• • 项目目标
  • 部署形式
• 算法代码目标：
• 结构
• 最终结果表：
• • 对应关系表
  • 预测结果表

基于1D CNN的消费品销量预测算法

项目目标

通过某消费品集团提供的在京东商城上的自营或POP商家的消费品类销量订单，针对其业务划分的大、小品类进行未来一段时间的销量预测。
该方案是通过用该深度模型结构针对消费品类进行分别模型训练获得相应的模型，用于预测场景。

部署形式

本地化部署
数据量：大品类：46种，小品类：128种。
其中小品类为大品类+特征1+特征2的组合排列。

算法代码目标：

提供大、小品类的常规预测；
提供模型文件供同一品类的消费品预测使用；
目前阶段商家提供的数据数据量并不大，提供一个方便的一次性读取运算的程序输出展示预测效果。

针对上述目标，提出解决方案：
基于1D-CNN模型对常规大小品类进行销量预测

• reference
  《Signal Status Recognition Based on 1DCNN and Its Feature Extraction Mechanism Analysis》
  《Short-term traffic flow prediction based on 1DCNN-LSTM neural network structure》
  基于CNN的思想对局部特征进行提取，获取其相应的局部信息的模式，由于销量时间并不是特别长，
  因此多个局部特征叠加后将可以很好的描述中长期信息，模型上选择了多个CNN层进行叠加，同时使用
  全连接层进行低维数据的高维描述，获取高维情况下的特征供CNN进行识别。

结构

最终结果表：

对应关系表

app.app_fj_kind_relation

预测结果表

app.app_fj_his_pred