物品需求量生成方法、装置、设备、介质和程序产品与流程

1.本公开的实施例涉及计算机技术领域，具体涉及物品需求量生成方法、装置、设备、介质和程序产品。


背景技术：

2.需求预测是库存管理等规划活动重要的基础。很多情况下，在一段时间内，需求量可能会出现稀疏性和间断性，即存在一些需求量为零的情况，在一些零配件行业尤其如此。对于这类间断性需求预测，相关的预测方法通常采用单一模型进行预测。
3.然后，发明人发现，当采用上述方式进行间断性需求预测时，经常会存在如下技术问题：利用单一模型进行预测，存在预存准确率不高的问题。


技术实现要素：

4.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了物品需求量生成方法、装置、设备、介质和程序产品，来解决以上背景技术部分提到的技术问题中的一项或多项。
5.第一方面，本公开的一些实施例提供了一种物品需求量生成方法，包括：根据待预测物品的需求间隔参数，确定待预测物品是否为间断性需求物品；响应于确定待预测物品为间断性需求物品，获取预先训练的模型池和弹性网络，模型池中的模型用于输出预测需求量，弹性网络用于根据模型池中各个模型的预测需求量，输出待预测物品的物品需求量；利用模型池和弹性网络，生成待预测物品的物品需求量。
6.第二方面，本公开的一些实施例提供了一种物品需求量生成装置，包括：确定单元，被配置成根据待预测物品的需求间隔参数，确定待预测物品是否为间断性需求物品；获取单元，被配置成响应于确定待预测物品为间断性需求物品，获取预先训练的模型池和弹性网络，模型池中的模型用于输出预测需求量，弹性网络用于根据模型池中各个模型的预测需求量，输出待预测物品的物品需求量；生成单元，被配置利用模型池和弹性网络，生成待预测物品的物品需求量。
7.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
8.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
9.第五方面，本公开的一些实施例提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述第一方面任一实现方式所描述的方法。
10.本公开的上述各个实施例具有如下有益效果：通过对模型池中的各个模型的预测需求量进行融合，从而提高生成的物品需求量的准确率。具体来说，造成相关的预测方法的准确率不高的原因在于：利用单一模型进行预测。基于此，本公开的一些实施例的物品需求量生成方法，利用模型池中的多个模型进行预测，在此基础上，通过弹性网络进行预测集合的融合，从而可以综合各个模型的预测结果，发挥各个模型的优势，从而提高预测准确率。
附图说明
11.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
12.图1是根据本公开的一些实施例的物品需求量生成方法的一个应用场景的示意图；图2是根据本公开的物品需求量生成方法的一些实施例的流程图；图3是根据本公开的物品需求量生成方法中的模型池和弹性网络的训练方法的流程图；图4是根据本公开的物品需求量生成装置的一些实施例的结构示意图；图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
13.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
14.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
15.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
16.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
17.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
18.下面将参考附图并结合实施例来详细说明本公开。
19.图1是根据本公开一些实施例的物品需求量生成方法的一个应用场景的示意图。
20.如图1所示，物品需求量生成方法的执行主体可以首先根据待预测物品的需求间隔参数101，确定待预测物品是否为间断性需求物品。响应于确定待预测物品为间断性需求物品，获取预先训练的模型池102和弹性网络103。作为示例，模型池102中的模型包括croston、sba、sbj、lightgbm。这些模型用于输出预测需求量，弹性网络103用于根据模型池中各个模型的预测需求量，输出待预测物品的物品需求量。在此基础上，利用模型池102和弹性网络103，生成待预测物品的物品需求量104。
21.继续参考图2，示出了根据本公开的物品需求量生成方法的一些实施例的流程200。该物品需求量生成方法，包括以下步骤：步骤201，根据待预测物品的需求间隔参数，确定待预测物品是否为间断性需求物品。
22.实践中，有的物品的需求量在一段时间内的不同时间点是连续的。例如，对于“纸巾”，在一个月内每天都有一定的销量，也就是说，每天都有需求量，那么，“纸巾”可以认为是连续性需求物品。与之相对应的，即为间断性需求物品。为了能准确的区分连续性需求物品和间断性需求物品，我们引入了需求间隔参数。
23.实践中，作为示例，需求间隔参数可以是平均需求间隔。作为另一示例，需求间隔参数可以包括平均需求间隔和零需求占比。
24.其中，平均需求间隔可以是一段时间内，相邻两次非零需求量之间的间隔时长的均值。举例来说，1月1日至1月10日，每天的需求量依次为1、0、0、2、0、5、0、0、0、4。其中，1月1日与1月4日之间的间隔时长为2，1月4日与1月6日之间的间隔时长为1，1月6日与1月10日之间的间隔时长为3，平均的间隔时长2。零需求占比为一段时间内零需求量个数在总需求量个数中的占比。此时，零需求占比为60%。
