[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

本發明公開了一種交易量預測方法、設備、裝置和存儲介質，通過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，本申請提高了所述目標預測模型的預測準確率。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種交易量預測方法、設備、 裝置及存儲介質。

背景技術

目前監控系統在依靠人工智能、大數據、云計算、物聯網等技術大規模 遷移和升級迭代的過程中，系統架構日趨復雜，現有的監控系統主要使用實 時數據或者依靠系統運維人員定制的日志規則進行監控預警，該方案對系統 運維歷史數據利用不充分，無法深入挖掘運維歷史數據價值從而實現對交易 量的精準預測，且部分交易監控系統，對交易量預測的準確度過度依賴開發 人員的技術水平和運維經驗，難以推廣到多交易系統，為提高推廣性而引入 了時間序列模型進行交易量預測的監控系統，難以滿足時間序列對平穩性的要求，因此，當使用時間序列模型的監控系統接入多個交易系統進行預測時， 預測模型泛化能力不強，導致整體預測準確率較低。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是 現有技術。

發明內容

本發明的主要目的在于提供一種交易量預測方法，旨在解決現有監控系 統中交易量預測模型泛化能力不強，導致整體預測準確率較低的技術問題。

為實現上述目的，本發明提供一種交易量預測方法，所述交易量預測方 法包括：

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。

可選地，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。

可選地，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。

可選地，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。

可選地，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；