一种目标产品的销量数据的预测方法及装置与流程

本发明涉及销量预测，还涉及一种目标产品的销量数据的预测方法及装置。

背景技术：

1、航空公司作为服务行业的重要组成部分，需要不断推出新产品以满足乘客需求，并提升市场竞争力。其中，预付费产品的引入不仅能够吸引更多的乘客，还有助于航空公司提前规划和管理销售收入。准确预测已推出的新型预付费产品销量进而作出收益分析至关重要。其对加速产品市场推广，降低企业运营成本具有重要作用。但是，与传统销量预测方法需依赖大规模历史数据相比，新型预付费产品销量数据较少，并且，预付费产品的销量受到飞行航线、飞行日期、季节性因素等多种因素的影响，销量趋势与变化规律难以准确挖掘。然而，传统方法和简单模型无法准确捕捉到新型预付费产品销量的潜在模式和趋势。

技术实现思路

1、本发明要解决的技术问题是提供一种目标产品的销量数据的预测方法及装置，以解决现有技术中对预付费产品的销量预测不够准确的问题。

2、为解决上述技术问题，本发明的技术方案如下：

3、一种目标产品的销量数据的预测方法，包括：

4、获取目标产品的至少一个维度的第一特征数据；

5、获取与所述目标产品相关性大于预设值的相似产品的至少一个维度的第二特征数据；

6、确定所述第一特征数据和所述第二特征数据的相关性权重；

7、将所述相似产品的至少一个维度的第二特征数据输入预设预测模型进行销量数据预测，获得相似产品在预设时间段内的预测结果；

8、根据所述预测结果和所述相关性权重，确定目标产品在预设时间段内的销量数据。

9、可选的，获取目标产品的至少一个维度的第一特征数据，包括：

10、获取目标产品的产品规则维度、产品购买信息维度以及至少一个时间段维度的第一特征数据。

11、可选的，所述目标产品与所述相似产品的相关性通过以下过程确定：

12、获取目标产品的规则特征和衍生特征、相似产品的规则特征和衍生特征；

13、根据所述目标产品的规则特征和衍生特征、所述相似产品的规则特征和衍生特征，计算得到所述目标产品与所述相似产品的相关性；公式为：

14、，

15、其中，s为目标产品与相似产品的相关性，g为规则特征/衍生特征，m为规则特征和衍生特征的总个数，为目标产品的规则特征/衍生特征，为相似产品的规则特征/衍生特征。

16、可选的，确定所述第一特征数据和所述第二特征数据的相关性权重，包括：

17、获取目标产品的规则特征和衍生特征、相似产品的规则特征和衍生特征；

18、根据所述目标产品的规则特征和衍生特征、所述相似产品的规则特征和衍生特征，计算得到特征相关性；公式为：;

19、根据所述特征相关性，计算得到所述第一特征数据和所述第二特征数据的相关性权重；公式为：；

20、其中，为第i个规则特征/衍生特征的相关性权重，为目标产品与相似产品第i个规则特征/衍生特征的特征相关性，m为规则特征和衍生特征的总个数，为目标产品的第i个规则特征/衍生特征，为相似产品的第i个规则特征/衍生特征。

21、可选的，将所述相似产品的至少一个维度的第二特征数据输入预设预测模型进行销量数据预测，获得相似产品在预设时间段内的预测结果，包括：

22、将所述相似产品的至少一个维度的第二特征数据构建为时间序列数据；所述时间序列数据包括时间和规则特征/衍生特征；

23、对所述时间序列数据进行处理，得到预设位浮点数的第二特征数据；

24、对所述预设位浮点数的第二特征数据进行处理，得到有监督学习的数据；

25、根据所述有监督学习的数据和公式,得到遗忘参数；

26、根据所述遗忘参数和公式、、，得到更新后的状态数据；

27、根据所述更新后的状态数据和公式、，得到相似产品在预设时间段内的预测结果；

28、其中，为t时刻的遗忘参数，为激活函数，为t时刻遗忘门的权重，为t-1时刻的预测结果，为预设时间段，为t时刻遗忘门的偏差向量，为t时刻的输入门，为t时刻输入门的权重, 为t时刻输入门的偏差向量，为t时刻的候选值，为t时刻候选值的权重，为t时刻候选值的偏差向量，为t时刻的元胞状态，为t-1时刻的元胞状态，为t时刻的输出门，为t时刻输出门的权重，为t时刻输出门的偏差向量，为t时刻的预测结果。

29、可选的，预设预测模型通过以下过程进行训练：

30、获取相似产品历史时间段内的产品规则维度、产品购买信息维度以及至少一个时间段维度的历史第二特征数据；

31、对所述历史第二特征数据进行预处理，得到预处理后的历史第二特征数据；

32、对所述预处理后的历史第二特征数据进行筛选，得到筛选后的历史第二特征数据；

33、将所述筛选后的历史第二特征数据构建为历史时间序列数据；

34、对所述历史时间序列数据进行处理，得到32位浮点数的训练数据；

35、对所述训练数据进行处理，得到有监督学习的训练数据；

36、将所述有监督学习的训练数据按照预设比例进行划分，得到训练集和测试集；

37、按照预设窗口长度和训练集对预设网络模型进行训练，得到训练后的网络模型；

38、使用测试集对所述训练后的网络模型进行验证，得到预设预测模型。

39、可选的，根据所述预测结果和所述相关性权重，确定目标产品在预设时间段内的销量数据，包括：

40、将所述预测结果和所述相关性权重输入公式，计算得到目标产品在预设时间段内的销量数据；

41、其中，为目标产品在预设时间段内的销量数据，为相似产品的总个数，为第i个相似产品的预测结果，为第i个规则特征/衍生特征的相关性权重，z为所有相似产品的预测结果的总和，w为所有规则特征和衍生特征的相关性权重构成的权重向量。

42、根据本发明的另一个方面，提供了一种目标产品的销量数据的预测装置，包括：

43、第一获取模块，用于获取目标产品的至少一个维度的第一特征数据；

44、第二获取模块，用于获取与所述目标产品相关性大于预设值的相似产品的至少一个维度的第二特征数据；

45、确定模块，用于确定所述第一特征数据和所述第二特征数据的相关性权重；

46、输入模块，用于将所述相似产品的至少一个维度的第二特征数据输入预设预测模型进行销量数据预测，获得相似产品在预设时间段内的预测结果；

47、预测模块，用于根据所述预测结果和所述相关性权重，确定目标产品在预设时间段内的销量数据。

48、根据本发明的另一个方面，提供了一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上述中任一项所述的方法。

49、根据本发明的另一个方面，提供了一种计算机可读存储介质，其上存储指令，当所述指令在计算机上运行时，使得计算机执行如上述中任一项所述的方法。

50、本发明的上述方案至少包括以下有益效果：

51、本发明的上述方案，通过获取目标产品的第一特征数据，以及与目标产品相关性大于预设值的相似产品的第二特征数据，再确定第一特征数据和第二特征数据的相关性权重，根据相似产品在预设时间段内的销量预测结果和相关性权重，计算得到目标产品在预设时间段内的销量数据，提高了对目标产品销量预测的准确性和可靠性，具有准确性较高的优点。