具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图。

本发明实施例终端可以是台式电脑，也可以是平板电脑、智能手机、便携计算机等具有显示功能的终端设备。

如图1所示，该为终端可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在硬件设备移动到耳边时，关闭显示屏和/或背光。当然，硬件设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的电脑的结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及销量预测程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的销量预测程序，并执行以下操作：

在预设时间节点，获取预设时间范围内的第一销量数据以及历史第二销量数据；

根据预设预测算法、所述第一销量数据以及所述历史第二销量数据计算得到对应的第一销量预测结果；

获取所述预设时间范围内的第二销量数据，根据所述预设预测算法、所述第二销量数据以及所述历史第二销量数据计算得到对应的第二销量预测结果。

进一步地，处理器1001可以用于调用存储器1005中存储的销量预测程序，还执行以下操作：

根据每个算法模型、所述第一销量数据以及所述历史第二销量数据计算得到每个算法模型对应的第一销量预测结果；

接收用户触发的算法模型选择指令，根据所述算法模型选择指令从多个算法模型中确定指定算法模型以及指定算法模型对应的第一销量预测结果。

进一步地，处理器1001可以用于调用存储器1005中存储的销量预测程序，还执行以下操作：

根据每个算法模型中的每个预估算法、所述第一销量数据以及所述历史第二销量数据计算得到每个预测算法对应的第一销量预测结果；

所述接收用户触发的算法模型选择指令，根据所述算法模型选择指令从多个算法模型中确定指定算法模型以及指定算法模型对应的第一销量预测结果的步骤包括：

接收用户触发的预估算法选择指令，根据所述预估算法选择指令确定指定算法模型中的指定预估算法以及指定预估算法对应的第一销量预测结果。

进一步地，处理器1001可以用于调用存储器1005中存储的销量预测程序，还执行以下操作：

获取第一销量预测结果或第二销量预测结果，并获取预设时间范围内的实际销量；

根据所述第一销量预测结果与实际销量之间的差异，对所述预设预测算法进行精度修正，以得到第一预测算法；

根据所述第二销量预测结果与实际销量之间的差异，对所述预设预测算法进行精度修正，以得到第二预测算法。

进一步地，处理器1001可以用于调用存储器1005中存储的销量预测程序，还执行以下操作：

获取一个或多个历史预设时间段内所述第一销量预测结果与实际销量之间的差异；

根据当前预设时间段内所述第一销量预测结果与实际销量之间的差异和所述一个或多个历史预设时间段内所述第一销量预测结果与实际销量之间的差异，对所述预设预测算法的精度进行优化，以得到第一预测算法。

所述根据所述第二销量预测结果与实际销量之间的差异，对所述预设预测算法进行精度修正，以得到第二预测算法的步骤包括：

获取一个或多个历史预设时间段内所述第二销量预测结果与实际销量之间的差异；

根据当前预设时间段内所述第二销量预测结果与实际销量之间的差异和所述一个或多个历史预设时间段内所述第二销量预测结果与实际销量之间的差异，对所述预设预测算法的精度进行优化，以得到第二预测算法。

进一步地，处理器1001可以用于调用存储器1005中存储的销量预测程序，还执行以下操作：

根据所述历史第二销量数据计算出预测时间范围内每个时间区间对应的系数值；

根据预设预测算法、所述第一销量数据以及所述系数值计算得到对应的第一销量预测结果；

所述根据所述预设预测算法、所述第二销量数据以及所述历史第二销量数据计算得到对应的第二销量预测结果的步骤包括：

根据所述预设预测算法、所述第二销量数据以及以及所述系数值计算得到对应的第二销量预测结果。

进一步地，处理器1001可以用于调用存储器1005中存储的销量预测程序，还执行以下操作：

根据所述历史第二销量数据计算出季节指数；其中，所述季节指数可根据用户触发的编辑指令进行调整。

根据所述季节指数计算出预测时间范围内每个时间区间对应的系数值。

进一步地，处理器1001可以用于调用存储器1005中存储的销量预测程序，还执行以下操作：

根据用户触发的算法模型选择指令确定指定算法模型，并将所述指定算法模型对应的第一销量预测结果或第二销量预测结果显示给用户。

本发明应用于电脑的具体实施例与下述应用销量预测方法的各实施例基本相同，在此不作赘述。

请参照图2，图2为本发明销量预测方法第一实施例的流程示意图，其中，所述销量预测方法包括如下步骤：

步骤S100，在预设时间节点，获取预设时间范围内的第一销量数据以及历史第二销量数据；

在本发明中，销量预测方法可应用于PC、智能手机、智能电视等具有显示功能的装置，本实施例中应用销量预测方法的装置以PC为例进行说明。

预设一个时间节点，在到达该时间节点时，获取较当前时间点之前的一段时间范围一内的第一销量数据，上述一段时间范围一的时长可预先进行设置，获取历史第二销量数据，该历史销量数据是指较长一段时间范围二内的销量数据，其中，第二销量数据是指一般销量预测所参考的数据，第一销量数据是指较当前时间点之前的上述一段时间范围一内的第二销量数据还未公布时，可获得的该一段时间范围一内最为接近第二销量数据的一组数据。

