[發明專利]一種基于多預測模型的95598話務工單預測與異動預警方法

在審

• 申請號: 201811247200.1
• 申請日: 2018-10-24
• 公開（公告）號: CN109784471A
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 羅欣;張爽;沈皓;景偉強;朱蕊倩;魏驍雄;陳博;麻呂斌;葛岳軍;陳奕汝;鐘震遠;葉紅豆
• 申請（專利權）人: 浙江華云信息科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06Q10/04;G06Q50/30;G08B31/00
• 代理公司: 浙江翔隆專利事務所(普通合伙) 33206
• 代理人: 王曉燕

本發明公開了一種基于多預測模型的95598話務工單預測與異動預警方法，涉及一種電力話務工單分析方法。目前人為通過同比、環比數值、增幅數值來確定異動閥值，不能實時、準確、科學地設定閥值，導致監控預警、問題定位、趨勢預測能力不足。本發明基于LSTM神經網絡深度學習技術，通過建立科學的指標異動預測模型，研究各項指標的數理關系，實現短期話務工單置信異動預測與智能預警應用。本技術方案更高效、更精益、更智能地從大量指標中取得指標分析預警，提高客服指標分析與質量管控的工作效率。彌補傳統曲線擬合建模需要定期模型修正的不足，支持在線實時動態學習預測與預警分析，提升日常指標的監控預警、問題定位、趨勢預測能力。

技術領域

本發明涉及一種電力話務工單分析方法，尤其涉及一種基于多預測模型的95598話務工單預測與異動預警方法。

背景技術

如何短期預測話務工單異動預警成為95598日常分析工作重點和難點之一，歷來依靠人工檢閱數據、手工清理數據進行指標預測等方式已嚴重跟不上發展需求，分析模式單一、效率低下、及時性差且浪費人力資源。目前人為通過同比、環比數值、增幅數值來確定異動閥值，不能實時、準確、科學地設定閥值，導致監控預警、問題定位、趨勢預測能力不足。

發明內容

本發明要解決的技術問題和提出的技術任務是對現有技術方案進行完善與改進，提供一種基于多預測模型的95598話務工單預測與異動預警方法，以達到提高工作準確性的目的。為此，本發明采取以下技術方案。

一種基于多預測模型的95598話務工單預測與異動預警方法，其特征在于包括以下步驟：

1)獲取分時話務數據和日工單數據；

2)對獲取的樣本數據進行分類，話務數據和日工單數據均按多維度進行樣本數據分類，其中話務數據的維度包括供電單位、24小時制、日類型；工單數據的維度包括供電單位、業務分類、日類型；日類型包括工作日、周末、節假日；

3)獲取訓練樣本；

4)根據輸入一段時序的話務工單量，LSTM神經網絡深度學習，優化創建話務工單預測模型，采用一類數據對應一話務工單預測模型的方式建立多個話務工單預測模型，保證各個模型有針對性學習各自數據趨勢軌跡；在進行LSTM神經網絡深度學習前，通過對某一時刻的話務工單理論預測值與話務工單真實值進行異動預判，通過置信異動系數來輔助判定，如果超過異動系數則表明該時刻話務工單發生異動現象，則該時刻增量模型學習時需對輸入時間序列數據進行處理，發生異動時刻的話務工單數據被替換為上一輪該時刻的話務工單理論值，以避免時間序列增量學習異動數據導致預測結果理論值準確性偏低的情況；

5)根據獲取的分時話務數據和日工單數據，對在線話務工單數據庫采樣；

6)獲取預測樣本；

7)根據輸入一段時序的話務工單量，通過話務工單預測模型進行話務工單預測；

8)將步驟7)得到的預測結果輸出。

本技術方案基于LSTM神經網絡深度學習技術，通過建立科學的指標異動預測模型，研究各項指標的數理關系，實現短期話務工單置信異動預測與智能預警應用。更高效、更精益、更智能地從大量指標中取得指標分析預警，提高客服指標分析與質量管控的工作效率。彌補傳統曲線擬合建模需要定期模型修正的不足，支持在線實時動態學習預測與預警分析，提升日常指標的監控預警、問題定位、趨勢預測能力。實現遠程工作站接派單坐席、搶修資源調度、日常質檢坐席與指標分析專員等多方面實現技術創新代替人力密集，達到減人增效的目的。

解決在時間序列學習預測過程中非正常異動突增話務工單數據對模型干擾而導致預測趨勢變形問題，在時間序列學習預測過程中進行數據降噪，避免非正常異動突增話務工單數據劇烈波動影響預測模型。

作為優選技術手段：步驟4)包括以下子步驟：