1.一种货品销量的预测方法，其特征在于，包括：
获取待预测货品的历史销量数据；
调取由所述历史销量数据中的样本数据训练得到的销量预测模型，以对所述历史销量数据进行分析处理；其中，所述销量预测模型包括：针对降价促销期间的第一预测模型和针对常规销售期间的第二预测模型；
输出所述销量预测模型分析得到的所述待预测货品的预测销量数据。
2.根据权利要求1所述的方法，其特征在于，所述第一预测模型包括：指数分布概率密度函数模型。
3.根据权利要求2所述的方法，其特征在于，所述第一预测模型由所述样本数据中属于降价促销期间的促销样本数据对所述指数分布概率密度函数模型进行参数训练得到。
4.根据权利要求1所述的方法，其特征在于，所述第二预测模型包括：将所述样本数据中属于常规销售期间的常规样本数据进行时间序列分解后，由得到的季节项、趋势项和残余项分别创建的季节项模型、趋势项模型和残余项模型。
5.根据权利要求4所述的方法，其特征在于，所述常规样本数据被采用以周为最小单位的季节性周期进行所述时间序列分解。
6.根据权利要求4所述的方法，其特征在于，所述残余项模型包括基于节假日参数对所述残余项进行加权回归得到的回归模型。
7.根据权利要求1所述的方法，其特征在于，所述样本数据中的缺失数据被补全后，被用于训练得到所述销量预测模型。
8.根据权利要求7所述的方法，其特征在于，当所述缺失数据包括任一销售日的销量数据时，所述任一销售日的销量数据被按照下述方式补全：根据所述任一销售日在所处销售周期中的相对位置，在相邻销售周期中确定对应的特定销售日及其单日销量，并根据所述任一销售日的所处销售周期相对于所述相邻销售周期的销量比例系数，将所述特定销售日的单日销量与所述销量比例系数的乘积作为所述任一销售日的销量数据。
9.根据权利要求1所述的方法，其特征在于，所述样本数据中的离群数据被剔除后，被用于训练得到所述销量预测模型。
10.根据权利要求9所述的方法，其特征在于，所述离群数据被按照下述方式剔除：将所述样本数据进行时间序列分解，将得到的残余项计算高斯分布均值和方差；当存在位于分布量的预设分布比例范围之外的数据时，将相应的残余项置为0，以更新所述样本数据。
11.根据权利要求1所述的方法，其特征在于，还包括：
向所述销量预测模型输入第一时间段的历史销量数据，以得到第二时间段的预测销量；
将所述预测销量与所述第二时间段对应的历史销量数据进行比较；
根据比较结果，对所述销量预测模型进行参数修正，以减小所述预测销量与所述第二时间段对应的历史销量数据之间的差值。
12.一种货品销量的预测装置，其特征在于，包括：
获取单元，获取待预测货品的历史销量数据；
调取单元，调取由所述历史销量数据中的样本数据训练得到的销量预测模型，以对所述历史销量数据进行分析处理；其中，所述销量预测模型包括：针对降价促销期间的第一预测模型和针对常规销售期间的第二预测模型；
输出单元，输出所述销量预测模型分析得到的所述待预测货品的预测销量数据。
13.根据权利要求12所述的装置，其特征在于，所述第一预测模型包括：指数分布概率密度函数模型。
14.根据权利要求13所述的装置，其特征在于，所述第一预测模型由所述样本数据中属于降价促销期间的促销样本数据对所述指数分布概率密度函数模型进行参数训练得到。
15.根据权利要求12所述的装置，其特征在于，所述第二预测模型包括：将所述样本数据中属于常规销售期间的常规样本数据进行时间序列分解后，由得到的季节项、趋势项和残余项分别创建的季节项模型、趋势项模型和残余项模型。
16.根据权利要求15所述的装置，其特征在于，所述常规样本数据被采用以周为最小单位的季节性周期进行所述时间序列分解。
17.根据权利要求15所述的装置，其特征在于，所述残余项模型包括基于节假日参数对所述残余项进行加权回归得到的回归模型。
18.根据权利要求12所述的装置，其特征在于，所述样本数据中的缺失数据被补全后，被用于训练得到所述销量预测模型。
19.根据权利要求18所述的装置，其特征在于，当所述缺失数据包括任一销售日的销量数据时，所述任一销售日的销量数据被按照下述方式补全：根据所述任一销售日在所处销售周期中的相对位置，在相邻销售周期中确定对应的特定销售日及其单日销量，并根据所述任一销售日的所处销售周期相对于所述相邻销售周期的销量比例系数，将所述特定销售日的单日销量与所述销量比例系数的乘积作为所述任一销售日的销量数据。
20.根据权利要求12所述的装置，其特征在于，所述样本数据中的离群数据被剔除后，被用于训练得到所述销量预测模型。
21.根据权利要求20所述的装置，其特征在于，所述离群数据被按照下述方式剔除：将所述样本数据进行时间序列分解，将得到的残余项计算高斯分布均值和方差；当存在位于分布量的预设分布比例范围之外的数据时，将相应的残余项置为0，以更新所述样本数据。
22.根据权利要求12所述的装置，其特征在于，还包括：
输入单元，向所述销量预测模型输入第一时间段的历史销量数据，以得到第二时间段的预测销量；
比较单元，将所述预测销量与所述第二时间段对应的历史销量数据进行比较；
修正单元，根据比较结果，对所述销量预测模型进行参数修正，以减小所述预测销量与所述第二时间段对应的历史销量数据之间的差值。
23.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取待预测货品的历史销量数据；
调取由所述历史销量数据中的样本数据训练得到的销量预测模型，以对所述历史销量数据进行分析处理；其中，所述销量预测模型包括：针对降价促销期间的第一预测模型和针对常规销售期间的第二预测模型；
输出所述销量预测模型分析得到的所述待预测货品的预测销量数据。