一种自动预测电商销售额的装置及方法

摘要

本发明涉及科学计算、工程设计和数值分析领域，具体提供了一种自动预测电商销售额的装置，包括采集单元、预测单元、定时单元和显示单元，所述采集单元用于进行数据采集，根据采集的数据设定自变量和因变量，建立线性方程组，求解方程组解；然后，将方程组解作为系数传入到预测单元，得到预测销售额，所述定时单元进行预测更新频率，最后显示单元进行展示。与现有技术相比，本发明不仅对病态线性方程组具有快速高效求解的优势，对于普通大型线性方程组求解优势仍然明显，能有效帮助我们从海量电商交易数据中预测未来销售额，这将很大程度上节省人力和物力，实现高效准确预测电商销售业绩，对把控电商销售业绩和宏观调控具有重要意义。

说明书

技术领域

本发明涉及科学计算、工程设计和数值分析领域，具体提供一种 自动预测电商销售额的装置及方法。

背景技术

近几年电子商务的发展迅猛，网上购物已经成为消费者获取商品 的主要途径之一。大量的商品交易产生海量的数据，如何根据这些海 量数据及时高效而又准确的预测未来销售业绩成了我们当下研究的 重点。由于平台众多，数据量巨大，为了根据已有值去预测未来值， 就需要联立方程，进而得到多元线性方程组。由实际问题得到的方程 组的系数矩阵或者常数向量的元素，本身会存在一定的误差，这些初 始数据的误差在计算过程中就会向前传播，从而影响到方程组的解， 若因系数的很小改变却导致解改变很大的方程组我们称之为病态方 程组。而快速求解多元线性方程组并在求解中有效避免方程组的病态 性则成了装置设计的难点。

发明内容

本发明是针对上述现有技术的不足，提供一种设计合理，安全适 用的自动预测电商销售额的装置。

本发明进一步的技术任务是提供一种实用性强的自动预测电商 销售额的方法。

本发明解决其技术问题所采用的技术方案是：

一种自动预测电商销售额的装置，包括采集单元、定时单元和显 示单元，所述采集单元用于进行数据采集，根据采集的数据设定自变 量和因变量，建立线性方程组，求解方程组解；然后，将方程组解作 为系数传入到预测单元，得到预测销售额，所述定时单元进行预测更 新频率，最后显示单元进行展示。

