(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211115784.3 (22)申请日 2022.09.14 (71)申请人 广西中烟工业有限责任公司 地址 530001 广西壮 族自治区南宁市北湖 南路28号 (72)发明人 左少燕　黄飞杰　黄海富　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 李红团 (51)Int.Cl. G06Q 30/02(2012.01) G06F 16/29(2019.01) G06K 9/62(2022.01) (54)发明名称 一种卷烟零售户订单 预测方法及系统 (57)摘要 本发明提供了一种卷烟零售户订单预测方 法及系统。 本发 明的卷烟零售户订单预测方法包 括： 获得零售户卷烟历史销量数据； 对历史销量 数据进行预处理， 得到预处理销量数据； 对预处 理销量数据添加星期特征， 根据添加星期特征后 的预处理销售数据进行训练得到零售户 销量预 测模型； 通过零售户销量预测模 型结果衍生出零 售户合理库存预测模型和零售户存销比预测模 型， 实现对零售户销量、 合理库存、 存销比进行预 测。 本发明的零售户销量预测模型融合了 SGDRegress回归算法、 决策树回归算法、 Adaboost回归算法、 集成模型算法； 在历史销量 数据充足的情况 下， 具有较好的预测效果。 权利要求书2页 说明书8页 附图2页 CN 115439155 A 2022.12.06 CN 115439155 A 1.一种卷烟零售户订单 预测方法， 其特 征在于包括： 第一步骤： 获得零售户卷烟历史销量数据； 第二步骤： 对所述零售户卷烟历史销量数据进行预处理， 得到数据预处理后的销量数 据； 第三步骤： 对经数据预处理后的所述销售数据进行星期特征提取， 得到所述销量数据 对应的销售星期特 征数据； 第四步骤： 确定模型空间， 选取SGDRegress回归算法、 决策树回归算法及Adaboost回归 算法作为训练模型； 第五步骤： 以第二步骤数据 预处理后的所述销量数据以及第 三步骤得到的所述销售星 期特征数据作为SGDRegres s回归算法的输入， 训练形成SGDRegres s回归模型并存 储； 第六步骤： 以第二步骤数据 预处理后的所述销量数据以及第 三步骤得到的所述销售星 期特征数据作为决策树回归算法的输入， 训练形成决策树回归 模型并存 储； 第七步骤： 以第二步骤数据 预处理后的所述销量数据以及第 三步骤得到的所述销售星 期特征数据作为Adabo ost回归算法的输入， 训练形成Adabo ost回归模型并存 储； 第八步骤： 以第五步骤得到的SGDRegress回归模型预测结果、 第六步骤得到的决策树 回归模型预测结果、 第七步骤得到的Adaboost回归模型预测结果作为输入， 进行集成回归 模型训练， 得到最终的零售户销量预测模型。 2.根据权利要求1所述的卷烟零售户订单预测方法， 其特征在于， 第八步骤采用线回归 模型进行集成回归 模型训练， 得到最终的零售户销量预测模型。 3.根据权利要求1或2所述的卷烟零售户订单 预测方法， 其特 征在于还 包括： 第九步骤： 对于无模型商户进行模型泛化， 将同档位、 同星级、 同品规分组内的前三个 性能最优 模型的预测结果平均化， 得到无模型零售户销量预测泛化模型； 第十步骤： 结合第五步骤得到的所述零售户销量预测模型的预测销量， 将零售户库存 一周期内的当日最大销售量定义为该品规下的零售户合理库存， 得到所述零售户合理库存 预测模型； 第十一步骤， 结合第五步骤得到的零售户销量预测模型的预测销量， 以及本周期期末 库存计算存销比， 得到所述存销比预测模型。 4.