物资领用需求的预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种物资领用需求的预测方法、装置、电子设备及存储介质，所述方法包括：获取并修正关于领用物资的历史需求数据得到修正数据；对所述修正数据的时间维度进行筛选和补全处理得到补全数据；将所述补全数据进行时序聚合并提取对应的特征得到特征数据；利用所述特征数据进行加权预测得到物资领用预测结果。本发明专利技术可以对物资的历史需求数据进行修补，并根据其时间维度进行聚合、汇总和特征提取，最后利用总体的特征数据进行加权预测，不但以实现不同时间维度预测的效果，而且可以按照用户的历史数据进行预测，可以提高预测的准确率，方便用户进行后续的物资管理。方便用户进行后续的物资管理。方便用户进行后续的物资管理。

【技术实现步骤摘要】
物资领用需求的预测方法、装置、电子设备及存储介质


[0001]本专利技术涉及需求预测的
，尤其涉及一种物资领用需求的预测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着电力物资供应链的发展，战略储备物资、配网防灾应急储备物资和业扩配套项目物资需求规模不断扩大，对现在仅靠主观经验开展物资领用需求预测的工作方式带来了巨大的挑战。为了应付日益增加的物资管理需求，需要预测物资的领用需求，以辅助用户提前进行物资储备和管理。
[0003]目前常用的物资需求预测方式是获取物资的全过程数据并采用最小二乘支持向量机、回声状态网络及正则化极限学习相结合的方式，构建形成多层级综合电力物资需求预测模型，最后利用预测模型进行需求预测。
[0004]但目前常用的预测方法有如下技术问题：由于电力物资领用周期和管理要求，需要预测不同时间跨度的物资数量。而不同时间跨度的历史数据能够挖掘到的信息是完全不同的，所以利用全过程数据建立的预测模型难以在处理不同时间跨度时间的物资预测，预测准确率较低，难以满足现有的使用需求。

