【技術實現步驟摘要】
本專利技術涉及智能管理數據處理，尤其涉及一種基于ai分析的數據趨勢預測系統。
技術介紹
1、通過使用ai算法和機器學習模型，可以從歷史數據中提取模式和趨勢，并根據這些模式和趨勢進行預測，現有技術通過歷史倉儲數據計算客戶的銷售下降趨勢，并擬合銷售量曲線，根據銷售量的差異預測進貨量，既考慮數據整體趨勢，又考慮了單個客戶的特殊性，一定程度上提高了預測的準確度，同類替代品或非同類替代品會對產品的銷售情況產生影響，現有技術未考慮該因素的影響，僅從產品的銷售情況進行分析，導致分析結果不準確。
2、中國專利申請號：cn202310113204.5公開了一種物流信息平臺數據智能管理方法及系統，該專利技術涉及智能管理數據處理
，該專利技術首先將客戶的歷史倉儲數據劃分成多個區間；由區間對應的天數、進貨量以及每天的倉儲庫存量，計算區間的平滑參數值；計算客戶的銷售下降趨勢；擬合銷售量曲線，將其分割成多個趨勢分段；由趨勢分段的銷售量的差異得到銷售趨勢差異；由銷售趨勢差異、趨勢分段對應的天數和區間對應的天數得到整體差異；由平滑參數值、銷售下降趨勢和整體差異，修正平滑參數值得到修正平滑參數值；基于修正平滑參數值和進貨量得到預測進貨量；根據預測進貨量管理現有存儲貨量。該專利技術既考慮了整體的趨勢，又考慮了單個客戶的特殊性，使得預測結果更準確。由此可見，所述物流信息平臺數據智能管理方法存在以下問題：未考慮替代品對產品的銷售情況的影響，導致分析結果不準確。
技術實現思路
1、為此，本專利技術提供一種
2、為實現上述目的，本專利技術提供一種基于ai分析的數據趨勢預測系統。包括：
3、數據采集模塊，其用以采集若干產品的歷史數據；
4、特征提取模塊，其用以提取所述歷史數據中待預測產品的若干特征數據以生成第一特征數據集，用以提取其他產品的若干特征數據以生成第二特征數據集；
5、建模模塊，其用以基于所述第一特征數據集生成預測模型和基于所述第二特征數據集生成優化模型；
6、數據分析模塊，其包括：
7、準確度分析單元，用以基于所述預測模型的預測數據與實際數據的重合度確定所述預測模型的預測準確度；
8、合格性分析單元，其用以根據所述預測模型中各相鄰兩拐點間的時間的平均值確定所述預測模型針對數據趨勢的預測合格性的判定；
9、原因分析單元，其用以根據所述重合度和第二預設重合度的重合度差值確定針對所述準確度不符合標準的原因的判定；
10、優化模塊，其用以基于數據分析模塊判定所述第一特征數據集中存在臟數據和所述優化模型輸出的待預測產品的曝光率對銷量的影響率的輸出結果對所述預測模型輸出的預測數據進行修正以對預測數據進行優化；
11、預測模塊，其用以輸出所述預測模型的預測結果。
12、進一步地，所述準確度分析單元在基于所述重合度初步判定所述預測模型的準確度不合格時基于預測模型中的參數對預測模型的準確度是否合格進行二次判定，或基于重合度差值分析其不合格的原因。
13、進一步地，所述合格性分析單元基于所述預測模型中各相鄰兩拐點間的時間的平均值二次判定預測模型的準確度是否合格，
14、若平均值小于等于預設平均值，判定預測模型的準確度合格；
15、若平均值大于所述預設平均值，判定所述預測模型的準確度不合格。
