[发明专利]一种业务发生量的预测方法、装置及设备

权利要求书

1.一种业务发生量的预测方法，所述方法包括：

将预定时间段之前的历史业务数据进行离散化处理，得到时间颗粒度的业务发生量向量，以及根据所述历史业务数据中连续时间的业务发生量，生成业务发生量分布特征向量；

根据所述时间颗粒度的业务发生量向量和所述业务发生量分布特征向量，确定所述预定时间段内的业务发生量。

2.根据权利要求1所述的方法，所述历史业务数据包括距离所述预定时间段最近的第一时间段的第一历史业务数据和除所述第一历史业务数据外的第二历史业务数据，

所述根据所述时间颗粒度的业务发生量向量和所述历史业务数据中连续时间的业务发生量，生成业务发生量分布特征向量，包括：

根据所述第一历史业务数据中连续时间的业务发生量，生成业务发生量分布的第一特征向量；

根据所述第二历史业务数据中连续时间的业务发生量，生成业务发生量分布的第二特征向量。

3.根据权利要求2所述的方法，所述根据所述时间颗粒度的业务发生量向量和所述业务发生量分布特征向量，确定所述预定时间段内的业务发生量之前，所述方法还包括：

确定所述第一特征向量和所述第二特征向量之间的相似度；

根据所述第一特征向量和所述第二特征向量之间的相似度，确定所述第二特征向量的权重。

4.根据权利要求3所述的方法，所述确定所述第一特征向量和所述第二特征向量之间的相似度，包括：

通过以下任一种方法确定所述第一特征向量和所述第二特征向量之间的相似度：欧式距离、向量的夹角余弦值，以及向量的差的绝对值。

5.根据权利要求3所述的方法，所述根据所述时间颗粒度的业务发生量向量和所述业务发生量分布特征向量，确定所述预定时间段内的业务发生量，包括：

分别将所述时间颗粒度的业务发生量向量与所述第一特征向量和所述第二特征向量进行合并，得到合并后的第一特征向量和第二特征向量；

基于所述第二特征向量和所述第二特征向量的权重，通过损失函数和预定参数优化算法对初始参数进行优化，得到优化后的初始参数；

根据优化后的初始参数和所述第一特征向量，确定所述预定时间段内的业务发生量。

6.根据权利要求5所述的方法，所述预定参数优化算法包括梯度下降算法、牛顿法、拟牛顿法、共轭梯度法和启发式优化算法。

7.一种业务发生量的预测装置，所述装置包括：

处理模块，用于将预定时间段之前的历史业务数据进行离散化处理，得到时间颗粒度的业务发生量向量，以及根据所述历史业务数据中连续时间的业务发生量，生成业务发生量分布特征向量；

业务发生量预测模块，用于根据所述时间颗粒度的业务发生量向量和所述业务发生量分布特征向量，确定所述预定时间段内的业务发生量。

8.根据权利要求7所述的装置，所述历史业务数据包括距离所述预定时间段最近的第一时间段的第一历史业务数据和除所述第一历史业务数据外的第二历史业务数据，

所述处理模块，包括：

第一特征向量生成单元，用于根据所述第一历史业务数据中连续时间的业务发生量，生成业务发生量分布的第一特征向量；

第二特征向量生成单元，用于根据所述第二历史业务数据中连续时间的业务发生量，生成业务发生量分布的第二特征向量。

9.根据权利要求8所述的装置，所述装置还包括：

相似度确定模块，用于确定所述第一特征向量和所述第二特征向量之间的相似度；

权重确定模块，用于根据所述第一特征向量和所述第二特征向量之间的相似度，确定所述第二特征向量的权重。

10.根据权利要求9所述的装置，所述相似度确定模块，用于通过以下任一种装置确定所述第一特征向量和所述第二特征向量之间的相似度：欧式距离、向量的夹角余弦值，以及向量的差的绝对值。