25.在一些实施例中，物品需求量生成方法的执行主体（可以是各种电子设备）可以根据待预测物品的需求间隔参数，确定待预测物品是否为间断性需求物品。可选的，若平均需求间隔的值大于或等于预设需求间隔阈值，可以认为待预测物品是间断性需求物品。若平均需求间隔的值小于预设需求间隔阈值，可以认为待预测物品不是间断性需求物品，而是连续性需求物品。另外，根据实际需要，还可以将最大需求间隔的值与预设需求间隔阈值进行比较，从确定待预测物品是否为间断性需求物品。例如，若最大需求间隔的值大于或等于预设需求间隔阈值，可以认为待预测物品是间断性需求物品。
26.在一些实施例的一些可选的实现方式中，在确定待预测物品为间断性需求物品的基础上，可以进一步确定待预测物品的需求稀疏程度值。具体的，响应于确定待预测物品为间断性需求物品，获取预先训练的模型池和弹性网络，包括：响应于确定待预测物品为间断性需求物品，确定待预测物品的需求稀疏程度值；响应于确定需求稀疏程度值大于预设稀疏程度阈值，获取预先训练的模型池和弹性网络。其中，需求稀疏程度值越大，说明物品的需求量的越稀疏。需求稀疏程度值的不同，适用的需求量预测方法也有所不同，进而需求量预测的准确率也不同。基于此，在确定需求稀疏程度值大于预设稀疏程度阈值的情况下，才执行后续步骤，即，获取预先训练的模型池和弹性网络。在确定需求稀疏程度值小于或等于预设稀疏程度阈值的情况下，可以不执行后续步骤。其中，需求稀疏程度值可以通过零需求占比表示。
27.步骤202，响应于确定待预测物品为间断性需求物品，获取预先训练的模型池和弹性网络。
28.在一些实施例中，模型池和弹性网络可以是经过预先训练的。其中，模型池中的各个模型可以是适用于间断性需求物品的需求量预测的模型，模型池中的模型为统计时序模型或机器学习模型，例如可以是croston（克罗斯顿算法）及其变体、sba、sbj、lightgbm（light gradient boosting machine基于决策树算法的分布式梯度提升框架）等。其中，croston提出了一种组合式的预测方案，其特点在于，把非零需求量和需求量之间的间隔分
开进行预测，通过预测出的间隔与需求量，形成最终的时间序列预测结果。sba（syntetos-boylan approximation，一种间断性需求算法）、tsb（一种间断性需求算法）均为在croston基础上做了一些系数修正，目的是使其估计无偏。模型池中的每个模型可以输出预测需求量。
29.在一些实施例中，弹性网络用于根据模型池中各个模型的预测需求量，输出待预测物品的物品需求量。例如，可以对模型池中各个模型的预测需求量进行加权，从而得到待预测物品的物品需求量。其中，各个模型的权重可以在模型训练过程中确定。
30.在一些实施例中，弹性网络（elasticnet）是一种线性回归模型，是由岭回归和lasso回归的组合。
31.步骤203，利用模型池和弹性网络，生成待预测物品的物品需求量。
32.在一些实施例中，可以将待预测物品的、与需求量预测的相关的特征输入模型池中各个模型，得到多个实际预测值。然后，将多个实际预测值输入弹性网络，得到待预测物品的物品需求量。
33.在一些实施例的一些可选的实现方式中，上述方法还包括：根据物品需求量，控制补货设备对待预测物品进行补货。从而可以在节省库存控制成本的同时，通过准确判断需求量规避缺货风险。
34.在一些实施例中，通过对模型池中的各个模型的预测需求量进行融合，从而提高生成的物品需求量的准确率。具体来说，造成相关的预测方法的准确率不高的原因在于：利用单一模型进行预测。基于此，本公开的一些实施例的物品需求量生成方法，利用模型池中的多个模型进行预测，在此基础上，通过弹性网络进行预测集合的融合，从而可以综合各个模型的预测结果，发挥各个模型的优势，从而提高预测准确率。
35.继续参考图3，示出了根据本公开的一些实施例的物品需求量生成方法中的模型池和弹性网络的训练方法的流程300，该训练方法，包括以下步骤：步骤301，获取样本集，样本集包括训练样本集、验证样本集。
36.在一些实施例中，训练方法的执行主体可以与物品需求量生成方法的执行主体可以一致，也可以不一致。训练方法的执行主体可以获取样本集。其中，样本集包括训练样本集、验证样本集。其中，样本集中的样本包括需求量影响特征和真实需求量。实践中，需求量影响特征可以包括物品属性、日期信息、天气信息、促销折扣信息等等。
37.可选的，样本集中还可以包括测试样本集，用于测试模型的预测能力。
38.步骤302，基于训练样本集对初始模型池中的初始模型进行训练，得到模型池。
39.在一些实施中，上述执行主体可以基于训练样本集中的样本对至初始模型池中的各个初始模型进行训练。作为示例，可以通过反向传播、随机梯度下降的方式对各个初始模型进行训练，直至满足训练结束条件，进而得到模型池。
40.步骤303，将验证样本集中的样本中的需求量影响特征分别输入模型池中各个模型，得到多个需求量预测值。
41.在一些实施例中，上述执行主体可以将验证样本集中的样本中的需求量影响特征，分别输入步骤302中得到的模型池中的各个模型，得到各个模型的输出的多个需求量预测值。
42.步骤304，将多个需求量预测值作为初始弹性网络的输入，将验证样本集中的样本
中的真实需求量作为初始弹性网络的期望输出，对初始弹性网络进行训练，得到弹性网络。
43.在一些实施例中，上述执行主体可以将多个需求量预测值作为初始弹性网络的输入，将与输入的样本相对应的真实需求量作为期望输出，调整初始弹性网络的网络参数，从而对初始弹性网络进行训练，直至满足训练停止条件，从而得到弹性网络。其中，由于经过训练，弹性网络学习到了适合的权重，从而对各个模型的预测需求量以适合的权重进行加权。在一些实施例中，可以通过梯度下降算法，对损失函数进行优化。损失函数可以采误差平方和（sse），从而确定sse最小时的参数。其中，由于弹性网络是由岭回归和lasso回归的组合，因此sse包括l1 正则项和l2 正则项，以使得弹性网络既保留了lasso回归的特征选择特性，又兼顾了岭回归的稳定性。
44.在一些实施例中，由于经过训练，弹性网络学习到了适合的权重，从而对各个模型的预测需求量以适合的权重进行加权，以提高物品需求量的预测准确率。
