一種藥品零售行業藥品銷售預測系統及方法技術方案

本發明專利技術公開了一種藥品零售行業藥品銷售預測系統，屬于大數據和人工智能的技術領域，包括數據采集及預處理單元、歷史數據分析單元和預測單元，還提供了一種藥品零售行業藥品銷售預測方法，包括：數據采集及預處理；歷史數據分析和數據歸一化處理；數據預測：分別建立三次指數平滑預測模型、灰色預測模型、LSTM預測模型，通過三次指數平滑預測模型、灰色預測模型、LSTM預測模型組合構成BP神經網絡組合預測模型；最終獲取基于BP神經網絡的組合預測結果，以達到根據歷史銷售數據快速、準確的建立預測模型，對未來一段時間的各藥房藥品的銷售數據進行預測，進而為庫房藥品儲備提供數據支持，以滿足藥品供需平衡的目的。

A Drug Sales Forecasting System and Method for Drug Retail Industry

The invention discloses a drug sales forecasting system for drug retail industry, which belongs to the technical field of large data and artificial intelligence, including data acquisition and pre-processing unit, historical data analysis unit and prediction unit, and also provides a drug sales forecasting method for drug retail industry, including data acquisition and pre-processing, historical data analysis and data normalization processing. Forecast: Establish three exponential smoothing forecasting model, grey forecasting model and LSTM forecasting model respectively. Combine three exponential smoothing forecasting model, grey forecasting model and LSTM forecasting model to form BP neural network combined forecasting model. Finally, obtain the combined forecasting results based on BP neural network, so as to establish the forecasting model quickly and accurately according to historical sales data. In the future, the sales data of pharmacies will be forecasted, which will provide data support for drug storage in order to meet the goal of balancing supply and demand of drugs.

