[發明專利]一種交易量預測方法、設備、裝置及存儲介質

在審

• 申請號: 202011243438.4
• 申請日: 2020-11-09
• 公開（公告）號: CN112348261A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 苑建蕊
• 申請（專利權）人: 招商銀行股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/04
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 張志江

1.一種交易量預測方法，其特征在于，所述交易量預測方法包括以下步驟：

獲取待處理交易量數據，將所述待處理交易量數據輸入至目標預測模型中；

其中，所述目標預測模型是基于樣本數據，對預設待訓練模型進行迭代訓練得到的，所述樣本數據是從原始數據中提取的，具有時間動態數列的周期性特征的數據；

基于所述目標預測模型對所述待處理交易量數據進行預測處理，得到目標預測結果。

2.如權利要求1所述的交易量預測方法，其特征在于，所述獲取待處理交易量數據，將所述待處理交易量數據輸入至目標預測模型中的步驟之前，所述方法包括：

獲取原始數據，并對所述原始數據進行清洗，得到日志信息，其中，所述日志信息為具有周期性特征的時間動態數列；

確定所述日志信息的周期性特征，根據所述周期性特征剔除異常數據，以得到所述樣本數據；

基于所述樣本數據，對預設待訓練模型進行迭代訓練，以得到所述目標預測模型。

3.如權利要求2所述的交易量預測方法，其特征在于，所述獲取原始數據，并對所述原始數據進行清洗，得到日志信息的步驟，包括：

在各個預設交易系統中進行數據埋點，通過預設的數據采集平臺采集所述原始數據，并按照預設規則將所述原始數據進行緩存；

在各個預設交易系統中配置清洗腳本，以對緩存的所述原始數據進行清洗，得到各個預設交易系統的日志信息。

4.如權利要求2所述的交易量預測方法，其特征在于，所述根據所述周期性特征剔除異常數據，以得到所述樣本數據的步驟，包括：

根據所述周期性特征確定采樣長度，根據所述采樣長度，設置閾值范圍；

將所述日志信息中的數據與所述閾值范圍進行比對，將超出所述閾值范圍的數據進行剔除，得到所述樣本數據。

5.如權利要求2所述的交易量預測方法，其特征在于，所述基于樣本數據，對預設待預訓練型進行迭代訓練，以得到所述目標預測模型的步驟，包括：

利用所述樣本數據，對所述預設待訓練模型進行線下訓練，得到所述預設待訓練模型的超參數組合；

獲取線上歷史交易量數據，利用所述線上歷史交易量數據和所述超參數對所述預設待訓練模型進行線上訓練，得到所述目標預測模型。

6.如權利要求5所述的交易量預測方法，其特征在于，所述利用所述樣本數據，對所述預設待訓練模型進行線下訓練，得到所述預設待訓練模型的超參數組合的步驟，包括：

將所述樣本數據劃分為線下訓練數據集合和線下測試數據集合；

將所述線下訓練數據集合和所述線下測試數據集合進行特征化處理，得到所述預設待訓練模型的線下訓練輸入矩陣；

將所述線下訓練輸入矩陣輸入所預設待訓練模型，并對所述預設待訓練模型進行網格搜索和時間滑動窗口處理，以得到線下訓練結果；

對所述線下訓練結果進行誤差評價，得到所述超參數組合。

7.如權利要求5所述的交易量預測方法，其特征在于，所述獲取線上歷史交易量數據，利用所述線上歷史交易量數據和所述超參數對所述預設待訓練模型進行線上訓練，得到所述目標預測模型的步驟，包括：

獲取線上歷史交易量數據，并將所述線上歷史交易量數據劃分為線上訓練數據集合和線下測試數據集合；

將所述線上訓練數據集合和所述線下測試數據集合進行特征化處理，得到所述預設待訓練模型的線上訓練輸入矩陣；

將所述超參數組合和所述線上訓練輸入矩陣輸入所述預設待訓練模型，并對所述預設待訓練模型進行網格調參處理，以得到線上訓練結果；

對所述線上訓練結果進行誤差評價，得到最佳參數組合；

將所述最佳參數組合輸入所述預設待訓練模型，得到所述目標預測模型。