可以理解的是，上述时间节点可以是固定的时间点，也可以是每间隔一段相同时间的间隔点，还可以是间隔一段不同时间的间隔点。上述一段时间范围一的时长可以是10天、20天等固定数值的时长，也可以是1个月、一年等非固定数值的时长，上述较长一段时间范围二是指能够包含多个预测周期的时长，例如，5年或者10年的销售数据。在一实施例中，每月1号零点，获取前一个月的车辆实销数据以及过去5年的车辆上险数据，其中车辆上险数据每月中旬才公布，车辆实销数据为可获得的前一个月内最为接近车辆上险数据的一组数据，所以在每月1号将获取前一个月的车辆实销数据。

步骤S200，根据预设预测算法、所述第一销量数据以及所述历史第二销量数据计算得到对应的第一销量预测结果；

通过预先设定预测算法，在获取到上述第一销量数据和上述历史第二销量数据后，预先设定的预测算法将根据第一销量数据和历史第二销量数据进行计算，得到第一销量预测结果。

上述第一销量预测结果是指预设所要预测的时间范围内的预测结果，且为了使得上述所要预测的时间范围内的最近时间区间具有最新的预测趋势，需要代入上述时间范围一内的第一销量数据到预测算法中。例如，要预测未来一年的销量趋势，通过预先设定的预测算法，根据在2月1号获取的上个月1月份的车辆实销数据以及历史5年的车辆上险数据，计算得出未来一年每个月的销量预测趋势。由于具有1月份的车辆实销数据，可以通过将该1月份的实销数据代入预测算法，使得2月份的预测结果能够实时的更新。

步骤S300，获取所述预设时间范围内的第二销量数据，根据所述预设预测算法、所述第二销量数据以及所述历史第二销量数据计算得到对应的第二销量预测结果。

获取上述时间节点之前的一段时间范围一内的第二销量预测数据，获取上述历史第二销量数据。在获取到上述第二销量数据和上述历史第二销量数据后，通过上述预先设定的预测算法，根据第二销量数据和历史第二销量数据进行计算，得到第二销量预测结果。

上述第二销量预测结果是指预设所要预测的时间范围内的预测结果，且在当前时刻，上述时间范围一内的第二销量数据已经公布时，获取时间范围一内的第二销量数据。例如，要预测未来一年的销量趋势，在当前2月份，获取到上个月1月份的车辆上险数据，通过预先设定的预测算法，根据获取的上个月1月份的车辆上险数据以及历史5年的车辆上险数据，计算得出未来一年每个月的销量预测趋势。其中，汽车车辆上险数据每月中旬才公布，为了当前2月份的预测趋势不延时，将在每月1号零点获取上个月1月份的车辆实销数据代入预测算法得到第一销量预测结果，降低预测的延时性。当每月中旬上个月1月份的汽车上险数据公布后，通过获取上个月1月份的车辆上险数据，代入预测算法，得到第二预测结果，使得预测趋势更为精准。

在本实施例中，销量预测装置在预设时间节点，获取预设时间范围内的第一销量数据以及历史第二销量数据，根据预设预测算法、第一销量数据以及历史第二销量数据计算得到对应的第一销量预测结果，获取所述预设时间范围内的第二销量数据，根据预设预测算法、第二销量数据以及所述历史第二销量数据计算得到对应的第二销量预测结果，用户可以通过第一销量预测结果或第二销量预测结果获取对未来一段时间内每个预设时间区间的销量预测结果，从而减少最新预设时间区间的预测结果具有延时性的问题。

进一步地，参照图3，图3为本发明销量预测方法第二实施例的流程示意图，基于上述图2所示的实施例，所述预设预测算法包括多个算法模型；所述步骤S200，根据预设预测算法、所述第一销量数据以及所述历史第二销量数据计算得到对应的第一销量预测结果的步骤包括：

