(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 202211020822.7 (22)申请日 2022.08.24 (71)申请人 四川大学 地址 610065 四川省成 都市武侯区一环路 南一段24号 (72)发明人 阮文杰　贾博文　杨靖　 (74)专利代理 机构 北京棘龙知识产权代理有限 公司 11740 专利代理师 尚华 (51)Int.Cl. G06Q 30/02(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种销售额预测方法 (57)摘要 本发明公开了销售预测技术领域的一种销 售额预测方法， 该销售额预测方法包括如下步 骤： 首先对数据进行预处理， 将数据按照 日期进 行排序， 分为当前时间观测值和过去时间观测 值， 用当前时间的观测值和过去时间的观测值预 测未来时间的销售额； 将当前时间观测值和过去 时间观测值带入到神经元模型中进行计算， 预测 未来时间的销售额， 所述神经元模 型包括多层感 知器预测模 型、 卷积神经网络预测模 型和长短期 记忆网络记忆模 型， 本发明通过当前时间的观测 值和过去时间的观测值预测未来时间的销售额， 能够有效的对未来销售额进行 预测。 权利要求书1页 说明书4页 CN 115358795 A 2022.11.18 CN 115358795 A 1.一种销售额预测方法， 其特 征在于： 该销售额预测方法包括如下步骤： S1： 首先对数据进行预处理， 将数据按照日期进行排序， 分为当前时间观测值和过去时 间观测值， 用当前时间的观测值和过去时间的观测值预测未来时间的销售额； S2： 将当前时间观测值和过去时间观测值带入到神经元模型中进行计算， 预测未来时 间的销售额。 2.根据权利要求1所述的一种销售额预测方法， 其特征在于： 所述步骤S2中的神经元模 型包括多层感知器预测模型、 卷积神经网络预测模型和长短期记 忆网络记 忆模型。权　利　要　求　书 1/1 页 2 CN 115358795 A 2一种销售 额预测方 法 技术领域 [0001]本发明涉及销售预测技 术领域， 具体为 一种销售额预测方法。 背景技术 [0002]需求与销量预测是管理决策领域的重要组成部分。 对于现代成熟企业而言， 准确 地预测产品的销售趋势能够帮助企业较好的把握市场需求， 为企业智库制定营销 及库存调 配策略提供重要参 考。 [0003]目前， 时间序列建模是预测销 售量的常用方法， 并在许多场景中得到了实际应用， 传统的时间序列预测通过建立适当的数学模型对历史数据趋势进 行拟合， 例如， 平滑技术、 单变量时间序列预测、 多 元时间序列预测等， 但当外界环境 发生较大变化时， 模 型不能对其 进行及时反映， 因而 预测往往会存在较大误差， 另外， 因变量与自变量之 间的关系也常常会 随外界环境动态变化， 致使传统的时间序列预测模型 无法进行有效预测。 发明内容 [0004]本发明的目的在于提供一种销 售额预测方法， 以解决上述背景技术中提出的当外 界环境发生较大变化时， 模型不能对其进行及时反映， 因而预测往往会存在较大误差， 另 外， 因变量与自变量之间的关系也常常会随外界环境动态变化， 致使传统的时间序列预测 模型无法进行有效预测的问题。 [0005]为实现上述目的， 本 发明提供如下技术方案： 一种销 售额预测方法， 该销 售额预测 方法包括如下步骤： [0006]S1： 首先对数据进行预处理， 将数据按照日期进行排序， 分为当前时间观测值和过 去时间观测值， 用当前时间的观测值和过去时间的观测值预测未来时间的销售额； [0007]S2： 将当前时间观测值和过去时间观测值带入到神经元模型中进行计算， 预测未 来时间的销售额。 [0008]优选的， 所述步骤S2中的神经元模型包括多层感知器预测模型、 卷积神经网络预 测模型和长短期记 忆网络记 忆模型。 [0009]与现有技术相比， 本 发明的有益效果是： 该种销 售额预测方法， 通过当前时间的观 测值和过去时间的观测值预测未来时间的销售额， 能够有效的对未来销售额进行 预测。 具体实施方式 [0010]下面将结合本 发明实施例， 对本 发明实施例中的技术方案进行清楚、 完整地描述， 显然， 所描述的实施例仅仅是本发 明一部分实施例， 而不是全部的实施例。 基于本发明中的 实施例， 本领域普通技术人员 在没有做出创造性劳动前提下所获得的所有其他实施例， 都 属于本发明保护的范围。 [0011]本发明提供一种销售额预测方法， 通过当前时间的观测值和过去时间的观测值预 测未来时间的销售额， 能够有效的对未来销售额进行预测， 该销售额预测方法包括如下步说　明　书 1/4 页 3 CN 115358795 A 3