【技術實現步驟摘要】
一種藥品零售行業藥品銷售預測系統及方法
本專利技術屬于大數據和人工智能的
，具體而言，涉及一種藥品零售行業藥品銷售預測系統及方法。
技術介紹
為保證藥品供應體系正常運轉可以盡量減少庫存等運營成本，也能保證持續不間斷的藥品供應。要實現上述兩個目標，必須對每種藥品的需求進行準確預測。如果預測遠遠高于實際需求量，則勢必導致很高的庫存水平，從而增加庫存等運營成本；反之，如果預測數量過低，則可能導致頻繁缺貨。銷量預測是根據以往的銷量情況使用銷量預測模型以獲得對未來銷量情況的預測。目前，銷量預測大多采用基于時間序列分析的方法來進行預測，時間序列分析法運用過去的歷史數據，通過統計分析，進一步推測未來的發展趨勢，它的依據是一切事物都是發展變化的，事物的發展變化在時間上具有連續性。由于醫藥領域相關的復雜性，缺少針對藥品銷量的分析和預測方法。在專利號為：CN104951843B，專利技術名稱為：銷量預測系統及方法中根據新區域的區域信息與其他區域的區域信息的相關度匹配程度，根據某產品在其他區域的銷量來預測該產品在一個新的區域的銷量。但是，并沒有說明某產品在其他區域的銷量預測方法，需要知道一個產品在已知區域的銷量預測值，才能預測該產品在一個新區域的銷量。在專利號為：CN106779797A，專利技術名稱為：基于反比例多項式函數螢火蟲優化算法的支持向量機藥品預測方法中，沒有考慮到序列中上下文之間的關系，這一點對時序數據來說，尤為重要。在專利號為：CN108985483A，專利技術名稱為：一種藥品銷量預測的方法中首先建立基本信息關系，計算患者的特征指數，并進行機器學習自動對患者進行分類。然后使用ARIMA模型對每一類患者進行預測，得出每一類患者在下一個年度的數量，根據每一類患者的預測，得出該藥品或醫療器械基于疾病組成的預測值。該模型僅對醫院有患者就診記錄的情況比較適用，對于藥店的藥品銷量預測不適用，藥店并未記錄患者的信息以及就診記錄。因此，亟需一種預測精度高的藥品銷量預測方法。
技術實現思路
有鑒于此，為了解決現有技術存在的上述問題，本專利技術的目的在于提供一種藥品零售行業藥品銷售預測系統及方法以達到根據歷史銷售數據快速、準確的建立預測模型，對未來一段時間的各藥房藥品的銷售數據進行預測，進而為庫房藥品儲備提供數據支持，以滿足藥品供需平衡的目的。本專利技術所采用的技術方案為：一種藥品零售行業藥品銷售預測系統，包括數據采集及預處理單元、歷史數據分析單元、預測單元，所述數據采集及預處理單元與所述歷史數據分析單元之間通信連接，歷史數據分析單元與所述預測單元之間通信連接；所述數據采集及預處理單元用于采集藥品歷史銷售數據，藥品歷史銷售數據包括藥品歷史銷量數據，并對藥品歷史銷售數據進行預處理，選擇作用于趨勢分析的基礎數據集；所述歷史數據分析單元用于對藥品歷史銷售數據進行異常值分析和處理、歸一化處理，以獲取歸一化數據；所述預測單元用于對歸一化數據根據藥品歷史銷量數據和基礎數據集，對未來藥品銷量進行預測。本專利技術還提供了一種藥品零售行業藥品銷售預測方法，包括以下步驟：(1)數據采集及預處理：對過去M年的藥品銷售數據進行收集，并進行預處理后，為趨勢分析選擇時間周期m；(2)歷史數據分析：(2.1)異常值識別及處理：利用線性回歸和剔除殘差方法識別異常值，并采用相鄰兩個周期內平均值的方法替換該異常值；(2.2)數據歸一化處理：對藥品銷售數據中所有數據作歸一化處理，并作打亂處理；(3)數據預測：(3.1)分別建立三次指數平滑預測模型、灰色預測模型、LSTM預測模型，并分別計算獲取三次指數平滑預測結果、灰色預測結果、LSTM預測結果；(3.2)通過三次指數平滑預測模型、灰色預測模型、LSTM預測模型組合構成BP神經網絡組合預測模型；(3.3)BP神經網絡組合預測模型以三次指數平滑預測結果、灰色預測結果、LSTM預測結果作為輸入變量，并對BP神經網絡組合預測模型進行模型訓練，最終獲取基于BP神經網絡的組合預測結果。進一步地，所述步驟(1)中，所述藥品銷售數據包括藥品銷量數據、該藥品銷量數據對應的月份、該藥品銷量數據對應周幾、該藥品銷量數據當天是否為節假日、該藥品銷量數據的藥品是否為處方藥、該藥品銷量數據所對應當天的溫度和該藥品銷量數據對應的經緯度。進一步地，所述步驟(2.2)中，將藥品銷售數據通過公式(1)無損地映射到[0,1]之間，公式(1)如下：進一步地，所述藥品銷售數據中藥品銷量數據、該藥品銷量數據對應的月份、該藥品銷量數據對應周幾、該藥品銷量數據當天是否為節假日、該藥品銷量數據的藥品是否為處方藥、該藥品銷量數據所對應當天的溫度和該藥品銷量數據對應的經緯度作為因素數據，以各因素數據分別作為特征，所述歸一化處理是對各個特征分別進行歸一化。進一步地，所述三次指數平滑預測模型的輸入為：過去N天某藥品的藥品銷量數據{x1,x2,...,xN}；輸出為：N+1、N+2、...、N+j天的藥品銷量預測值，其計算過程如下：(a1)確定S′1的取值：S′1表示訓練天數內第1天藥品銷量的一次指數平滑值的初值，S′1的取值取第1天的藥品銷量x1，公式如下：S′1＝x1(2)(a2)令α＝0.1；(a3)根據公式(3-1)、(3-2)、(3-3)計算得到后面各個觀察時間點的一次指數平滑值S′t和二次指數平滑值S″t和三次指數平滑值S″′t；S′t＝αxt+(1-α)S′t-1(3-1)S″t＝αS′t+(1-α)S″t-1(3-2)S″′t＝αS″t+(1-α)S″′t(3-3)(a4)計算三次指數平滑預測值：Xt＝At+Bt+Ct,t＝2,...,N(4)其中，At＝3S′t-3S″t+S″′t，(a5)根據公式(5)計算該α下的三次指數平滑預測誤差RMSE：其中，N表示藥品銷量數據的觀察天數；(a6)α＝α+0.1，返回第(a3)步，重復計算，直到α＝0.9；(a7)求使得預測誤差最小對應的α，記作αbest；(a8)根據公式(2)、(3-1)、(3-2)、(3-3)和(4)分別得到第t天的一次指數平滑值、二次指數平滑值、三次指數平滑值和三次指數預測值Xt；(a9)計算待預測一天的原始數據；將待預測一天的原始數據設置為前一天、前兩天、前一周、前一個月的加權，公式如下：xN+1＝w1xN+w2xN-1+w3xN-2+w4xN-T+1″(6)其中，w1+w2+w3+w4＝1，T為根據數據的周期性選定的，且T＝m；(a10)采用公式(4)分別計算第N+1天的三次指數預測值XN+1；(a11)重復步驟(a9)到(a10)直到計算完所有待預測天數的三次指數平滑預測值。進一步地，所述灰色預測模型的輸入為：過去N天某藥品的藥品銷量數據{x1,x2,...,xN}；輸出為：N+1、N+2、...、N+j天的藥品銷量預測值，灰色預測模型的計算過程如下：(b1)將藥品銷量數據{x1,x2,...,xN}記為：X(0)＝{x(0)(1),x(0)(2),...,x(0)(N)}，計算一次累加序列X(1)＝{x(1)(1)，x(1)(2)，...,x(1)(N)}；(b2)建立矩陣B,y；YN＝[x(0)(2),x(0)(3),...,x(0)(N)]T(7-2)(b3)求逆矩陣(BTB)-1；(b4)本文檔來自技高網...

