-
公开(公告)号：CN117131753A
公开(公告)日：2023-11-28
申请号：CN202210540750.2
申请日：2022-05-17
申请人： 北京京东振世信息技术有限公司
IPC分类号： G06F30/27 , G06Q10/087 , G06F119/02
摘要： 本发明实施例公开了一种信息预测方法、装置、设备和存储介质，该方法包括：获取目标物品在当前日期之前的历史时间段内的历史物品信息以及目标物品对应的预设库存满足率；确定用于预测目标未来日期的需求量信息的目标预测网络模型；将历史物品信息和预设库存满足率输入至目标预测网络模型中，目标预测网络模型是基于历史物品信息确定出相应的条件概率分布信息，并基于条件概率分布信息和预设库存满足率进行分位数预测的；获取目标预测网络模型输出的第一预测需求量，并将第一预测需求量作为在目标未来日期目标物品对应的目标预测需求量。通过本发明实施例的技术方案，可以提高需求量信息预测的准确性。
-
公开(公告)号：CN118839875A
公开(公告)日：2024-10-25
申请号：CN202310445627.7
申请日：2023-04-23
申请人： 北京京东振世信息技术有限公司
IPC分类号： G06Q10/0631 , G06Q10/04 , G06F18/241
摘要： 本申请公开了一种需求预测方法、装置、设备及存储介质，方法包括：获取待预测备件的备件信息和历史消耗量；根据待预测备件的备件信息对待预测备件进行分类，得到待预测备件的备件类别；基于历史消耗量，采用与备件类别对应的需求预测模型对待预测备件进行需求量预测，得到待预测备件的需求量。
-
公开(公告)号：CN114429365A
公开(公告)日：2022-05-03
申请号：CN202210033447.3
申请日：2022-01-12
申请人： 北京京东振世信息技术有限公司
IPC分类号： G06Q30/02
摘要： 本公开的实施例公开了物品销量信息生成方法、装置、电子设备和计算机介质。该方法的一具体实施方式包括：根据备选历史销量序列集和历史预测销量序列集，生成备选历史流转量和历史预测流转量；根据备选历史流转量、历史预测流转量和相似物品历史销量序列，生成第一销量预测量序列；对第一销量预测量序列中的每个第一销量预测量进行调整处理以生成第一销量调整预测量，得到第一销量调整预测量序列；根据目标历史销量序列和第一销量调整预测量序列，生成目标销量调整预测量序列。该实施方式实现了对目标物品销量的滚动预测，使得所预测的物品的销量贴合于用户的实际需求量，避免了因物品生产过多，而造成的物品的损耗。
-
公开(公告)号：CN114004425B
公开(公告)日：2022-06-07
申请号：CN202111628208.4
申请日：2021-12-29
申请人： 北京京东振世信息技术有限公司
摘要： 本公开的实施例公开了物品流转信息预测模型生成方法、信息生成方法、装置。该方法的一具体实施方式包括：获取训练样本集，训练样本集中的训练样本包括历史时间段的历史物品流转信息和预测时间段的真实物品流转信息；获取多个基准时序模型和集成模型，集成模型用于根据多个基准时序模型的输出结果，生成预测物品流转信息；基于训练样本集对多个基准时序模型和集成模型进行训练，以及将训练完成的多个基准时序模型和集成模型确定为物品流转信息预测模型。该实施方式实现了提高生成的物品流转信息预测模型的预测准确率。
-
公开(公告)号：CN114004425A
公开(公告)日：2022-02-01
申请号：CN202111628208.4
申请日：2021-12-29
申请人： 北京京东振世信息技术有限公司
摘要： 本公开的实施例公开了物品流转信息预测模型生成方法、信息生成方法、装置。该方法的一具体实施方式包括：获取训练样本集，训练样本集中的训练样本包括历史时间段的历史物品流转信息和预测时间段的真实物品流转信息；获取多个基准时序模型和集成模型，集成模型用于根据多个基准时序模型的输出结果，生成预测物品流转信息；基于训练样本集对多个基准时序模型和集成模型进行训练，以及将训练完成的多个基准时序模型和集成模型确定为物品流转信息预测模型。该实施方式实现了提高生成的物品流转信息预测模型的预测准确率。
-
公开(公告)号：CN114202130A
公开(公告)日：2022-03-18
申请号：CN202210127957.7
申请日：2022-02-11
申请人： 北京京东振世信息技术有限公司
摘要： 本公开的实施例公开了流转量预测多任务模型生成方法、调度方法、装置和设备。该方法的一具体实施方式包括：获取目标物品在目标历史时段的历史订单信息集合和历史价值消减信息集合；基于历史订单信息集合包括的各个订单日期和历史价值消减信息集合，对历史订单信息集合和历史价值消减信息集合进行特征加工处理，得到处理后的历史订单信息集合作为样本历史订单信息集合；根据预设损失函数和样本历史订单信息集合所包括的各个价值消减流转量特征、非价值消减流转量特征和价值消减特征，生成流转量预测多任务模型。该实施方式提高了流转量预测结果的准确性，减少了运输资源的浪费。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.033 秒)
