煤炭调运量预测方法、煤炭调运量预测模型训练方法及装置与流程

本说明书实施例涉及计算机，特别涉及一种煤炭调运量预测方法，一种煤炭调运量预测模型训练方法，一种煤炭调运量预测装置，一种煤炭调运量预测模型训练装置。

背景技术：

1、随着互联网信息技术的快速发展，煤炭行业数字化转型进程不断加速，煤矿产销运存一体化管理对数据驱动的精准决策提出了更高要求。煤炭月度调运量预测作为煤矿生产计划编制、运力资源配置和客户交付履约的核心依据，直接关系到企业运营效率与经济效益。

2、目前，煤炭调运量预测与计划制定主要依赖人工经验估算与excel手工统计的模式。销售部门通过人工环比或同比估算下月销量；生产、运输、发运站等部门分别独立制定各自计划；预测过程仅简单考虑历史销量和合同量两个核心因素；所有数据存储于excel表格或纸质报表中。

3、然而，上述技术方案在实际应用中仍存在显著的技术问题，例如预测准确性差、计划制定效率低、产销运环节脱节、数据无法量化分析与追溯等，难以满足煤矿企业精细化管理与智能化决策的需求。因此，亟需一种更灵活、更准确、更高效地煤炭调运量预测方案。

技术实现思路

1、有鉴于此，本说明书实施例提供了一种煤炭调运量预测方法及煤炭调运量预测模型训练方法。本说明书一个或者多个实施例同时涉及一种煤炭调运量预测装置，一种煤炭调运量预测模型训练装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序产品，以解决现有技术中存在的技术缺陷。

2、根据本说明书实施例的第一方面，提供了一种煤炭调运量预测方法，包括：

3、获取多业务维度下的目标煤炭数据；

4、基于煤炭数据分布规则对应的预处理策略，对目标煤炭数据进行预处理，获得目标煤炭处理数据集，其中，预处理策略与训练阶段的预处理策略一致；

5、基于煤炭调运量的相关影响因子，对目标煤炭处理数据集进行特征构建，获得目标煤炭特征集，其中，目标煤炭特征集包括相关影响因子下的目标煤炭特征数据；

6、将相关影响因子下的目标煤炭特征数据输入目标煤炭调运量预测模型，获得下一调度周期的目标煤炭调运量。

7、根据本说明书实施例的第二方面，提供了一种煤炭调运量预测模型的训练方法，包括：

8、获取多业务维度下的历史煤炭数据以及对应的煤炭调运量标签；

9、基于煤炭数据分布规则对应的预处理策略，对历史煤炭数据进行预处理，获得样本煤炭处理数据集；

10、基于煤炭调运量的相关影响因子，对样本煤炭处理数据集进行特征构建，获得样本煤炭特征集，其中，样本煤炭特征集包括相关影响因子下的样本煤炭特征数据以及对应的煤炭调运量标签；

11、基于相关影响因子下的样本煤炭特征数据以及对应的煤炭调运量标签，对初始煤炭调运量预测模型进行训练，直至达到训练停止条件，获得目标煤炭调运量预测模型，目标煤炭调运量预测模型用于执行上述煤炭调运量预测方法。

12、根据本说明书实施例的第三方面，提供了一种煤炭调运量预测装置，包括：

13、第一获取模块，被配置为获取多业务维度下的目标煤炭数据；

14、第一预处理模块，被配置为基于煤炭数据分布规则对应的预处理策略，对目标煤炭数据进行预处理，获得目标煤炭处理数据集，其中，预处理策略与训练阶段的预处理策略一致；

15、第一特征构建模块，被配置为基于煤炭调运量的相关影响因子，对目标煤炭处理数据集进行特征构建，获得目标煤炭特征集，其中，目标煤炭特征集包括相关影响因子下的目标煤炭特征数据；

16、预测模块，被配置为将相关影响因子下的目标煤炭特征数据输入目标煤炭调运量预测模型，获得下一调度周期的目标煤炭调运量。

17、根据本说明书实施例的第四方面，提供了一种煤炭调运量预测模型的训练装置，包括：

18、第二获取模块，被配置为获取多业务维度下的历史煤炭数据以及对应的煤炭调运量标签；

19、第二预处理模块，被配置为基于煤炭数据分布规则对应的预处理策略，对历史煤炭数据进行预处理，获得样本煤炭处理数据集；

20、第二特征构建模块，被配置为基于煤炭调运量的相关影响因子，对样本煤炭处理数据集进行特征构建，获得样本煤炭特征集，其中，样本煤炭特征集包括相关影响因子下的样本煤炭特征数据以及对应的煤炭调运量标签；

