本发明涉及销售和供应链管理领域，具体是涉及一种产品销量和供应链备货的预测方法、计算机装置及计算机可读存储介质。
背景技术：
1、目前，已应用在商业场景的产品销量预测和供应链备货预测的方法主要包括以下几种：(1)按销售员的经验结合脑力风暴评估等非量化预测方法(例如delphi方法)；(2)以线性回归为主线索的销量预测方法；(3)以自回归差分移动平均模型(arima，autoregressive integrated moving average model)为主线的时间序列模型预测方法。
2、对于快消品或消费电子业务，上述方法均呈现各种不足：(1)对于非量化评估预测方法，其预测质量依赖个别业务员的经验，预测结果具有不可复制性以及高度的不确定性。稳定性差的预测结果导致了供应链运作的效率瓶颈，频发缺料或物料呆滞；(2)对于以线性回归为主线的预测技术在消费电子等业务场景也匹配度低，预测质量差。原因是消费电子业务或一般消费者业务的业务增长方式都呈现非线性特征，从而线性预测结果与真实需求存在较大差距，同样导致供应链效率低下，呆滞或缺料频发；(3)以arima为基础的时间序列预测技术在短期预测精度上不错的效果，但消费电子产品结构复杂，物料繁多，部分关键物料的采购提前期长，短期预测无法满足供应链运作的需求。此外，arima对长序列预测的能力弱，无法输出满足较长采购提前期(例如1至2个季度)的预测以支撑供应链高效运作。
技术实现思路
1、本发明的第一目的是提供一种可以实现预测多个不同的产品销量和多个不同的物料的备货数量的产品销量和供应链备货的预测方法。
2、本发明的第二目的是提供一种实现上述产品销量和供应链备货的预测方法的计算机装置。
3、本发明的第三目的是提供一种包括上述产品销量和供应链备货的预测方法的计算机可读存储介质。
4、为了实现上述的第一目的，本发明提供的一种产品销量和供应链备货的预测方法，其中，包括以下步骤：获取待预测对象的历史数据；对历史数据进行规律性分析，得到数据特征结果；根据数据特征结果在预设模型库中确定第一目标时间序列预测模型，预设模型库中包括不同类别的多个时间序列预测模型；判断第一目标时间序列预测模型的模型参数与残差的数理关系是否明晰，当第一目标时间序列预测模型的模型参数与残差的数理关系明晰时，选用运筹学模型优化模型参数，得到第二目标时间序列预测模型，当第一目标时间序列预测模型的模型参数与参差的数理关系不明晰时，选用doe方法优化模型参数，得到第三目标时间序列预测模型；通过第二目标时间序列预测模型或第三目标时间序列预测模型进行预测，得到待预测对象对应的预测结果。
5、由上述方案可见，本发明通过待预测对象的历史数据进行特征分析在多种不同类别的时间序列预测模型适配目标时间序列预测模型，并根据适配的时间序列预测模型的模型参数与残差的数理关系是否明晰来优化目标时间序列预测模型的模型参数，最后通过优化模型参数后的目标时间序列预测模型对待预测对象进行预测，得到未来一定时间的待预测对象的需求量及交易量。本发明针对消费电子业务、供应链管理计划和备料场景，为待预测对象确定合适的目标时间序列模型，并优化模型参数，实现通过选用不同的目标时间序列模型针对不同产品的交易量和需求量进行预测，以及提高预测的准确型，降低缺货危机的频次确保敏捷交付，也避免或降低生产过多超过市场需求的产品而造成的呆滞损失、资金占用损失以及该部分资金配置在其他产品而造成的机会成本损失，提升企业运营效率。
6、进一步的方案是，对历史数据进行规律性分析时，包括对历史数据进行平稳性校验、趋势性推断和周期性推断。
7、由此可见，可以通过数据特征工程分析甄别各个规格型号的待预测对象的规律性。
8、进一步的方案是，预设模型库中包括第一类别模型、第二类别模型和第三类别模型，第一类别模型包括arima模型和指数平滑模型，第二类别模型包括prophet模型和informer模型，第三类别模型包括指数模型和趋势外推模型。
9、由此可见，预设模型库通过设定不同类别的模型以供适配，呈现出不同的数据特征的待预测对象可以在预设模型库中确定最合适的时间序列预测模型，还可以进一步结合预测窗口确定最合适的时间序列模型。
10、进一步的方案是，在根据数据特征结果确定第一目标时间序列预测模型之后，以及判断第一目标时间序列预测模型的模型参数与残差的数理关系是否明晰之前，包括以下步骤：根据历史数据对第一目标时间序列预测模型的第一拟合优度进行评估；判断第一拟合优度是否满足预设条件；当第一拟合优度不满足预设条件时，重新根据数据特征结果在预设模型库中确定第一目标时间序列预测模型，可以得到指向性更像的第一拟合优度。
11、由此可见，通过第一拟合优度的评估，可以确保适配的第一目标时间序列预测模型对于待预测对象具有良好的预测效果，保证预测的准确性。再重新根据数据特征结果在预设模型库中确定第一目标时间序列预测模型，由于已进行过第一拟合优度的评估，可以更好地确定第一目标时间序列预测模型。
12、进一步的方案是，根据历史数据对第一目标时间序列预测模型的第一拟合优度进行评估时，包括通过r2进行分析。
13、进一步的方案是，通过r2对第一目标时间序列预测模型的第一拟合优度进行评估时，还结合mse、mae和mape对第一目标时间序列预测模型的第一拟合优度进行评估。
14、由此可见，可以选用不同方式组合对第一拟合优度进行评估。
15、进一步的方案是，在得到第二目标时间预设模型或得到第三目标时间序列预测模型后，以及通过第二目标时间序列预测模型或第三目标时间序列预测模型进行预测得到待预测对象对应的预测结果之前，包括以下步骤：评估第二目标时间序列预测模型或第三目标时间序列预测模型的第二拟合优度，并通过比较第一拟合优度和第二拟合优度验证模型有效性。
16、由此可见，可以通过第一拟合优度与第二拟合优度进行比较以验证模型参数优化后的时间序列预测模型优于进行优化前的时间序列预测模型的效果。
17、进一步的方案是，在评估第一拟合优度和第二拟合优度时，按照月度的时间维度评估第一拟合优度和第二拟合优度。
18、由此可见，可以提高模型选取的有效性和提高模型预测的准确性。
19、为了实现上述的第二目的，本发明提供的计算机装置，包括处理器与存储器，其中：存储器上存储有计算机程序，计算机程序被处理器执行时实现上述的产品销量和供应链备货的预测方法。
20、为了实现上述的第三目的，本发明提供的计算机可读存储介质，其上存储有计算机程序，其中：计算机程序被处理器执行时实现上述的产品销量和供应链备货的预测方法。
1.一种产品销量和供应链备货的预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的产品销量和供应链备货的预测方法，其特征在于：
3.如权利要求1所述的产品销量和供应链备货的预测方法，其特征在于：
4.如权利要求1至3任一项所述的产品销量和供应链备货的预测方法，其特征在于：
5.如权利要求4所述的产品销量和供应链备货的预测方法，其特征在于：
6.如权利要求5所述的产品销量和供应链备货的预测方法，其特征在于：
7.如权利要求6所述的产品销量和供应链备货的预测方法，其特征在于：
8.如权利要求7所述的产品销量和供应链备货的预测方法，其特征在于：
9.计算机装置，包括处理器与存储器，其特征在于：
10.计算机可读存储介质，其上存储有计算机程序，其特征在于：