进一步的,方程组求解算法一部分如下：

松弛因子ω自动生成算法，考虑线性方程组Ax＝b的解，其中，

松弛因子ω的计算公式如下：

其中，

进一步的,方程组求解另一部分为改进余量修正算法：

若

构造余量方程组Ay＝r，通过线性方程组的直接法——LU分解 法求解余量方程组，并且在用计算机求解时换用比前面迭代求解多一 倍精度的变量存储数据；

然后，将余量方程组的解y加到先前求得的近似解

进一步的,整体求解方程组算法为：

首先，设定迭代次数上限C

根据公式

根据公式

根据公式

根据公式r＝b-Ax

构造余量方程组Ay＝r；

然后，采用双精度存储并用直接法LU分解法求解余量方程组的 解y；

用修正量y对近似解x

最后，若迭代次数k≤C

若迭代次数k≤C

进一步的,所述定时单元设置预测更新频率，为电商销售额装置 传送启动信号。

一种自动预测电商销售额的方法，具有以下步骤：

S1、设置采集单元，进行数据采集；

S2、根据采集的数据设定自变量和因变量，建立线性方程组；

S3、求解方程组解；

S4、将方程组解作为系数传入到预测单元，得到预测销售额；

S5、设置定时单元预测更新频率；

S6、采用显示单元进行展示。

进一步的,在步骤S3中，方程组求解算法如下：

松弛因子ω自动生成算法，考虑线性方程组Ax＝b的解，其中，

松弛因子ω的计算公式如下：

其中，

进一步的，在步骤S3中，改进余量修正算法为：

若

构造余量方程组Ay＝r，通过线性方程组的直接法——LU分解 法求解余量方程组，并且在用计算机求解时换用比前面迭代求解多一 倍精度的变量存储数据；

然后，将余量方程组的解y加到先前求得的近似解

进一步的，在步骤S3中，整体求解方程组算法具体步骤如下：

S301、设定迭代次数上限C

S302、根据公式

S303、根据公式

S304、根据公式

S305、根据公式r＝b-Ax

S306、构造余量方程组Ay＝r；

S307、采用双精度存储并用直接法LU分解法求解余量方程组的 解y；

S308、用修正量y对近似解x

S309、若迭代次数k≤C

若迭代次数k≤C

进一步的，在步骤S5中，通过定时单元设置预测更新频率，所 述定时单元为步骤S1到S4传送启动信号。

本发明的一种自动预测电商销售额的装置及方法和现有技术相 比，具有以下突出的有益效果：

本发明不仅对病态线性方程组具有快速高效求解的优势，对于普 通大型线性方程组求解优势仍然明显，能有效帮助我们从海量电商交 易数据中预测未来销售额，这将很大程度上节省人力和物力，实现高 效准确预测电商销售业绩，对把控电商销售业绩和宏观调控具有重要 意义。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面 将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而 易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通 技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图 获得其他的附图。

附图1是一种自动预测电商销售额方法的流程示意图。

具体实施方式

为了使本技术领域的人员更好的理解本发明的方案，下面结合具 体的实施方式对本发明作进一步的详细说明。显然，所描述的实施例 仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的 实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的 所有其他实施例都属于本发明保护的范围。

下面给出一个最佳实施例：

本实施例中的一种自动预测电商销售额的装置，包括采集单元、 预测单元、定时单元和显示单元，所述采集单元用于进行数据采集， 根据采集的数据设定自变量和因变量，建立线性方程组，求解方程组 解；然后，将方程组解作为系数传入到预测单元，得到预测销售额， 所述定时单元进行预测更新频率，最后显示单元进行展示。

方程组求解算法如下：

(1)松弛因子ω自动生成算法，考虑线性方程组Ax＝b的解， 其中，

松弛因子ω的计算公式如下：

其中，

(2)改进余量修正算法：

若

构造余量方程组Ay＝r，通过线性方程组的直接法——LU分解 法求解余量方程组，并且在用计算机求解时换用比前面迭代求解多一 倍精度的变量存储数据；

然后，将余量方程组的解y加到先前求得的近似解

整体求解方程组算法为：

首先，设定迭代次数上限C

根据公式

根据公式

根据公式

根据公式r＝b-Ax

构造余量方程组Ay＝r；

然后，采用双精度存储并用直接法LU分解法求解余量方程组的 解y；

用修正量y对近似解x

最后，若迭代次数k≤C

若迭代次数k≤C

其中，定时单元设置预测更新频率，为预测电商销售额装置传送 启动信号。

如图1所示，一种自动预测电商销售额的方法，具有以下步骤：

S1、设置采集单元，进行数据采集：

采集单元获取电商平台公开数据进行数据采集。

S2、根据采集的数据设定自变量和因变量，建立线性方程组；

S3、求解方程组解：

(1)松弛因子ω自动生成算法，考虑线性方程组Ax＝b的解，其 中，

松弛因子ω的计算公式如下：

其中，

(2)改进余量修正算法：

若

构造余量方程组Ay＝r，通过线性方程组的直接法——LU分解 法求解余量方程组，并且在用计算机求解时换用比前面迭代求解多一 倍精度的变量存储数据；

然后，将余量方程组的解y加到先前求得的近似解

整体求解方程组算法步骤如下：

S301、设定迭代次数上限C

S302、根据公式

S303、根据公式

S304、根据公式

S305、根据公式r＝b-Ax

S306、构造余量方程组Ay＝r；

S307、采用双精度存储并用直接法LU分解法求解余量方程组的 解y；

S308、用修正量y对近似解x

S309、若迭代次数k≤C

若迭代次数k≤C

S4、将方程组解作为系数传入到预测单元，得到预测销售额；

S5、设置定时单元预测更新频率：

通过定时单元设置预测更新频率，所述定时单元为步骤S1到S4 传送启动信号。

S6、采用显示单元进行展示。

上述具体的实施方式仅是本发明具体的个案，本发明的专利保护 范围包括但不限于上述具体的实施方式，任何符合本发明的一种自动 预测电商销售额的装置及方法权利要求书的且任何所述技术领域普 通技术人员对其做出的适当变化或者替换，皆应落入本发明的专利保 护范围。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术 人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这 些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权 利要求及其等同物限定。