45.进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种物品需求量预测模型生成装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
46.如图4所示，一些实施例的物品需求量生成装置400包括：确定单元401，被配置成根据待预测物品的需求间隔参数，确定待预测物品是否为间断性需求物品。获取单元402被配置成响应于确定待预测物品为间断性需求物品，获取预先训练的模型池和弹性网络，模型池中的模型用于输出预测需求量，弹性网络用于根据模型池中各个模型的预测需求量，输出待预测物品的物品需求量。生成单元403被配置利用模型池和弹性网络，生成待预测物品的物品需求量。
47.在一些实施例的一些可选的实现方式中，获取单元402进一步被配置成：响应于确定待预测物品为间断性需求物品，确定待预测物品的需求稀疏程度值；响应于确定需求稀疏程度值大于预设稀疏程度阈值，获取预先训练的模型池和弹性网络。
48.在一些实施例的一些可选的实现方式中，模型池和弹性网络是通过以下步骤训练得到的：获取样本集，样本集包括训练样本集、验证样本集，样本集中的样本包括需求量影响特征和真实需求量；基于训练样本集对初始模型池中的初始模型进行训练，得到模型池；将验证样本集中的样本中的需求量影响特征分别输入模型池中各个模型，得到多个需求量预测值；将多个需求量预测值作为初始弹性网络的输入，将验证样本集中的样本中的真实需求量作为初始弹性网络的期望输出，对初始弹性网络进行训练，得到弹性网络。
49.在一些实施例的一些可选的实现方式中，需求间隔参数包括平均需求间隔；以及确定单元401进一步被配置成：响应于确定待预测物品的平均需求间隔的值大于或等于预设需求间隔阈值，确定待预测物品是间断性需求物品。
50.在一些实施例的一些可选的实现方式中，物品需求量生成装置400还包括：补货单元，被配置成：根据物品需求量，控制补货设备对待预测物品进行补货。
51.可以理解的是，该装置400记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400其包含的单元，在此不再赘述。
52.下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备（例如图1中的计算设备）500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开的实
施例的功能和使用范围带来任何限制。
53.如图5所示，电子设备500可以包括处理装置（例如中央处理器、图形处理器等）501，其可以根据存储在只读存储器（rom）502中的程序或者从存储装置508加载到随机访问存储器（ram）503中的程序而执行各种适当的动作和处理。在ram 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、rom 502以及ram 503通过总线504彼此相连。输入/输出（i/o）接口505也连接至总线504。
54.通常，以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506包括例如液晶显示器（lcd）、扬声器、振动器等的输出装置505；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
55.特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从rom 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
56.需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf（射频）等等，或者上述的任意合适的组合。
57.在一些实施方式中，客户端、服务器可以利用诸如http（hypertext transfer protocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“lan”），广域网（“wan”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
58.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：根据待预测物品的需求间隔参数，确定待预测物品是否为间断性需求物品；响应于确定待预测物品为间断性需求物品，获取预先训练的模型池和弹性网络，模型池中的模型用于输出预测需求量，弹性网络用于根据模型池中各个模型的预测需求量，输出待预测物品的物品需求量；利用模型池和弹性网络，生成待预测物品的物品需求量。
59.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（lan）或广域网（wan）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
60.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
61.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括样本集确定单元、获取单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，确定单元还可以被描述为“确定待预测物品是否为间断性需求物品的单元”。
62.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、片上系统（soc）、复杂可编程逻辑设备（cpld）等等。
63.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。