本申请涉及一种件量预测方法、装置、计算机设备和存储介质。方法包括：获取待预测时间点所在日期的已有件量数据构成的目标件量数据序列以及与目标件量数据序列对应的多个历史件量数据序列，基于目标件量数据序列与每一历史件量数据序列的序列相似度，从历史件量数据序列筛选出目标件量数据序列，将目标件量数据序列对应的历史日期作为备选基期，获取备选基期的特征数据，基于各特征数据对应的权重参数，从备选基期中筛选目标基期，并将目标基期中与待预测时间点对应的件量数据作为预测件量。通过上述方法，可以实现件量数据的准确预测。测。测。
【技术实现步骤摘要】
件量预测方法、装置、计算机设备和存储介质
[0001]本申请涉及物流
，特别是涉及一种件量预测方法、装置、计算机设备和存储介质。
技术介绍
[0002]物流网络中最重要的两个元素分别是线路和节点，物流网络中的节点主要包括网点和中转场。对于网点而言，主要负责的是快递件的收件和派件，收件是指快递员将快递件从客户处揽收到网点，而派件则是指将快递件从网点派送给客户。每一个网点均需要完成当日的所有快递件的揽收和派送。因此，网点每天各个时间点的快递件量预测是非常重要的，因为预测件量直接涉及到资源投入，例如网点的排班，车辆安排与调度等。预测的准确率可以优化网点人力、车辆等的使用，从而降低网点的投入成本、增大网点的收益。
[0003]现有的件量预测方法是基于历史数据预测得到每一天的件量预测结果，但如果实际的业务数据波动大，比如某电商商家进行店铺周年庆的促销活动，则难以得到精准的预测结果。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够实现的件量的准确预测的件量预测方法、装置、计算机设备和存储介质。
[0005]一种件量预测方法，所述方法包括
[0006]获取待预测时间点所在日期的已有件量数据构成的目标件量数据序列以及与所述目标件量数据序列对应的多个历史件量数据序列；
[0007]基于所述目标件量数据序列与每一所述历史件量数据序列的序列相似度，从所述历史件量数据序列筛选出目标件量数据序列；
[0008]将所述目标件量数据序列对应的历史日期作为备选基期，获取所述备选基期的特征数据；
[0009]基于各所述特征数据对应的权重参数，从所述备选基期中筛选目标基期，并将所述目标基期中与所述待预测时间点对应的件量数据作为预测件量。
[0010]在其中一个实施例中，所述获取待预测时间点所在日期的已有件量数据构成的目标件量数据序列以及与所述目标件量数据序列对应的多个历史件量数据序列，包括：
[0011]获取待预测时间点所在日期的已有件量数据构成的目标件量数据序列；
[0012]基于所述目标件量数据序列中已有件量数据对应的时间点，从与历史日期对应的件量记录数据集合中筛选具有相同时间点的件量数据，得到与所述目标件量数据序列对应的历史件量数据序列。
[0013]在其中一个实施例中，所述基于所述目标件量数据序列中已有件量数据对应的时间点，从与历史日期对应的件量记录数据集合中筛选具有相同时间点的件量数据，得到与所述目标件量数据序列对应的历史件量数据序列之前，还包括：
[0014]获取每一个历史日期对应的历史件量数据集合，所述历史件量数据集合中包括所述历史日期中各个预设时间点对应的历史件量数据，各所述历史件量数据按时间顺序排列；
[0015]检测每一个历史件量数据集合中错误历史件量数据的数量，得到多个与历史件量数据集合对应的检测结果；
[0016]基于所述检测结果，对所述件量记录数据集合进行集合筛选和数据修正，得到多个件量记录数据集合。
[0017]在其中一个实施例中，所述历史件量数据集合中的历史件量数据为对应历史日期在各预设时间点的累计件量数据；
[0018]所述错误历史件量数据，包括取值为空值的历史件量数据、取值小于前一历史件量数据的取值的历史件量数据以及取值大于前一历史件量数据的取值的历史件量数据。
[0019]在其中一个实施例中，所述获取每一个历史日期对应的历史件量数据集合之后，还包括：
[0020]针对每一个历史件量数据集合，执行以下步骤：
[0021]获取所述历史件量数据集合中的最后一个历史件量数据对应的目标数值；
[0022]当所述历史件量数据集合中存在数值大于所述目标数值的历史件量数据时，丢弃所述历史件量数据集合；
[0023]在其中一个实施例中，所述基于所述检测结果，对所述件量记录数据集合进行集合筛选和数据修正包括：
[0024]当历史件量数据集合中的错误历史件量数据的个数大于预设错误数量阈值时，丢弃所述历史件量数据集合；
[0025]当历史件量数据集合中的错误历史件量数据的个数不大于预设错误数量阈值时，获取所述错误历史件量数据的相邻历史件量数据的均值，基于所述均值修正所述错误历史件量数据。
[0026]在其中一个实施例中，所述基于所述目标件量数据序列与每一所述历史件量数据序列的序列相似度，从所述历史件量数据序列筛选出目标件量数据序列包括：