步骤S210，根据每个算法模型、所述第一销量数据以及所述历史第二销量数据计算得到每个算法模型对应的第一销量预测结果；

步骤S220，接收用户触发的算法模型选择指令，根据所述算法模型选择指令从多个算法模型中确定指定算法模型以及指定算法模型对应的第一销量预测结果。

本实施例中，预设的预测算法可以包含一个或多个算法模型，在获取到第一销量数据以及历史第二销量数据时，每一个算法模型根据获取到的第一销量数据和历史第二销量数据计算出每一个算法模型所对应的第一销量预测结果。用户可以通过触发一个选择指令，来选择不同的算法模型所对应的第一销量预测结果，销量预测装置在接收到用户的选择指令后，根据用户的选择指令，从多个算法模型中确定用户所选择的算法模型，并确定用户所选择的算法模型所计算出的第一销量预测结果。

当时间范围一内的第二销量数据已经公布时，获取时间范围一内的第二销量数据，每一个算法模型根据获取到的第二销量数据和历史第二销量数据，计算出每一个算法模型所对应的第二销量预测结果。获取用户的选择指令后确认用户选择的算法模型以及用户所选择的算法模型所计算出的第二销量预测结果。

可以理解的是，上述不同的算法模型可以是通过不同的计算方式、基于不同的运算参数、调用不同的方法或者其结合等进行区分。例如，设置有SAAR算法模型和MASR算法模型，预测未来一年的销量趋势，SAAR算法模型根据历史第二销量数据计算出一个季节性指数，通过该季节性指数计算出未来一年每一个月对应的系数，通过代入系数得出预测结果，MASR算法模型根据历史第二销量数据，通过回环比较计算出未来一年每一个月对应的系数，通过代入系数得出预测结果。

上述用户选择指令可以是进行文字输入、鼠标点击、屏幕触控等选择方式。

进一步地，参照图4，图4为本发明销量预测方法第三实施例的流程示意图，基于上述图3所示的实施例，所述每个算法模型中包含有多个不同的预估算法；所述步骤S210，根据每个算法模型、所述第一销量数据以及所述历史第二销量数据计算得到每个算法模型对应的第一销量预测结果的步骤包括：

步骤S211，根据每个算法模型中的每个预估算法、所述第一销量数据以及所述历史第二销量数据计算得到每个预测算法对应的第一销量预测结果；

所述步骤S220，所述接收用户触发的算法模型选择指令，根据所述算法模型选择指令从多个算法模型中确定指定算法模型以及指定算法模型对应的第一销量预测结果的步骤包括：

步骤S221，接收用户触发的预估算法选择指令，根据所述预估算法选择指令确定指定算法模型中的指定预估算法以及指定预估算法对应的第一销量预测结果。

本实施例中，每一个算法模型可以包含多个不同的预估算法，在获取到第一销量数据以及历史第二销量数据后，每个预估算法根据获取的第一销量数据以及历史第二销量数据计算出第一销量预测结果。

由于预测算法可包含一个或多个算法模型，每一个算法模型可包含一个或多个预估算法，所以用户在选择算法模型后，可根据选择的算法模型，继续在当前已被选中的算法模型所包含的一个或多个预估算法中进行选择，销量预测装置在接收到用户所触发的预估算法选择指令后，根据该预估算法选择指令确定已被选中的算法模型中的预估算法以及该预估算法根据第一销量数据和历史第二销量数据所计算出的对应的第一销量预测结果，或根据该预估算法选择指令确定已被选中的算法模型中的预估算法以及该预估算法根据第二销量数据和历史第二销量数据所计算出的对应的第二销量预测结果。

可以理解的是，上述不同的预估算法可以是通过设置基于不同的参数、变量、参考值或者其结合等来进行结果的计算从而进行区分，例如，设置基于月份计算来进行区分，分别通过历史第二销量数据中每一个月、三个月、六个月的数据来进行计算的1M、3M、6M预估算法，也可以设置基于月份和年份来进行区分，分别通过历史第二销量数据中的每一个月、每一年的数据的数据来进行计算的预估算法。

进一步地，参照图5，图5为本发明销量预测方法第四实施例的流程示意图，基于上述图2所示的实施例，所述步骤S300，获取所述预设时间范围内的第二销量数据，根据所述预设预测算法、所述第二销量数据以及所述历史第二销量数据计算得到对应的第二销量预测结果的步骤之后，还包括：

步骤S400：获取第一销量预测结果或第二销量预测结果，并获取预设时间范围内的实际销量；

步骤S410：根据所述第一销量预测结果与实际销量之间的差异，对所述预设预测算法进行精度修正，以得到第一预测算法；

步骤S420：根据所述第二销量预测结果与实际销量之间的差异，对所述预设预测算法进行精度修正，以得到第二预测算法。

本实施例中，获取第一销量预测结果或者第二销量预测结果，并且获取预设时间范围内的实际销量，其中，预设时间范围内的实际销量数据是指与第一销量预测结果或第二销量预测结果所对应的时间范围内的实际销量数据，例如，获取到6月份的第一销量预测结果或者第二销量预测结果，并且获取6月份的实际销量结果。

