本发明涉及定制家具，特别是涉及一种基于sarima-bp组合模型的定制家具订单需求量预测方法、装置、介质及产品。
背景技术：
1、对于家具企业而言，批量化的大规模定制不仅能够满足客户的个性化需求，同时也能够高效地利用供应链产能，成为家具企业一种不可或缺的选择。对定制家具的生产需求进行精准预测，有助于家具企业进行有效地决策，包括提前制定生产计划、提前规划生产资源等，以期合理分配现有的生产资源并根据预测结果合理储备资源。在实现集约化定制生产的前提下，家具企业可以运用大数据预测技术，对定制家具订单需求量进行精准分析，从而实现具备前瞻性的生产资源规划。但是当前研究定制家具订单需求量预测的文献很少，且目前对定制家具订单需求量预测的研究中，多数家具企业对未来的定制家具订单需求量预测的方法都是根据国家经济增长目标进行预测，这种预测方法单一，同时预测精准度不高，不能对未来的生产资源规划起到很好的指导作用。因此，为应对生产资源规划问题，当前家具企业亟需引入一种新的定制家具订单需求量预测技术，来帮助家具企业实现生产资源有效合理的预分配。
技术实现思路
1、本发明的目的是提供一种定制家具订单需求量预测方法、装置、介质及产品，利用sarima-bp组合模型对定制家具订单需求量进行预测，提高预测精度，帮助家具企业实现生产资源有效合理的预分配。
2、为实现上述目的，本发明提供了如下方案：
3、一种定制家具订单需求量预测方法，包括：
4、以历史时间段中每一历史时刻的定制家具订单实际值作为输入，利用构建好的sarima模型确定历史时间段中每一历史时刻的定制家具订单拟合值；计算历史时间段中每一历史时刻的定制家具订单实际值和定制家具订单拟合值的差值，得到历史时间段中每一历史时刻的定制家具订单误差值；
5、以历史时间段中每一历史时刻的定制家具订单拟合值、定制家具订单误差值、定制家具订单需求量影响因素值和季节标签值作为输入，利用训练好的bp神经网络模型预测得到预测时间段中每一预测时刻的定制家具订单需求量；所述定制家具订单需求量影响因素值包括人均gdp、城镇化率、第二产业结构占比、人均可支配收入和商品房销售面积的值；所述季节标签值为用于表征所述历史时刻所属季度的值。
6、在一些实施例中，历史时间段中每一历史时刻为历史时间段中每一年的每一个季度；预测时间段中每一预测时刻为预测时间段中每一年的每一个季度。
7、在一些实施例中，在以历史时间段中每一历史时刻的定制家具订单拟合值、定制家具订单误差值、定制家具订单需求量影响因素值和季节标签值作为输入，利用训练好的bp神经网络模型预测得到预测时间段中每一预测时刻的定制家具订单需求量之前，还包括：
8、获取数据集；所述数据集包括多个样本值和每一所述样本值对应的标签值；所述样本值为样本历史时间段中每一样本历史时刻的定制家具订单拟合值、定制家具订单误差值、定制家具订单需求量影响因素值和季节标签值；所述标签值为样本预测时间段中每一样本预测时刻的定制家具订单实际值；
9、构建初始bp神经网络模型；
10、利用所述数据集对所述初始bp神经网络模型进行训练，得到训练好的bp神经网络模型。
11、在一些实施例中，所述初始bp神经网络模型包括输入层、隐藏层和输出层；所述隐藏层的节点数根据输入层的节点数和输出层的节点数确定。
12、在一些实施例中，以历史时间段中每一历史时刻的定制家具订单拟合值、定制家具订单误差值、定制家具订单需求量影响因素值和季节标签值作为输入，利用训练好的bp神经网络模型预测得到预测时间段中每一预测时刻的定制家具订单需求量，具体包括：
13、分别对历史时间段中每一历史时刻的定制家具订单拟合值、定制家具订单误差值、定制家具订单需求量影响因素值和季节标签值进行归一化，得到归一化后数据；
14、以所述归一化后数据作为输入，利用训练好的bp神经网络模型预测得到输出数据；
15、对所述输出数据进行反归一化，得到预测时间段中每一预测时刻的定制家具订单需求量。
16、在一些实施例中，历史时刻的商品房销售面积的值为在历史时刻之前且与历史时刻间隔一年的时刻的商品房销售面积。
17、一种计算机装置，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述一种定制家具订单需求量预测方法的步骤。
18、一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述一种定制家具订单需求量预测方法的步骤。
19、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述一种定制家具订单需求量预测方法的步骤。
20、根据本发明提供的具体实施例，本发明公开了以下技术效果：
21、本发明用于提供一种定制家具订单需求量预测方法、装置、介质及产品，先以历史时间段中每一历史时刻的定制家具订单实际值作为输入，利用构建好的sarima模型确定历史时间段中每一历史时刻的定制家具订单拟合值，计算历史时间段中每一历史时刻的定制家具订单实际值和定制家具订单拟合值的差值，得到历史时间段中每一历史时刻的定制家具订单误差值，再以历史时间段中每一历史时刻的定制家具订单拟合值、定制家具订单误差值、定制家具订单需求量影响因素值和季节标签值作为输入，利用训练好的bp神经网络模型预测得到预测时间段中每一预测时刻的定制家具订单需求量，本发明利用sarima-bp组合模型对定制家具订单需求量进行预测，提高预测精度，帮助家具企业实现生产资源有效合理的预分配。
1.一种定制家具订单需求量预测方法，其特征在于，包括：
2.根据权利要求1所述的一种定制家具订单需求量预测方法，其特征在于，历史时间段中每一历史时刻为历史时间段中每一年的每一个季度；预测时间段中每一预测时刻为预测时间段中每一年的每一个季度。
3.根据权利要求1所述的一种定制家具订单需求量预测方法，其特征在于，在以历史时间段中每一历史时刻的定制家具订单拟合值、定制家具订单误差值、定制家具订单需求量影响因素值和季节标签值作为输入，利用训练好的bp神经网络模型预测得到预测时间段中每一预测时刻的定制家具订单需求量之前，还包括：
4.根据权利要求3所述的一种定制家具订单需求量预测方法，其特征在于，所述初始bp神经网络模型包括输入层、隐藏层和输出层；所述隐藏层的节点数根据输入层的节点数和输出层的节点数确定。
5.根据权利要求1所述的一种定制家具订单需求量预测方法，其特征在于，以历史时间段中每一历史时刻的定制家具订单拟合值、定制家具订单误差值、定制家具订单需求量影响因素值和季节标签值作为输入，利用训练好的bp神经网络模型预测得到预测时间段中每一预测时刻的定制家具订单需求量，具体包括：
6.根据权利要求1所述的一种定制家具订单需求量预测方法，其特征在于，历史时刻的商品房销售面积的值为在历史时刻之前且与历史时刻间隔一年的时刻的商品房销售面积。
7.一种计算机装置，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述一种定制家具订单需求量预测方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述一种定制家具订单需求量预测方法的步骤。
9.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述一种定制家具订单需求量预测方法的步骤。
