快递数据库资源管理方法、装置、设备及存储介质

    公开(公告)号:CN118861172A

    公开(公告)日:2024-10-29

    申请号:CN202410907118.6

    申请日:2024-07-08

    摘要: 本发明涉及数据管理领域,公开了快递数据库资源管理方法、装置、设备及存储介质,该方法用于通过提取和构建关联关系,实现Shell脚本的自动化分类与整理,提高数据管理和查询效率。该方法包括:获取Shell脚本,并从Shell脚本中提取sql函数和Greenplum表;基于Shell脚本以及提取的sql函数和Greenplum表构建Shell脚本、sql函数和Greenplum表的关联关系表;对关联关系表中的Greenplum表进行排序,得到排序后表集合;基于排序后表集合,为每个Shell脚本创建特征向量,特征向量的每个元素代表一个Greenplum表;基于特征向量,计算各Shell脚本之间的相似度,并基于计算得到的相似度对Shell脚本分组,得到多个组别的Shell脚本。

    网点防刷单的方法、装置、设备及存储介质

    公开(公告)号:CN115115306A

    公开(公告)日:2022-09-27

    申请号:CN202210673616.X

    申请日:2022-06-13

    发明人: 夏扬 李斯 陈玉芬

    IPC分类号: G06Q10/08 G06F16/2458

    摘要: 本发明涉及物流领域,公开了一种网点防刷单的方法、装置、设备及存储介质,提高检测违规刷单设备和账号的准确率。该方法包括:获取目标设备和目标账号,根据预设规则计算目标周期内目标设备和目标账号扫描的待派发货物的签收率,得到多个节点签收率,目标周期包括至少一个考核时间段,每个考核时间段的开始时间点和结束时间点各对应一个节点签收率;判断多个节点签收率是否都满足预设标准,若多个节点签收率中有一个节点签收率不满足预设标准,则将目标设备确定为异常设备,将目标账号确定为异常账号;分别判断异常设备和异常账号是否满足刷单检测规则,若满足,则封禁满足刷单检测规则的异常设备或异常账号。

    无人机快递投放网点筛选方法、装置、设备及存储介质

    公开(公告)号:CN113344486A

    公开(公告)日:2021-09-03

    申请号:CN202110543830.9

    申请日:2021-05-18

    IPC分类号: G06Q10/08 G06Q10/06

    摘要: 一种无人机快递投放网点筛选方法、装置、设备及存储介质,其中,方法包括步骤:确定影响无人机快递投放的各网点的各项指标及各项指标的权重;根据预设映射关系将各网点中的各项指标所对应的实际数据信息映射为各项指标所对应的统一的参考分值;根据各项指标的参考分值及各项指标的权重计算各网点的分值;根据网点的分值筛选符合条件的无人机快递投放网点。通过设计影响无人机快递投放的各网点的各项指标及各项指标的权重,根据各项指标的参考分值及各项指标的权重计算各网点的分值,以作为筛选网点的数据支撑,通过多因素综合考虑,筛选出最合适的无人机快递投放网点。

    基于LSTM模型的快递件量预测方法、装置、设备和存储介质

    公开(公告)号:CN112434847A

    公开(公告)日:2021-03-02

    申请号:CN202011285588.1

    申请日:2020-11-17

    摘要: 本发明公开了一种基于LSTM模型的快递件量预测方法、装置、设备和存储介质,针对因RNN神经网络的梯度消失,不能准确的预测较长时间的数据而使快递件量预测不准确的问题,通过获取快递揽件量的历史数据,对历史数据进行预处理,选取出至少一历史周期的目标数据集;创建基于LSTM的件量预测模型,将目标数据集输入所述件量预测模型,对件量预测模型进行训练;基于训练好的件量预测模型,对下一周期的快递揽件量进行预测,输出预测值。解决RNN循环神经网络的梯度消失问题,从而提高快递件量预测的准确率。

    网点收费的预测方法、装置及设备

    公开(公告)号:CN118863950A

    公开(公告)日:2024-10-29

    申请号:CN202410904754.3

    申请日:2024-07-08

    发明人: 夏扬 陈玉芬 李斯

    摘要: 本发明公开了一种网点收费的预测方法、装置及设备,所述方法应用于物流技术领域,所述方法包括:获取样本网点的样本网点数据,并对样本网点数据进行特征工程处理,得到样本处理特征;将样本处理特征输入数据模型进行样本收费预测处理,得到样本网点对应的样本预测收费结果;根据样本预测收费结果与样本收费标签之间的差异,得到网点收费预测模型;获取目标网点的目标网点数据,并对目标网点数据进行特征工程处理,得到目标处理特征;将目标处理特征输入网点收费预测模型进行网点费用预测处理,得到目标网点的目标预测收费。本发明实现了快速、准确地预测目标网点的定价费用。