将同一时间范围内的第一销量预测结果与实际销量进行比较，得出第一销量预测结果与实际销量之间的差异，根据所得出的差异，对预设的预测算法进行精度修正，得到第一预测算法。

将同一时间范围内的第二销量预测结果与实际销量进行比较，得出第二销量预测结果与实际销量之间的差异，根据所得出的差异，对预设的预测算法进行精度修正，得到第二预测算法。

在对算法进行修正之前，第一销量预测结果与第二销量预测结果的产生是通过同一个预设预测算法。在得出第一销量预测结果与实际销量之间的差异，并根据该差异对预测算法进行修正后，得到的第一预测算法，与，在得出第二销量预测结果与实际销量之间的差异，并根据该差异对预测算法进行修正后，得出的第二预测算法，两种算法是根据不同的预测结果与实际销量之间的对比得出的差异进行算法的修正，因此，在进行算法修正后的第一预测算法或第二预测算法，对比原始预设预测算法可能有一定的区别，该两种算法之间也不一定是一致的。在得到修正后的第一预测算法后，在预设的时间节点，获取到预设时间范围内的第一销量数据以及历史第二销量数据，将根据修正后的第一预测算法、获取的第一销量数据以及历史第二销量数据计算得到对应的第一销量预测结果。在得到修正后的第二预测算法后，获取到预设时间范围内的第二销量数据以及历史第二销量数据，将根据修正后的第二预测算法、获取的第二销量数据以及历史第二销量数据计算得到对应的第二销量预测结果。根据获取的第一销量预测结果与实际销量之间的差异或第二销量预测结果与实际销量之间的差异进一步修正第一预测算法或第二预测算法。

进一步地，参照图6，图6为本发明销量预测方法第五实施例的流程示意图，基于上述图5所示的实施例，所述步骤S410：根据所述第一销量预测结果与实际销量之间的差异，对所述预设预测算法进行精度修正，以得到第一预测算法的步骤包括：

步骤S411：获取一个或多个历史预设时间段内所述第一销量预测结果与实际销量之间的差异；

步骤S412：根据当前预设时间段内所述第一销量预测结果与实际销量之间的差异和所述一个或多个历史预设时间段内所述第一销量预测结果与实际销量之间的差异，对所述预设预测算法的精度进行优化，以得到第一预测算法；

所述步骤S420：根据所述第二销量预测结果与实际销量之间的差异，对所述预设预测算法进行精度修正，以得到第二预测算法的步骤包括：

步骤S421：获取一个或多个历史预设时间段内所述第二销量预测结果与实际销量之间的差异；

步骤S422：根据当前预设时间段内所述第二销量预测结果与实际销量之间的差异和所述一个或多个历史预设时间段内所述第二销量预测结果与实际销量之间的差异，对所述预设预测算法的精度进行优化，以得到第二预测算法。

本实施例中，通过将销量预测结果与实际销量之间进行比较，所得出的差异，可以进行存储，销量预测结果与实际销量之间的差异可以为当前预设时间段内销量预测结果与实际销量之间的差异，也可以为在过去某个时间段内的预设时间段的销量预测结果与实际销量之间的差异。销量预测装置可根据存储数据，获取到一个或者多个过去某段时间内的预设时间段的第一销量预测结果与实际销量之间的差异，销量预测装置可根据当前预设时间段的第一销量预测结果与实际销量数据之间的差异与一个或者多个历史预设时间段的第一销量预测结果与实际销量数据之间的差异，对预设预测算法进行优化，得到第一预测算法。

销量预测装置可根据存储数据，获取到一个或者多个过去某段时间内的预设时间段的第二销量预测结果与实际销量之间的差异，销量预测装置可根据当前预设时间段第二销量预测结果与实际销量数据之间的差异与一个或者多个历史预设时间段的第二销量预测结果与实际销量数据之间的差异，对预设预测算法进行优化，得到第二预测算法。

