用于激增调整预报的方法和装置与流程

技术特征：
1.一种系统，包括：计算设备，被配置为：获得针对先前时间段的时间序列数据；使用所述时间序列数据的至少一个子集来生成针对未来时间段的第一预测；生成针对所述未来时间段的第二预测；聚合所述第一预测和所述第二预测，以确定针对所述未来时间段的最终预报预测；以及呈现所述最终预报预测。2.根据权利要求1所述的系统，其中所述时间序列数据的所述子集包括低于预定阈值的时间序列值集合。3.根据权利要求1所述的系统，其中所述时间序列数据包括对应于由零售商每天接收的订单数量的值。4.根据权利要求1所述的系统，其中所述计算设备还被配置为将至少两个基线预测模型应用于所述时间序列数据以生成所述第一预测。5.根据权利要求4所述的系统，其中生成所述第一预测进一步至少部分地基于与所述至少两个基线预测模型中的每个基线预测模型相关联的准确度。6.根据权利要求5所述的系统，其中与所述至少两个基线模型中的每个基线模型相关联的所述准确度基于对应基线预测模型的平均绝对百分比误差。7.根据权利要求1所述的系统，其中所述偏差第二预测是至少部分地基于与所述未来时间段相关联的一个或多个外生参数而被生成的。8.根据权利要求7所述的系统，其中所述一个或多个外生参数包括与假期指标、事件指标和时间指标中的一个或多个相关联的变量。9.根据权利要求1所述的系统，其中生成所述第二预测基于所述时间序列数据的第二子集，所述第二子集包括高于与高强度尖峰相关联的预定阈值的值。10.根据权利要求1所述的系统，其中生成所述第二预测基于在所述未来时间段中的每个间隔处的预测值中高强度尖峰的概率。11.根据权利要求1所述的系统，其中聚合所述第一预测和第二预测包括应用求和函数以将所述第一预测的第一值和所述第二预测的第二值相加以用于对应于所述未来时间段的每个间隔。12.根据权利要求1所述的系统，其中聚合所述第一预测和第二预测基于与用于生成所述第一预测的算法和用于生成所述第二预测的另一算法相关联的准确度。13.一种方法，包括：获得针对先前时间段的时间序列数据，所述时间序列数据包括具有平稳时间序列值的多个间隔和具有高强度尖峰值的一个或多个间隔；使用所述时间序列数据的第一子集来生成针对未来时间段的第一预测，所述第一子集包括具有平稳时间序列值的所述多个间隔；使用所述时间序列数据的第二子集来生成第二预测，所述第二子集包括具有所述高强度尖峰值的所述一个或多个间隔；聚合所述第一预测和所述第二预测，以确定针对所述未来时间段的最终预报预测；以
及导致呈现所述最终预报预测。14.根据权利要求13所述的方法，其中所述高强度尖峰值包括对应于所述时间序列数据的间隔的、高于预定尖峰阈值的值。15.根据权利要求13所述的方法，其中所述第一预测使用至少两个算法而被生成，所述至少两个算法是基于所述时间序列数据和与所述两个算法中的每个算法相关联的准确度来从多个算法中选择的。16.根据权利要求13所述的方法，其中聚合所述第一预测和所述第二预测基于与用于预测所述第一预测和所述第二预测中的每个预测的算法相关联的准确度。17.根据权利要求13所述的方法，其中聚合所述第一预测和所述第二预测基于时间序列数据的所述第二子集中的所述高强度尖峰值。18.根据权利要求13所述的方法，还包括基于所述最终预报预测来执行操作，所述操作包括以下一项：订购一个或多个物品、生成员工调度或储存一个或多个物品。19.根据权利要求13所述的方法，其中所述时间序列数据包括对应于每天为工作调度的员工数量的值。20.一种其上存储有指令的非暂态计算机可读介质，其中所述指令在由至少一个处理器执行时使设备执行操作，所述操作包括：获得针对先前时间段的时间序列数据；使用所述时间序列数据的至少一个子集来生成针对未来时间段的第一预测；生成针对所述未来时间段的第二预测；聚合所述第一预测和所述第二预测，以确定针对所述未来时间段的最终预报预测；以及导致呈现所述最终预报预测。

技术总结
本公开的实施例涉及用于激增调整预报的方法和装置。本申请涉及用于基于先前时间段的时间序列数据来自动预测未来时间段的值的装置和方法。在一些示例中，计算设备采用多种算法或预测模型来确定考虑未来时间段中的正常和激增诱发事件的基线预测和偏差预测。利用算法的准确性和外生变量，诸如假期、事件、时间指标，以准确预测未来值。使用基线算法的基线预测与和激增事件相关的偏差预测相聚合，以确定未来时间段的最终预测，而不会影响针对正常事件和激增诱发事件两者的预测的准确性和效率。件和激增诱发事件两者的预测的准确性和效率。件和激增诱发事件两者的预测的准确性和效率。


技术研发人员：A
受保护的技术使用者：沃尔玛阿波罗有限责任公司
技术研发日：2021.10.28
技术公布日：2022/6/14