包括如下步骤：步骤一、对不同ID的备件，取一段时间n的耗用及投放量数据序列，步骤二、将投放量数据进行特征工程，转换为m+1个时间滞后的特征，步骤三、建立贝叶斯模型；步骤四、特...

本发明涉及物流领域陆运物流时效预测方法,基于LightGBM模型的快递物流时效预测方法，包括如下步骤：S1获取物流时效样本数据；所述物流时效样本数据为两个城市之间快递物流时效数据；S2模型特征变量所需数据为公开数据，收集特征变量数据，并...

本发明涉及一种推荐相似机型的推荐方法，包括：获取到所述终端每个大类的价格、材质、每个月的耗用和总激活数，耗用除以总激活数为故障率，再根据相关系数矩阵计算出每个属性的权重，并根据价格、材质、故障率、权重，计算出所述终端每个大类之间的皮尔逊...

本发明涉及一种小波过滤和字典学习的需求预测方法，包括：步骤1，对历史数据采样，处理；步骤2，对处理后的数据进行拟合，将拟合系数作为字典词条；步骤3，对预测样本进行小波滤波和重构；步骤4，对重构后的样本进行字典学习，对学习结果进行扩展预测...

本发明涉及一种基于集成学习和知识图谱的计算机硬件故障更换备件推荐方法，是基于集成学习和知识图谱的计算机硬件故障更换备件推荐方法，包括以下步骤：数据清洗；二次数据清洗；生成特征词组；将特征词组与计算机机型结合；使用计数向量化器词袋模型进行...

本发明涉及一种手机备件目标库存确定方法，解决了现有技术中当需求耗用连续且呈现出非正态分布时安全库存难以计算和使用切比雪夫不等式3σ原则计算安全库存过于保守的问题，并且运用长短时记忆神经网络(LSTM)预测未来手机备件耗用量，计算出合理的...