【技術保護點】
1.一種藥品零售行業藥品銷售預測系統，其特征在于，包括數據采集及預處理單元、歷史數據分析單元、預測單元，所述數據采集及預處理單元與所述歷史數據分析單元之間通信連接，歷史數據分析單元與所述預測單元之間通信連接；所述數據采集及預處理單元用于采集藥品歷史銷售數據，藥品歷史銷售數據包括藥品歷史銷量數據，并對藥品歷史銷售數據進行預處理，選擇作用于趨勢分析的基礎數據集；所述歷史數據分析單元用于對藥品歷史銷售數據進行異常值分析和處理、歸一化處理，以獲取歸一化數據；所述預測單元用于對歸一化數據根據藥品歷史銷量數據和基礎數據集，對未來藥品銷量進行預測。

【技術特征摘要】
1.一種藥品零售行業藥品銷售預測系統，其特征在于，包括數據采集及預處理單元、歷史數據分析單元、預測單元，所述數據采集及預處理單元與所述歷史數據分析單元之間通信連接，歷史數據分析單元與所述預測單元之間通信連接；所述數據采集及預處理單元用于采集藥品歷史銷售數據，藥品歷史銷售數據包括藥品歷史銷量數據，并對藥品歷史銷售數據進行預處理，選擇作用于趨勢分析的基礎數據集；所述歷史數據分析單元用于對藥品歷史銷售數據進行異常值分析和處理、歸一化處理，以獲取歸一化數據；所述預測單元用于對歸一化數據根據藥品歷史銷量數據和基礎數據集，對未來藥品銷量進行預測。2.一種藥品零售行業藥品銷售預測方法，其特征在于，包括以下步驟：(1)數據采集及預處理：對過去M年的藥品銷售數據進行收集，并進行預處理后，為趨勢分析選擇時間周期m；(2)歷史數據分析：(2.1)異常值識別及處理：利用線性回歸和剔除殘差方法識別異常值，并采用相鄰兩個周期內平均值的方法替換該異常值；(2.2)數據歸一化處理：對藥品銷售數據中所有數據作歸一化處理，并作打亂處理；(3)數據預測：(3.1)分別建立三次指數平滑預測模型、灰色預測模型、LSTM預測模型，并分別計算獲取三次指數平滑預測結果、灰色預測結果、LSTM預測結果；(3.2)通過三次指數平滑預測模型、灰色預測模型、LSTM預測模型組合構成BP神經網絡組合預測模型；(3.3)BP神經網絡組合預測模型以三次指數平滑預測結果、灰色預測結果、LSTM預測結果作為輸入變量，并對BP神經網絡組合預測模型進行模型訓練，最終獲取基于BP神經網絡的組合預測結果。3.根據權利要求2所述的藥品零售行業藥品銷售預測方法，其特征在于，所述步驟(1)中，所述藥品銷售數據包括藥品銷量數據、該藥品銷量數據對應的月份、該藥品銷量數據對應周幾、該藥品銷量數據當天是否為節假日、該藥品銷量數據的藥品是否為處方藥、該藥品銷量數據所對應當天的溫度和該藥品銷量數據對應的經緯度。4.根據權利要求2所述的藥品零售行業藥品銷售預測方法，其特征在于，所述步驟(2.2)中，將藥品銷售數據通過公式(1)無損地映射到[0,1]之間，公式(1)如下：5.根據權利要求4所述的藥品零售行業藥品銷售預測方法，其特征在于，所述藥品銷售數據中藥品銷量數據、該藥品銷量數據對應的月份、該藥品銷量數據對應周幾、該藥品銷量數據當天是否為節假日、該藥品銷量數據的藥品是否為處方藥、該藥品銷量數據所對應當天的溫度和該藥品銷量數據對應的經緯度均作為因素數據，令各因素數據分別為一特征，所述歸一化處理是對各個特征分別進行歸一化。6.根據權利要求5所述的藥品零售行業藥品銷售預測方法，其特征在于，所述三次指數平滑預測模型的輸入為：過去N天某藥品的藥品銷量數據{x1,x2,...,xN}；輸出為：N+1、N+2、...、N+j天的藥品銷量預測值，其計算過程如下：(a1)確定S′1的取值：S′1表示訓練天數內第1天藥品銷量的一次指數平滑值的初值，S′1的取值取第1天的藥品銷量x1，公式如下：S′1＝x1(2)(a2)令α＝0.1；(a3)根據公式(3-1)、(3-2)、(3-3)計算得到后面各個觀察時間點的一次指數平滑值S′t和二次指數平滑值S″t和三次指數平滑值S″′t；S′t＝αxt+(1-α)S′t-1(3-1)S″t＝αS′t+(1-α)S″t-1(3-2)S″′t＝αS″t+(1-α)S″′t(3-3)(a4)計算三次指數平滑預測值：Xt＝At+Bt+Ct,t＝2,...,N(4)其中，At＝3S′t-3S″t+S...

【專利技術屬性】
技術研發人員：羅安，周聰俊，史鵬翔，許春霞，師改梅，何進，
申請(專利權)人：四川駿逸富頓科技有限公司，
類型：發明
國別省市：四川,51