(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 202211010349.4 (22)申请日 2022.08.23 (71)申请人 天元大数据信用管理有限公司 地址 250100 山东省济南市高新区浪潮路 1036号浪潮科技园S01楼 23层 (72)发明人 郭英楠　王玉德　赵国森　崔乐乐　 (74)专利代理 机构 济南信达专利事务所有限公 司 37100 专利代理师 阚恭勇 (51)Int.Cl. G06Q 30/02(2012.01) G06F 17/18(2006.01) G06N 5/00(2006.01) G06N 20/20(2019.01) G06F 16/951(2019.01) (54)发明名称 一种基于ARIMA模型和GBD T算法的销售预测 方法 (57)摘要 本发明提供一种基于ARIMA模型和GBD T算法 的销售预测方法， 属于人工智 能领域， 本发明基 于销售企业的时间序列数据， 通过融合ARIMA模 型和GBDT算法， 建立销量预测模型， 充分挖掘原 始销售数据中的线性信息和非线性信息， 预测未 来一段时间内的销售数据。 本发 明基于时间序列 数据的分析方法， 提出了传统ARIMA模型和GBDT 算法的融合方法， 在销售数据分析预测上得到了 可观的准确率 提升。 权利要求书1页 说明书5页 附图1页 CN 115330460 A 2022.11.11 CN 115330460 A 1.一种基于ARIMA模型和GBDT算法的销售预测方法， 其特 征在于， 基于销售企业的时间序列数据， 通过融合ARIMA模型和 GBDT算法， 建立销量预测模型， 挖掘原始销售数据中的线性信息和非线性信息， 预测未来时间内的销售数据。 2.根据权利要求1所述的方法， 其特 征在于， 步骤如下： (1)数据获取及预处 理； (2)构建ARIMA模型； (3)构建ARIMA_GBDT融合模型； (4)模型效果比对。 3.根据权利要求2所述的方法， 其特 征在于， (1)数据获取及预处 理 接入对数据进行去重、 清洗、 校验， 将多源的数据进行整合； 然后对数据进行分析、 统 计； 采用网络爬虫技术获取企业销售数据， 然后以Python语言为基础， 利用Pandas进行数 据的预处理工作， 并以图表的形式将处理好的数据进行可视化展示， 为后续算法模型 的检 验， 提供可靠的数据集。 4.根据权利要求3所述的方法， 其特 征在于， 对数据进行分析、 统计， 给 出可视化展示。 5.根据权利要求2所述的方法， 其特 征在于， (2)构建ARIMA模型 基于处理好的数据， 构建ARIMA模型， 包括白噪声检验、 序列平稳性检验及非平稳序列 处理、 模型识别和 定阶、 模型中未知参数的估计、 模型优化， 最后将应用得到的ARIMA模型， 给出数据集未来5个时间单位的销售额预测值。 6.根据权利要求2所述的方法， 其特 征在于， (3)构建ARIMA_GBDT融合模型 将一个时间序列看做是线性部分和 非线性部分的加和， 用ARIMA模型对时间序列进行 拟合分析， 提取序列中的线性部 分， 再通过GBDT算法来拟合残差， 即可发现序列中的非线性 信息。 7.根据权利要求6所述的方法， 其特 征在于， 利用Python将原始数据、 ARIMA拟合数据和残差数据， 作为算法的输入值， 通过网格调 参法， 得到预测结果。 8.根据权利要求2所述的方法， 其特 征在于， (4)模型效果比对 并采用RMSE和MAPE两种评价指标， 来对比和量化模型的优劣， 基于以上结果， 可得出 ARIMA_GBDT融合模型在趋势拟合、 短期预测准确率和总体预测误差方面。权　利　要　求　书 1/1 页 2 CN 115330460 A 2一种基于ARIMA模型和GBDT算法的销售预测方 法 技术领域 [0001]本发明涉及人工智能领域， 尤其涉及一种基于ARIMA模型和GBDT算法的销售预测 方法。 背景技术 [0002]随着经济 的发展， 对于各企业的产品销售来说， 都希望自己在日趋激烈的角逐中 实现利润最大化， 为了实现这一目标， 企业需要挖掘出历史数据中所蕴含的信息， 从而把握 市场动向， 更加精确地制定出自己未来产品的营销和生产计划， 使企业更有竞争力。 面对已 有的大量数据资源， 商业 企业迫切地想要寻找合适的人工智能和大数据技术来对它们的数 据进行建模、 分析， 让数据发挥价值， 从而来指导决策者做出好的销售策略， 进而做到以最 少的成本来 获取最大的利润， 做到科学有效的经营管理， 规避风险和损失。 传统时间序列分 析方法虽然已自成体系， 但不能充分考虑时间序列中的诸多因素， 传统时间序列分析方法 与机器学习 方法的融合层出不穷， 但依旧缺少稳定性和针对性， 也缺少一个可以为企业提 供销售数据分析的有效工具。 发明内容 [0003]为了解决以上技术问题， 本发明提供了一种基于ARIMA模型和GBDT算法的销售预 测方法。 [0004]本发明的技 术方案是： [0005]一种基于ARIMA模型和GBDT算法的销售预测方法， 基于销售企业的时间序列数据， 通过融合ARIMA模 型和GBDT算法， 建立销量预测模 型， 充分挖掘原始销售数据中的线性信息 和非线性信息， 预测未来 一段时间内的销售数据。 [0006]进一步的， [0007]步骤如下： [0008](1)数据获取及预处 理 [0009](2)构建ARIMA模型 [0010](3)构建ARIMA_GBDT融合模型 [0011](4)模型效果比对。 [0012]再进一步的， [0013](1)数据获取及预处 理 [0014]接入对数据进行去重、 清洗、 校验， 将多源的数据进行整合。 然后对数据进行分析、 统计， 必要的时候给 出可视化展示， 可以形象直观地帮助我们了解数据的内在规 律性。 [0015]采用网络爬虫技术获取企业销售数据， 然后以Python语言为基础， 利用  Pandas进 行数据的预处理工作， 并以图表的形式将处理好的数据进行可视化展示， 为后续算法模型 的检验， 提供 可靠的数据集。 [0016](2)构建ARIMA模型说　明　书 1/5 页 3 CN 115330460 A 3