16、進一步地，所述合格性分析單元在所述平均值小于等于所述預設平均值的條件下提取第一特征數據集中的預設比例的數據以使數據中的若干銷量特征滿足正態分布，將滿足正態分布的所有銷量特征數據加入至第一特征數據集中以再次訓練所述預測模型，并基于預設平均值與平均值的差值確定提取的第一特征數據集中數據的預設比例。
17、進一步地，所述合格性分析單元在所述平均值大于所述預設平均值的條件下根據關聯模型對關聯產品預測后輸出的若干輸出數據與所述預測模型對所述待預測產品預測后輸出的若干預測數據的重合點數量占比確定對第一預設重合度的修正。
18、進一步地，所述原因分析單元基于所述重合度差值確定所述預測模型的準確度不合格的原因，
19、若重合度差值小于等于預設重合度差值，判定預測模型的數據變化波動大；
20、若所述重合度差值大于所述預設重合度差值，判定所述第一特征數據集中存在臟數據。
21、進一步地，所述優化模塊在所述預測模型的數據變化波動大的條件下提取所述第一特征數據集中的預設比例的數據以使數據集中的銷量特征滿足正態分布，將滿足正態分布銷量特征的所有數據加入至第一特征數據集中以再次訓練所述預測模型，并基于所述重合度差值與所述預設重合度差值的比值確定提取的第一特征數據集中數據的預設比例。
22、進一步地，所述數據分析模塊還包括信息特征獲取單元，
23、所述信息特征獲取單元用以獲取所述優化模型針對所述待預測產品在互聯網的曝光率對應輸出的影響率，并根據所述影響率與預設影響率的比對結果確定針對所述預測模型的輸出結果調整。
24、進一步地，所述信息特征獲取單元在基于影響率與預設影響率的比對結果確定是否對所述預測模型的輸出結果進行調整的條件下，若所述影響率小于等于預設影響率，所述信息特征獲取單元確定不調整所述預測模型的輸出結果；
25、若所述影響率大于預設影響率，所述信息特征獲取單元確定調整所述預測模型的輸出結果。
26、進一步地，所述信息特征獲取單元在確定調整所述預測模型的輸出結果的條件下根據影響率差值確定針對所述預測模型輸出的各點位預測數據與上一點位預測數據間的斜率的調節。
27、與現有技術相比，本專利技術的有益效果在于，本專利技術中根據各時間點預測數據與實際數據重合的點位的數量占比判定預測模型的預測準確度，重合的點位數量越多，預測模型的預測準確度越高，因此根據重合點的數量進行分析，提高了分析準確度，待預測產品的曝光率越大，產品銷量越多，因此根據產品網絡曝光率對應的產品銷量計算網絡曝光率對產品銷量的影響率，進一步根據該影響率對預測模型輸出的預測數據進行修正，提高了預測準確度。
28、進一步地，本專利技術中通過關聯產品的數據的變化趨勢對待預測產品的數據的分析過程進行優化以使待預測產品的預測模型的預測精度更高，因存在與待預測產品較為相似的關聯產品，關聯產品的銷量會對待預測產品的銷量產生影響，所以需要更精準的預測模型對待預測產品的未來的銷量取值進行預測，因此，通過在對待預測產品的預測模型的驗證過程中，在預測模型不合格的情況下對預測模型的參數進行調節，提高了針對待預測產品的數據的預測結果的準確度。
29、進一步地，本專利技術中預測模型圖像中各相鄰兩拐點間的平均時長越短，數據變化頻次越快，因此根據平均時長分析數據趨勢，提高了針對數據預測結果的分析準確度。
30、進一步地，本專利技術中選取滿足正本文檔來自技高網...