    基于指数平滑的件量预测方法、装置、设备及存储介质

    公开(公告)号:CN112785057B

    公开(公告)日:2023-09-01

    申请号:CN202110087027.9

    申请日:2021-01-21

    摘要: 一种基于指数平滑的件量预测方法、装置、设备及存储介质,其中,预测方法包括步骤:获取件量的历史数据,对所述历史数据进行预处理并筛选出目标件量数据信息;根据所述目标件量数据信息构建多种预测模型;根据各种预测模型的预测结果进行至少一次指数平滑预测,并根据实际件量数据信息计算各种预测模型所对应的各次指数平滑预测的误差信息,筛选误差最小的预测模型、及预测模型所对应的指数平滑次数;根据筛选的预测模型及预测模型所对应的指数平滑次数进行件量预测。通过对各种预测模型进行至少一次指数平滑预测,并通过筛选获取最佳的预测模型及该预测模型所对应的指数平滑次数对快递的件量进行最佳预测,可以极大地提高件量的预测准确率。

    物流对象的价格预测方法、装置、设备及存储介质

    公开(公告)号:CN116128576A

    公开(公告)日:2023-05-16

    申请号:CN202310040118.6

    申请日:2023-01-12

    摘要: 本发明公开了一种物流对象的价格预测方法、装置、设备及存储介质,包括:响应于物流对象的预测请求,获取物流对象的历史价格数据;基于ISM模型分析并确定物流对象定价的影响因子;基于价格预测模型分析并确定物流对象定价的预测变量和被预测变量间的线性关系并进行第一次拟合;当多个物流对象的订单量大于预设订单阈值时,根据价格预测模型计算获得模型系数,获取时间序列并判断不同模型系数与预测价格的变化关系,按照预设的层级对目标物流对象定价的预测变量和被预测变量间的线性关系进行第二次拟合;判断并评估价格预测模型的拟合程度,迭代更新价格预测模型并优化价格预测模型并输出最终预测结果,提高服务器价格预测效率,定价适应趋势。

    件量预测模型训练方法、件量预测方法及相关设备

    公开(公告)号:CN113420902A

    公开(公告)日:2021-09-21

    申请号:CN202011431052.6

    申请日:2020-12-09

    摘要: 本案涉及人工智能领域,应用于快递件量预测,提供一种件量预测模型训练方法、装置、设备及存储介质。本方法包括:获取目标网点在特定时间段内的历史业务数据,并对其进行预处理,得到原始业务数据;对原始业务数据进行特征提取,得到携带特征向量的训练业务数据;通过预置时间序列分析模型对训练业务数据进行训练,生成原始件量预测模型;将更新后的训练业务数据作为新的训练样本集,输入原始件量预测模型进行迭代训练,得到目标件量预测模型。本发明通过训练得到的件量预测模型能打通数据,方便后续统筹资源、降低成本提高效率。

    快递件量预测方法、装置、设备及存储介质

    公开(公告)号:CN113298291A

    公开(公告)日:2021-08-24

    申请号:CN202110465144.4

    申请日:2021-04-28

    摘要: 本发明涉及物流预测技术领域,公开了一种快递件量预测方法、装置、设备及存储介质。通过对获取到的历史数据进行差分计算,得到多个差分值,基于差分值将历史数据形成样本数据,根据AR模型算法、差分值和样本数据进行模型的训练,生成件量预测模型,在确定待预测的周期时间后,计算出对应的周期参数和历史目标数据集,利用件量预测模型进行预测,得到周期时间的预测件量。使用差分生成样本,提高了样本的平稳性,使得得到的模型的精准度更高,提高了预测件量的精准度,同时通过AR模型预测,减少了人工操作,提供的工作效率。

    快递周揽件数据的预测方法、装置、设备及存储介质

    公开(公告)号:CN113191537A

    公开(公告)日:2021-07-30

    申请号:CN202110404057.8

    申请日:2021-04-15

    IPC分类号: G06Q10/04 G06Q10/08 G06F17/18

    摘要: 本发明涉及业务量预测领域,公开了快递周揽件数据的预测方法、装置、设备及存储介质,用于提高快递物流领域中预测周揽件数据的准确率。快递周揽件数据的预测方法包括:对初始快递揽件数据集进行数据清洗,得到基础快递揽件数据集,并在基础快递揽件数据集中选取出至少一预置周期的周快递揽件数据集;对周快递揽件数据集进行预处理,得到待处理的周快递揽件数据集;对待处理的周快递揽件数据集进行对数运算和差分处理,得到待预测的周快递揽件数据集;通过预置线性回归模型对待预测的周快递揽件数据集进行预测,得到待校正的周快递揽件数据集;利用预置误差校正函数对待校正的周快递揽件数据集进行校正,得到目标周快递揽件数据集。