根据权利要求3所述的卷烟零售户订单预测方法， 其特征在于， 存销比的计算公式 为： 其中， 零售户上周期期末库存、 当前投放周实 际订购量来自零售户历史销售数据以及 订单数据， 下一期零售户销量 来自零售户销量预测模型。 5.根据权利要求1或2所述的卷烟零售户订单预测方法， 其特征在于， 对零售户卷烟历 史销量数据进行预数理的方式包括对零售户卷烟历史销量数据的缺失值进行填补， 和/或 对零售户卷烟历史销量数据异常值进行填补， 和/或对零售户卷烟历史销量数据的无效数 据进行清洗， 和/或对零售户卷烟历史销量数据进行 数值归一 化处理。 6.一种卷烟零售户订单 预测系统， 其特 征在于包括：权　利　要　求　书 1/2 页 2 CN 115439155 A 2数据获取模块， 用于获得零售户卷烟历史销量数据； 数据预处理模块， 连接数据获取模块， 用于对所述零售户卷烟历史销量数据进行预处 理， 得到数据预处 理后的销量数据； 数据特征提取模块， 连接数据预处理模块， 用于对经数据预处理后的所述销售数据进 行星期特 征提取， 得到所述销量数据对应的销售星期特 征数据； 个体学习模型训练模块用于确定模型空间， 选取SGDRegress回归算法、 决策树回归算 法及Adaboost回归算法作为训练模型； 其中个体学习模型训练模块， 分别 连接数据预处理 模块和数据特征提取模块， 用于以销量数据和销售星期特征数据作为模型输入， 训练形成 SGDRegress回归模 型、 决策树回归模型、 Adaboost回归模型并存储； 个体学习模型训练模块 以数据预处理后的所述销量数据以及销售星期特征数据作为SGDRegress回归算法的输入， 训练形成SGDRegress回归模 型并存储； 以数据预 处理后的所述销量数据以及销售星期特征 数据作为决策树回归算法的输入， 训练形成决策树回归模型并存储； 以数据预处理后的所 述销量数据以及销售星期特征数据作为Adaboost回归算法的输入， 训练形成Adaboost回归 模型并存 储； 个体学习模型训练模块还连接集成回归模型训练模块， 用于以SGDRegress回归模型、 决策树回归模型预、 Adaboost回归模型的预测结果作为输入， 采用线 回归模型进行集成回 归模型训练， 得到最终的零售户销量预测模型。 7.根据权利要求6所述的卷烟零售户订单预测系统， 其特征在于， 个体学习模型训练模 块采用线回归 模型进行集成回归 模型训练， 得到最终的零售户销量预测模型。 8.根据权利要求6或7 所述的卷烟零售户订单 预测系统， 其特 征在于还 包括： 模型泛化模块， 用于对于无模型商户进行模型泛化， 将同档位、 同星级、 同品规分组内 的前三个性能最优 模型的预测结果平均化， 得到无模型零售户销量预测泛化模型； 合理库存预测模块， 用于结合所述零售户销量预测模型的预测销量， 将零售户库存一 周期内的当日最大销售量定义为该品规下的零售户合理库存， 得到所述零售户合理库存预 测模型； 存销比预测模块， 用于结合零售户销量预测模型的预测销量， 以及本周期期末库存计 算存销比， 得到所述存销比预测模型。 9.根据权利要求8所述的卷烟零售户订单预测系统， 其特征在于， 存销比的计算公式 为： 其中， 零售户上周期期末库存、 当前投放周实 际订购量来自零售户历史销售数据以及 订单数据， 下一期零售户销量 来自零售户销量预测模型。 10.根据权利要求6或7所述的卷烟零售户订单预测系统， 其特征在于， 对零售户卷烟历 史销量数据进行预数理的方式包括对零售户卷烟历史销量数据的缺失值进行填补， 和/或 对零售户卷烟历史销量数据异常值进行填补， 和/或对零售户卷烟历史销量数据的无效数 据进行清洗， 和/或对零售户卷烟历史销量数据进行 数值归一 化处理。权　利　要　求　书 2/2 页 3 CN 115439155 A 3