一种基于集成机器学习的仓库出入库量预测方法及系统

本发明公开了一种基于集成机器学习的仓库出入库量预测方法，包括：从仓库端获取原始样本数据；获取原始样本数据的多个子集，将每一个子集划分为训练数据和测试数据；利用每组训练数据训练一个预先配置的、独立的基础学习器，以得到多个基础预测模型；利用每个基础预测模型对每组测试数据进行基础预测，输出多个出入库量基础预测值；计算出入库量基础预测值和测试数据中的实际值之间的决定系数；选择决定系数最接近1的基础预测模型作为最优预测模型；基于最优预测模型预测仓库出入库量。还提供一种预测系统。本申请有效地降低单个模型可能存在的高方差问题，特别适用于仓库出入库量不确定性高、波动性大的特点。