一种订单预测方法、装置、电子设备及存储介质与流程

本公开涉及数据处理，尤其涉及一种订单预测方法、装置、电子设备及存储介质。

背景技术：

1、订单预测是企业经营过程中至关重要的一环，它直接影响到备料、生产、质量、交付以及人力资源等方面的工作安排。提高订单预测的准确性能够更好地指导备料计划和生产排程，从而使生产流程更为顺畅。这不仅有利于稳定产品质量、提高生产效率，还能够确保按时交付客户订单。在订单预测过程中，预测的时间跨度也是重要的考量因素。如果预测时间过短可能会导致企业无法充分准备好生产资源和人力，从而影响生产计划的制定和执行。因此，目前亟需一种能够在满足预测时间的前提下精准预测未来订单量的方案。

技术实现思路

1、本公开提供一种订单预测方法、装置、电子设备及存储介质，以至少解决现有技术中存在的以上技术问题。

2、根据本公开的第一方面，提供了一种订单预测方法，所述方法包括：基于待预测产品的历史订单数据，确定一元时间序列和历史特征数据；利用时间序列预测模型和所述历史特征数据进行预测，得到未来特征数据；所述未来特征数据包括未来趋势特征和未来季节特征；基于所述历史订单数据，构建所述待预测产品对应的时间戳特征和时域特征；基于所述未来趋势特征、所述未来季节特征、所述时间戳特征和所述时域特征对所述一元时间序列进行转化，得到多变量数据集；通过订单预测模型对所述多变量数据集进行处理，得到所述待预测产品的预测订单量。

3、在一可实施方式中，所述历史特征数据包括历史趋势特征和历史季节特征；基于待预测产品的历史订单数据，确定历史特征数据，包括：基于待预测产品的历史订单数据，确定目标变化周期；基于所述目标变化周期对一元时间序列进行分解，得到所述历史趋势特征和所述历史季节特征。

4、在一可实施方式中，所述基于待预测产品的历史订单数据，确定目标变化周期，包括：基于待预测产品的历史订单数据，确定至少一个潜在变化周期；基于时序序列分解方法对所述至少一个潜在变化周期进行筛选，确定目标变化周期。

5、在一可实施方式中，在对所述通过时间序列预测模型对所述历史特征数据进行预测之前，所述方法包括：根据所述历史特征数据，确定第一训练数据集；根据所述第一训练数据集对指数平滑模型进行训练，得到所述时间序列预测模型。

6、在一可实施方式中，所述基于所述历史订单数据，构建所述待预测产品对应的时间戳特征和时域特征，包括：基于所述历史订单数据，确定时间特征、布尔特征和时间差特征；根据所述时间特征、所述布尔特征和所述时间差特征，确定时间戳特征；基于所述历史订单数据，确定滞后性历史数据、差分数据、滞后波动性数据和滞后集中性数据；根据所述滞后性历史数据、所述差分数据、所述滞后性波动数据和所述滞后集中性数据，确定时域特征。

7、在一可实施方式中，在通过订单预测模型对所述多变量数据集进行处理之前，所述方法包括：根据所述历史特征数据、所述时间戳特征和所述时域特征，确定第二训练数据集；根据所述第二训练数据集对回归模型进行训练，得到订单预测模型。

8、根据本公开的第二方面，提供了一种订单预测装置，所述装置包括：确定模块，用于基于待预测产品的历史订单数据，确定一元时间序列和历史特征数据；第一预测模块，用于利用时间序列预测模型和所述历史特征数据进行预测，得到未来特征数据；所述未来特征数据包括未来趋势特征和未来季节特征；构建模块，用于基于所述历史订单信息，构建所述待预测产品对应的时间戳特征和时域特征；数据合并模块，用于基于所述未来趋势特征、所述未来季节特征、所述时间戳特征和所述时域特征对所述一元时间序列进行转化，得到多变量数据集；第二预测模块，用于通过订单预测模型对所述多变量数据集进行处理，得到所述待预测产品的预测订单量。

9、在一可实施方式中，所述历史特征数据包括历史趋势特征和历史季节特征；所述确定模块，还用于：基于待预测产品的历史订单数据，确定目标变化周期；基于所述目标变化周期对一元时间序列进行分解，得到所述历史趋势特征和所述历史季节特征。

10、根据本公开的第三方面，提供了一种电子设备，包括：

11、至少一个处理器；以及

12、与所述至少一个处理器通信连接的存储器；其中，

13、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开所述的方法。

14、根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开所述的方法。

15、本公开的订单预测方法、装置、电子设备及存储介质，通过时间序列预测模型预测待预测产品对应的未来特征数据。再根据待预测产品的历史订单数据，得到其对应的历史特征数据、时间戳特征和时域特征。本方法通过未来趋势特征、未来季节特征、时间戳特征以及时域特征对一元时间序列进行转化，得到多变量数据集。再通过机器学习方法预测未来的订单量。相比于现有通过多维度信息进行预测的方法，本申请只需获取一元时间序列，而无需其他维度的信息，获取方式更容易。相比与现有通过一元时间序列进行预测的方法，本申请由于使用了多变量数据集，可以在满足预测时间(例如未来几个月)的前提下精准预测出未来的订单量。

16、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种订单预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，历史特征数据包括历史趋势特征和历史季节特征；

3.根据权利要求2所述的方法，其特征在于，所述基于待预测产品的历史订单数据，确定目标变化周期，包括：

4.根据权利要求1所述的方法，其特征在于，在所述通过时间序列预测模型对所述历史特征数据进行预测之前，所述方法包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述历史订单数据，构建待预测产品对应的时间戳特征和时域特征，包括：

6.根据权利要求1所述的方法，其特征在于，在通过订单预测模型对所述多变量数据集进行处理之前，所述方法包括：

7.一种订单预测装置，其特征在于，所述装置包括：

8.根据权利要求7所述的装置，其特征在于，所述历史特征数据包括历史趋势特征和历史季节特征；

9.一种电子设备，其特征在于，包括：

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行根据权利要求1-6中任一项所述的方法。

技术总结
本公开提供了一种订单预测方法、装置、电子设备及存储介质，所述方法包括：基于待预测产品的历史订单数据，确定一元时间序列和历史特征数据；利用时间序列预测模型和所述历史特征数据进行预测，得到未来特征数据；所述未来特征数据包括未来趋势特征和未来季节特征；基于所述历史订单数据，构建所述待预测产品对应的时间戳特征和时域特征；基于所述未来趋势特征、所述未来季节特征、所述时间戳特征和所述时域特征对所述一元时间序列进行转化，得到多变量数据集；通过订单预测模型对所述多变量数据集进行处理，得到所述待预测产品的预测订单量。应用本方法可以在满足预测时间的要求下，准确的预估未来的订单量。

技术研发人员：吴丽萍,管蓉,吴堃昊,付荣华
受保护的技术使用者：联宝（合肥）电子科技有限公司
技术研发日：
技术公布日：2024/6/23