上述优化可以是根据当前预设时间段的销量预测结果与实际销量之间的差异进行优化，也可以是根据当前预设时间段的销量预测结果与实际销量之间的差异以及所述一个或多个历史预设时间段的销量预测结果与实际销量之间的差异进行优化。优化可以是根据单个销量预测结果与实际销量之间的差异，算出预测值与实际值之间的差值，根据该差值与实际值之间的差距，在算法中加或减去一个常量，以控制预测算法结果更为接近实际值，也可以是，计算存储的多个销量预测结果与实际销量之间的差异，根据多个差异之间的规律进行优化，或者根据多个销量预测结果与实际销量之间的差异，分别算出预测值与实际值之间的差值，根据该多个差值进行优化等使得预测结果与实际销量之间差异缩小的优化方法。

进一步地，参照图7，图7为本发明销量预测方法第六实施例的流程示意图，基于上述图2所示的实施例，所述步骤S200，根据预设预测算法、所述第一销量数据以及所述历史第二销量数据计算得到对应的第一销量预测结果的步骤包括：

步骤S230：根据所述历史第二销量数据计算出预测时间范围内每个时间区间对应的系数值；

步骤S231：根据预设预测算法、所述第一销量数据以及所述系数值计算得到对应的第一销量预测结果；

所述步骤S300，获取所述预设时间范围内的第二销量数据，根据所述预设预测算法、所述第二销量数据以及所述历史第二销量数据计算得到对应的第二销量预测结果的步骤包括：

步骤S310：根据所述预设预测算法、所述第二销量数据以及以及所述系数值计算得到对应的第二销量预测结果。

本实施例中，销量预测装置可对未来一段时间的销量数据进行预测，将需要预测的时间范围划分为若干个时间区间。系数值是指销量预测装置在获取到历史第二销量数据后，通过算法根据历史第二销量数据计算出预测时间范围内每个时间区间所对应的系数值。例如，通过过去5年的车辆上险数据计算出未来一年每个月的预测系数值。

预先设定的预测算法可以根据其所获取的第一销量数据和根据历史第二销量数据所计算出的系数值进行计算得出第一销量预测结果，或者可以根据其所获取的第二销量数据和根据历史第二销量数据所计算出的系数值进行计算得出第二销量预测结果。

进一步地，参照图8，图8为本发明销量预测方法第七实施例的流程示意图，基于上述图7所示的实施例，所述步骤S230：根据所述历史第二销量数据计算出预测时间范围内每个时间区间对应的系数值的步骤包括：

步骤S232：根据所述历史第二销量数据计算出季节指数；其中，所述季节指数可根据用户触发的编辑指令进行调整；

步骤S233：根据所述季节指数计算出预测时间范围内每个时间区间对应的系数值。

本实施例中，季节指数是销量预测装置获取的历史第二销量数据后，通过算法根据历史第二销量数据计算出的一个指数，由于该季节指数会根据季节变化而受到一定的影响，所以该季节指数是通过较长一段时间范围二的历史第二销量数据所计算出来的，例如，通过过去5年或者10年的历史第二销量数据计算出季节指数。季节指数可以根据用户所触发的编辑指令进行调整，以应对市场的变化。预测算法可根据该季节指数计算出所要预测范围内的每个时间区间所对应的系数值。

可以理解的是，上述用户所触发的编辑指令可以是直接进行指数数值键盘输入更改、选择对应的指数数值或者按键更改指数数值等对季节指数进行修改的方式。

进一步地，参照图9，图9为本发明销量预测方法第八实施例的流程示意图，基于上述图2所示的实施例，所述所述销量预测方法的步骤包括：

步骤S500：根据用户触发的算法模型选择指令确定指定算法模型，并将所述指定算法模型对应的第一销量预测结果或第二销量预测结果显示给用户。

本实施例中，用户可以根据预设的预测算法所包含的算法类型进行选择，在识别到用户的选择后，销量预测装置将显示出用户所选择的算法模型的界面，用户在所选择的算法模型界面中，可以选择算法模型中所包含的预估算法，在识别到用户的选择后，销量预测装置将显示出用户所选择的预估算法界面，界面显示出该预估算法所计算出来的第一销量预测结果或者第二销量预测结果。用户可根据不同的选项查看不同的算法模型下各预估算法所计算出的销量预测结果。

可以理解的是，上述显示可以是通过折线图显示、柱状图显示、饼状图显示等具有可视销量预测趋势的显示形式。

此外，本发明还提出一种计算机可读存储介质，其上存储有销量预测程序。所述计算机可读存储介质可以是图1的终端中的存储器20，也可以是如ROM(Read-Only Memory，只读存储器)/RAM(Random Access Memory，随机存取存储器)、磁碟、光盘中的至少一种，所述计算机可读存储介质包括若干指令用以使得一台具有处理器的销量预测装置执行本发明各个实施例所述的销量预测方法。

可以理解的是，在本说明书的描述中，参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例～第N实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。