21、训练模块，被配置为基于相关影响因子下的样本煤炭特征数据以及对应的煤炭调运量标签，对初始煤炭调运量预测模型进行训练，直至达到训练停止条件，获得目标煤炭调运量预测模型，其中，目标煤炭调运量预测模型用于执行上述煤炭调运量预测方法。

22、根据本说明书实施例的第五方面，提供了一种计算设备，包括：

23、存储器和处理器；

24、存储器用于存储计算机程序/指令，处理器用于执行计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。

25、根据本说明书实施例的第六方面，提供了一种计算机可读存储介质，其存储有计算机程序/指令，该程序/指令被处理器执行时实现上述方法的步骤。

26、根据本说明书实施例的第七方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。

27、本说明书提供的煤炭调运量预测方法，通过获取多业务维度下的目标煤炭数据，能够灵活适配不同煤矿企业的数据基础和业务需求，避免因数据来源单一导致的信息缺失；通过采用与训练阶段一致的预处理策略，能够消除预测阶段输入数据与训练数据之间的分布偏差，确保预测结果的准确性；通过基于相关影响因子进行特征构建，能够使模型全面捕捉影响调运量的关键因素，进一步提升预测精度；通过将特征数据输入预测模型，能够实现煤炭调运量的自动化预测，替代传统依赖人工经验估算的粗放模式，大幅提升预测效率。由此，本说明书实现了更灵活、更准确、更高效的煤炭调运量预测方案。

1.一种煤炭调运量预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述多业务维度下的目标煤炭数据包括：内部运营数据、运输约束数据、外部市场数据、政策监管数据和时间特征数据中的至少一种；

3.根据权利要求1所述的方法，其特征在于，所述预处理策略包括平稳性校验、周期性分析和随机性检验；所述基于煤炭数据分布规则对应的预处理策略，对所述目标煤炭数据进行预处理，获得目标煤炭处理数据集，包括：

4.根据权利要求1所述的方法，其特征在于，所述相关影响因子包括：时间特征因子、滞后特征因子、运营特征因子和约束特征因子中的至少一种，所述目标煤炭特征集包括时间特征因子下的时间特征煤炭数据、滞后特征因子下的滞后特征煤炭数据、运营特征因子下的运营特征煤炭数据、约束特征因子下的约束特征煤炭数据中的至少一种；

5.根据权利要求1所述的方法，其特征在于，所述将所述相关影响因子下的目标煤炭特征数据输入目标煤炭调运量预测模型，获得下一调度周期的目标煤炭调运量之后，还包括：

6.根据权利要求1所述的方法，其特征在于，所述将所述相关影响因子下的目标煤炭特征数据输入目标煤炭调运量预测模型，获得下一调度周期的目标煤炭调运量之后，还包括：

7.一种煤炭调运量预测模型的训练方法，其特征在于，包括：

8.根据权利要求7所述的方法，其特征在于，所述基于所述相关影响因子下的样本煤炭特征数据以及对应的煤炭调运量标签，对初始煤炭调运量预测模型进行训练之前，还包括：

9.根据权利要求8所述的方法，其特征在于，所述基于所述相关影响因子下的样本煤炭特征数据以及对应的煤炭调运量标签，对初始煤炭调运量预测模型进行训练，直至达到训练停止条件，获得目标煤炭调运量预测模型，包括：

10.根据权利要求9所述的方法，其特征在于，所述训练停止条件包括验证集平均绝对百分比误差连续设定轮次未下降；

11.一种煤炭调运量预测装置，其特征在于，包括：

12.一种煤炭调运量预测模型的训练装置，其特征在于，包括：

13.一种计算设备，其特征在于，包括：

14.一种计算机可读存储介质，其特征在于，其存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1至10任意一项所述方法的步骤。

15.一种计算机程序产品，其特征在于，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1至10任意一项所述方法的步骤。