技术实现思路

[0005]本专利技术提出一种物资领用需求的预测方法、装置、电子设备及存储介质，所述方法可以针对物资的历史需求数据的时间维度进行电力物资需求预测，在预测满足要求的同时提升预测准确性。
[0006]本专利技术实施例的第一方面提供了一种物资领用需求的预测方法，所述方法包括：获取并修正关于领用物资的历史需求数据得到修正数据；
[0007]对所述修正数据的时间维度进行筛选和补全处理得到补全数据；
[0008]将所述补全数据进行时序聚合并提取对应的特征得到特征数据；
[0009]利用所述特征数据进行加权预测得到物资领用预测结果。
[0010]在第一方面的一种可能的实现方式中，所述将所述补全数据进行时序聚合并提取对应的特征得到特征数据，包括：
[0011]聚合所述补全数据所包含的关于每种领用物资对应的具有相同变化趋势的时序序列得到聚合序列；
[0012]滤波与分解所述聚合序列得到特征数据。
[0013]在第一方面的一种可能的实现方式中，所述聚合所述补全数据所包含的关于每种领用物资对应的具有相同变化趋势的时序序列得到聚合序列，包括：
[0014]随机生成与每个电力物资的时序序列对应的k个质心，其中，所述质心与电力物资的时序序列的时间长度相同；
[0015]利用每种电力物资的时序序列与所述k个质心迭代计算得到聚合序列。
[0016]在第一方面的一种可能的实现方式中，所述利用每种电力物资的时序序列与所述k个质心迭代计算得到聚合序列，包括：
[0017]计算每种电力物资的时序序列与所述k个质心对应的k个动态时间规整距离；
[0018]从所述k个动态时间规整距离中筛选数值最小的目标动态时间规整距离；
[0019]将所述目标动态时间规整距离对应的时序序列划分为k簇，并使用所述k簇的时间序列的均值重新生成k个质心；
[0020]按照预设的迭代次数重复执行所述每种电力物资的时序序列与所述k个质心的动态时间规整距离的步骤，得到聚合序列。
[0021]在第一方面的一种可能的实现方式中，所述滤波与分解所述聚合序列得到特征数据，包括：
[0022]采用预设的Kalman滤波方法对聚合序列进行滤波处理得到滤波序列；
[0023]使用统计学方法对所述滤波序列进行特征分解得到特征数据。
[0024]在第一方面的一种可能的实现方式中，所述利用所述特征数据进行加权预测得到物资领用预测结果，包括：
[0025]将所述特征数据分别输入至预设的LightGBM模型和预设的统计学ARIMA模型，分别得到GBM预测结果和ARIMA预测结果；
[0026]对所述GBM预测结果和所述ARIMA预测结果进行几何加权汇总，得到物资领用预测结果；
[0027]所述几何加权汇总的计算公式如下：
[0028]Prediction＝predModel
α
×
predRule
(1
‑
α)
；
[0029]其中：GBM预测结果为predModel，ARIMA预测结果为predRule，α为模型权重。
[0030]在第一方面的一种可能的实现方式中，所述将所述特征数据分别输入至预设的LightGBM模型得到GBM预测结果，包括：
[0031]对所述特征数据进行特征构建得到构建数据；
[0032]将所述构建数据输入至预设的LightGBM模型得到GBM预测结果。
[0033]在第一方面的一种可能的实现方式中，所述将所述特征数据输入至预设的统计学ARIMA模型得到ARIMA预测结果，包括：
[0034]采用统计方式从所述特征数据提取趋势特征、季节性特征、周期性特征和不规则特征；
[0035]对所述趋势特征进行差分处理得到差分数据；
[0036]将所述差分数据输入到预设的统计学ARIMA模型得到差分预测结果；
[0037]分别将所述差分预测结果累加汇总至所述季节性特征、所述周期性特征和所述不规则特征并调节至预设范围值，得到ARIMA预测结果。
[0038]在第一方面的一种可能的实现方式中，所述筛选和补全处理具体为：
[0039]从所述修正数据的时间维度中筛选若干个缺失时间维度；
[0040]分别添加预设的单位时间数值至每个所述缺失时间维度对应的数据栏中。
[0041]本专利技术实施例的第二方面提供了一种物资领用需求的预测装置，所述装置包括：
[0042]获取模块，用于获取并修正关于领用物资的历史需求数据得到修正数据；
[0043]筛选与补全模块，用于对所述修正数据的时间维度进行筛选和补全处理得到补全
数据；
[0044]聚合与提取模块，用于将所述补全数据进行时序聚合并提取对应的特征得到特征数据；
[0045]加权预测模块，用于利用所述特征数据进行加权预测得到物资领用预测结果。
[0046]相比于现有技术，本专利技术实施例提供的一种物资领用需求的预测方法、装置、电子设备及存储介质，其有益效果在于：本专利技术可以对物资的历史需求数据进行修补，并根据其时间维度进行聚合、汇总和特征提取，最后利用总体的特征数据进行加权预测，不但以实现不同时间维度预测的效果，而且可以按照用户的历史数据进行预测，可以提高预测的准确率，方便用户进行后续的物资管理。
附图说明
[0047]图1是本专利技术一实施例提供的一种物资领用需求的预测方法的流程示意图；
[0048]图2是本专利技术一实施例提供的一种物资领用需求的预测装置的结构示意图。
具体实施方式
[0049]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物资领用需求的预测方法，其特征在于，所述方法包括：获取并修正关于领用物资的历史需求数据得到修正数据；对所述修正数据的时间维度进行筛选和补全处理得到补全数据；将所述补全数据进行时序聚合并提取对应的特征得到特征数据；利用所述特征数据进行加权预测得到物资领用预测结果。2.根据权利要求1所述的物资领用需求的预测方法，其特征在于，所述将所述补全数据进行时序聚合并提取对应的特征得到特征数据，包括：聚合所述补全数据所包含的关于每种领用物资对应的具有相同变化趋势的时序序列得到聚合序列；滤波与分解所述聚合序列得到特征数据。3.根据权利要求2所述的物资领用需求的预测方法，其特征在于，所述聚合所述补全数据所包含的关于每种领用物资对应的具有相同变化趋势的时序序列得到聚合序列，包括：随机生成与每个电力物资的时序序列对应的k个质心，其中，所述质心与电力物资的时序序列的时间长度相同；利用每种电力物资的时序序列与所述k个质心迭代计算得到聚合序列。4.根据权利要求3所述的物资领用需求的预测方法，其特征在于，所述利用每种电力物资的时序序列与所述k个质心迭代计算得到聚合序列，包括：计算每种电力物资的时序序列与所述k个质心对应的k个动态时间规整距离；从所述k个动态时间规整距离中筛选数值最小的目标动态时间规整距离；将所述目标动态时间规整距离对应的时序序列划分为k簇，并使用所述k簇的时间序列的均值重新生成k个质心；按照预设的迭代次数重复执行所述每种电力物资的时序序列与所述k个质心的动态时间规整距离的步骤，得到聚合序列。5.根据权利要求2所述的物资领用需求的预测方法，其特征在于，所述滤波与分解所述聚合序列得到特征数据，包括：采用预设的Kalman滤波方法对聚合序列进行滤波处理得到滤波序列；使用统计学方法对所述滤波序列进行特征分解得到特征数据。6.根据权利要求1所述的物资领用需求的预测方法，其特征在于，所述利用所述特征数据进行加权预测得到物资领用预测结果，包括：将所述特征数据分别输入至预设的LightGBM模型和预设...

【专利技术属性】
技术研发人员：钟炯聪，赵恒，刘鹏飞，李永忠，张柏雄，郭伟祥，张金金，李峥成，何劲韬，范慧敏，郎怡亮，黄展钊，潘韦，
申请(专利权)人：南方电网供应链广东有限公司，
类型：发明
国别省市：