药品销售数额预测方法与流程

本发明涉及一种大数据与人工智能和医药交叉技术，特别涉及一种药品销售数额预测方法。

背景技术：

1、信息技术蓬勃发展意味着海量数据的出现，这些数据表现出大量的信息特征，能够在一定程度上为未来数据预测提供基准。预测模型是药品销售领域中具有较高应用价值的研究问题之一。目前常用的预测模型有arima时间序列模型，lstm、bp神经网络模型，在某些场景下有不错的预测结果。但是时间序列模型无法考虑其他非季节和趋势性因素对销售量的影响，单独使用bp神经网络模型预测药品销售这类非线性的数据，容易陷入局部最小值，造成预测不准确的情况。

技术实现思路

1、针对药品需求预测问题，提出了一种药品销售数额预测方法，引入遗传算法，通过其全局寻优能力获得bp神经网络各层的最优连接权值和阈值，从而得到全局最优或近似最优的预测结果。基于多时间维度的多种类药品销售数据，为医药机构或企业提供未来药品销售情况的区间预测服务，辅助机构或企业更好地制定药品销售、生产计划。

2、本发明的技术方案为：一种药品销售数额预测方法，将每种药品按照年份进行偏移对应，形成年份在前的训练样本和年份在后的测试样本；在训练样本中选择连续年限的数据构造出训练样本xi，对应训练样本xi中最近年限的后一年数据作为期望输出，构建bp神经网络药品销售预测模型；对训练样本的预测输出和期望输出计算误差，然后通过反向传播不断修正网络各层的连接权值和阈值；直到达到给定训练轮次为止，运用测试集验证预测精度，如果精度不满足要求，则回到遗传算法继续寻找迭代直到收敛，完成bp神经网络训练，训练后bp神经网络用于对未来年份的销售额进行预测。

3、进一步，所述修正网络各层的连接权值和阈值的方法：对网络各层的连接权值和阈值进行编码，将均方误差的倒数作为适应度函数，通过选择复制、交叉和变异操作迭代优化，满足条件后得到适应度最高的种群个体，将适应度最高的种群个体解码得到网络各层的最优初始连接权值和阈值。

4、进一步，所述bp神经网络药品销售预测模型建立步骤如下：

5、1)输入层根据训练样本xi中的向量数量，构建5个神经元；

6、2)输出层表示使用训练样本xi进行预测训练样本xi中最近年限的后一年销售额神经元个数是1；

7、3)隐含层采用经验方法确定具体节点数，经验方法如式(2)所示：

8、

9、式中：s表示隐含层节点个数，m和n分别表示输出层节点和输入层节点个数，a为常数，取值1～10；已知输入和输出层节点个数，则s＝3～12；经过测试，当隐含层节点数s＝5时，预测效果最为理想；

10、4)激活函数采用sigmoid函数，如式(3)所示：

11、

12、z为表示bp神经网络中一层的输出；

13、5)定义第k组训练样本的预测输出与期望输出的误差平方为误差函数ek，如式(4)所示：

14、

15、式中：表示第k组预测输出，yk表示第k组期望输出，ek表示第k组预测输出与期望输出的误差平方和，设置最大训练次数epochs，表示训练达到epochs次数时结束；

16、6)设输入层到隐含层的权值为wih，隐含层到输出层的权值为who，隐含层的阈值为bh，输出层的阈值为bo，计算ek对各个权值和阈值的偏导数，即可求得更新后的权值和阈值，如下式：

17、

18、

19、

20、

21、式中：w′ho为更新后的输入层到隐含层的权值；w′ih为更新后的隐含层到输出层的权值；b'h为更新后隐含层的阈值；b'o为更新后输出层的阈值；μ是网络的学习率；

22、7)在更新完各层的连接权值和阈值后，重新进行前向计算训练，不断迭代训练直到训练轮次达到指定epochs。

23、本发明的有益效果在于：本发明药品销售数额预测方法，在原生bp神经网络的基础上引入遗传算法来初始化网络各层的连接权值和阈值，通过遗传算法的选择复制、交叉、变异等操作，获取最优连接权值和阈值，而不是采用随机化生成，极大降低算法陷入局部最优解的概率。本技术方案目前应用于医院药品销售、生成数据的预测。对于预测其他领域相关的销售、生成数据也有一定的参考价值。

技术特征：

1.一种药品销售数额预测方法，其特征在于，将每种药品按照年份进行偏移对应，形成年份在前的训练样本和年份在后的测试样本；在训练样本中选择连续年限的数据构造出训练样本xi，对应训练样本xi中最近年限的后一年数据作为期望输出，构建bp神经网络药品销售预测模型；对训练样本的预测输出和期望输出计算误差，然后通过反向传播不断修正网络各层的连接权值和阈值；直到达到给定训练轮次为止，运用测试集验证预测精度，如果精度不满足要求，则回到遗传算法继续寻找迭代直到收敛，完成bp神经网络训练，训练后bp神经网络用于对未来年份的销售额进行预测。

2.根据权利要求1所述药品销售数额预测方法，其特征在于，所述修正网络各层的连接权值和阈值的方法：对网络各层的连接权值和阈值进行编码，将均方误差的倒数作为适应度函数，通过选择复制、交叉和变异操作迭代优化，满足条件后得到适应度最高的种群个体，将适应度最高的种群个体解码得到网络各层的最优初始连接权值和阈值。

3.根据权利要求1或2所述药品销售数额预测方法，其特征在于，所述bp神经网络药品销售预测模型建立步骤如下：

技术总结
本发明涉及一种药品销售数额预测方法，根据药品销售数据的特殊和特征，选择模型和样本构建BP神经网络药品销售预测模型，在原生BP神经网络的基础上引入遗传算法来初始化网络各层的连接权值和阈值，通过遗传算法的选择复制、交叉、变异等操作，获取最优连接权值和阈值，而不是采用随机化生成，极大降低算法陷入局部最优解的概率。基于多时间维度的多种类药品销售数据，为医药机构或企业提供未来药品销售情况的区间预测服务，辅助机构或企业更好地制定药品销售、生产计划。本技术方案目前应用于医院药品销售、生成数据的预测。对于预测其他领域相关的销售、生成数据也有一定的参考价值。

技术研发人员：张伟,朱海峰,孙建
受保护的技术使用者：南京万得资讯科技有限公司
技术研发日：
技术公布日：2024/3/31