[0027]基于所述目标件量数据序列和各历史件量数据序列，采用多种序列相似度分析方式进行相似度分析，得到每种序列相似度分析方式对应的历史件量数据序列按相似度进行排序的排序结果；
[0028]从每一种序列相似度分析方式对应的排序结果中筛选出预设数量的历史件量数据序列；
[0029]通过对筛选的历史件量数据序列进行序列消除处理，得到目标件量数据序列；
[0030]其中，所述多种序列相似度分析方式包括基于欧式距离的相似度分析、基于余弦相似度的相似度分析以及基于差值波动性的相似度分析中的至少两种。
[0031]一种件量预测装置，所述装置包括：
[0032]序列获取模块，用于获取待预测时间点所在日期的已有件量数据构成的目标件量数据序列以及与所述目标件量数据序列对应的多个历史件量数据序列；
[0033]序列筛选模块，用于基于所述目标件量数据序列与每一所述历史件量数据序列的序列相似度，从所述历史件量数据序列筛选出目标件量数据序列；
[0034]备选基期确定模块，用于将所述目标件量数据序列对应的历史日期作为备选基期，获取所述备选基期的特征数据；
[0035]目标基期选择模块，用于基于各所述特征数据对应的权重参数，从所述备选基期中筛选目标基期，并将所述目标基期中与所述待预测时间点对应的件量数据作为预测件量。
[0036]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0037]获取待预测时间点所在日期的已有件量数据构成的目标件量数据序列以及与所述目标件量数据序列对应的多个历史件量数据序列；
[0038]基于所述目标件量数据序列与每一所述历史件量数据序列的序列相似度，从所述历史件量数据序列筛选出目标件量数据序列；
[0039]将所述目标件量数据序列对应的历史日期作为备选基期，获取所述备选基期的特征数据；
[0040]基于各所述特征数据对应的权重参数，从所述备选基期中筛选目标基期，并将所述目标基期中与所述待预测时间点对应的件量数据作为预测件量。
[0041]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0042]获取待预测时间点所在日期的已有件量数据构成的目标件量数据序列以及与所述目标件量数据序列对应的多个历史件量数据序列；
[0043]基于所述目标件量数据序列与每一所述历史件量数据序列的序列本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种件量预测方法，其特征在于，所述方法包括：获取待预测时间点所在日期的已有件量数据构成的目标件量数据序列以及与所述目标件量数据序列对应的多个历史件量数据序列；基于所述目标件量数据序列与每一所述历史件量数据序列的序列相似度，从所述历史件量数据序列筛选出目标件量数据序列；将所述目标件量数据序列对应的历史日期作为备选基期，获取所述备选基期的特征数据；基于各所述特征数据对应的权重参数，从所述备选基期中筛选目标基期，并将所述目标基期中与所述待预测时间点对应的件量数据作为预测件量。2.根据权利要求1所述的方法，其特征在于，所述获取待预测时间点所在日期的已有件量数据构成的目标件量数据序列以及与所述目标件量数据序列对应的多个历史件量数据序列，包括：获取待预测时间点所在日期的已有件量数据构成的目标件量数据序列；基于所述目标件量数据序列中已有件量数据对应的时间点，从与历史日期对应的件量记录数据集合中筛选具有相同时间点的件量数据，得到与所述目标件量数据序列对应的历史件量数据序列。3.根据权利要求1所述的方法，其特征在于，所述基于所述目标件量数据序列中已有件量数据对应的时间点，从与历史日期对应的件量记录数据集合中筛选具有相同时间点的件量数据，得到与所述目标件量数据序列对应的历史件量数据序列之前，还包括：获取每一个历史日期对应的历史件量数据集合，所述历史件量数据集合中包括所述历史日期中各个预设时间点对应的历史件量数据，各所述历史件量数据按时间顺序排列；检测每一个历史件量数据集合中错误历史件量数据的数量，得到多个与历史件量数据集合对应的检测结果；基于所述检测结果，对所述件量记录数据集合进行集合筛选和数据修正，得到多个件量记录数据集合。4.根据权利要求3所述的方法，其特征在于，所述历史件量数据集合中的历史件量数据为对应历史日期在各预设时间点的累计件量数据；所述错误历史件量数据，包括取值为空值的历史件量数据、取值小于前一历史件量数据的取值的历史件量数据以及取值大于前一历史件量数据的取值的历史件量数据。5.根据权利要求4所述的方法，其特征在于，所述获取每一个历史日期对应的历史件量数据集合之后，还包括：针对每一个历史件量数据集合，执行以下步骤：获取所述历史件量数据集合中的最后一个历史件量数据对应的目标数值；当所述历史件量数据集合中存在数值...
【专利技术属性】
技术研发人员：王立帅，丁宇，李凤，湛长兰，闵炎华，许胜，张树荣，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。