【技術保護點】
1.一種基于AI分析的數據趨勢預測系統，其特征在于，包括：
2.根據權利要求1所述的基于AI分析的數據趨勢預測系統，其特征在于，所述準確度分析單元在基于所述重合度初步判定所述預測模型的準確度不合格時基于預測模型中的參數對預測模型的準確度是否合格進行二次判定，或基于重合度差值分析其不合格的原因。
3.根據權利要求2所述的基于AI分析的數據趨勢預測系統，其特征在于，所述合格性分析單元基于所述預測模型中各相鄰兩拐點間的時間的平均值二次判定預測模型的準確度是否合格，
4.根據權利要求3所述的基于AI分析的數據趨勢預測系統，其特征在于，所述合格性分析單元在所述平均值小于等于所述預設平均值的條件下提取第一特征數據集中的預設比例的數據以使數據中的若干銷量特征滿足正態分布，將滿足正態分布的所有銷量特征數據加入至第一特征數據集中以再次訓練所述預測模型，并基于預設平均值與平均值的差值確定提取的第一特征數據集中數據的預設比例。
5.根據權利要求4所述的基于AI分析的數據趨勢預測系統，其特征在于，所述合格性分析單元在所述平均值大于所述預設平均值的條件下根據
6.根據權利要求5所述的基于AI分析的數據趨勢預測系統，其特征在于，所述原因分析單元基于所述重合度差值確定所述預測模型的準確度不合格的原因，
7.根據權利要求6所述的基于AI分析的數據趨勢預測系統，其特征在于，所述優化模塊在所述預測模型的數據變化波動大的條件下提取所述第一特征數據集中的預設比例的數據以使數據集中的銷量特征滿足正態分布，將滿足正態分布銷量特征的所有數據加入至第一特征數據集中以再次訓練所述預測模型，并基于所述重合度差值與所述預設重合度差值的比值確定提取的第一特征數據集中數據的預設比例。
8.根據權利要求7所述的基于AI分析的數據趨勢預測系統，其特征在于，所述數據分析模塊還包括信息特征獲取單元，
9.根據權利要求8所述的基于AI分析的數據趨勢預測系統，其特征在于，所述信息特征獲取單元在基于影響率與預設影響率的比對結果確定是否對所述預測模型的輸出結果進行調整的條件下，若所述影響率小于等于預設影響率，所述信息特征獲取單元確定不調整所述預測模型的輸出結果；
10.根據權利要求9所述的基于AI分析的數據趨勢預測系統，其特征在于，所述信息特征獲取單元在確定調整所述預測模型的輸出結果的條件下根據影響率差值確定針對所述預測模型輸出的各點位預測數據與上一點位預測數據間的斜率的調節。
...【技術特征摘要】
1.一種基于ai分析的數據趨勢預測系統，其特征在于，包括：
2.根據權利要求1所述的基于ai分析的數據趨勢預測系統，其特征在于，所述準確度分析單元在基于所述重合度初步判定所述預測模型的準確度不合格時基于預測模型中的參數對預測模型的準確度是否合格進行二次判定，或基于重合度差值分析其不合格的原因。
3.根據權利要求2所述的基于ai分析的數據趨勢預測系統，其特征在于，所述合格性分析單元基于所述預測模型中各相鄰兩拐點間的時間的平均值二次判定預測模型的準確度是否合格，
4.根據權利要求3所述的基于ai分析的數據趨勢預測系統，其特征在于，所述合格性分析單元在所述平均值小于等于所述預設平均值的條件下提取第一特征數據集中的預設比例的數據以使數據中的若干銷量特征滿足正態分布，將滿足正態分布的所有銷量特征數據加入至第一特征數據集中以再次訓練所述預測模型，并基于預設平均值與平均值的差值確定提取的第一特征數據集中數據的預設比例。
5.根據權利要求4所述的基于ai分析的數據趨勢預測系統，其特征在于，所述合格性分析單元在所述平均值大于所述預設平均值的條件下根據關聯模型對關聯產品預測后輸出的若干輸出數據與所述預測模型對所述待預測產品預測后輸出的若干預測數據的重合點數量占比確定對第一預設重合度的修正。
<...【專利技術屬性】
技術研發人員：薛林桐，楊紹杰，羅恒，
申請(專利權)人：北京法伯宏業科技發展有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。