[发明专利]一种配网抢修时长预测方法

权利要求书

1.一种配网抢修时长预测方法，其特征在于其包括如下步骤：

引入客户报修诉求工单文本信息并进行数据预处理，将工单文本中的非结构化数据转换为结构化数据，并通过朴素贝叶斯模型进行分类，筛选真实故障报修工单；

依据筛选故障报修工单，获取对应配网抢修数据建立聚类细分模型，确定不同类别的标杆时长区间，划分故障紧急等级；

结合用户基本信息，根据细分结果，结合故障发生当日的气象因素建立GBDT回归预测模型，预测新上报抢修工作时长。

2.根据权利要求1所述的一种配网抢修时长预测方法，其特征在于所述客户报修诉求工单文本信息来源于95598系统受理用户的故障报修单。

3.根据权利要求1所述的一种配网抢修时长预测方法，其特征在于配网抢修数据的因素包括一级分类、二级分类、三级分类、派工用时、到达现场用时、工单处理时长以及抢修总时长。

4.根据权利要求1所述的一种配网抢修时长预测方法，其特征在于所述数据预处理基于文本分词的标点符号处理、同义词处理以及停用词处理。

5.根据权利要求1所述的一种配网抢修时长预测方法，其特征在于利用自然语言处理技术，将工单文本中的非结构化数据转换为结构化数据，所述自然语言技术是基于分词结果，依据工单--主题--分词关系，通过训练生成倾向于同时出现在多个同类型工单文档中的主题，以便进行下一步文本分类。

6.根据权利要求1所述的一种配网抢修时长预测方法，其特征在于所述朴素贝叶斯模型基于客户工单的主题计算该工单为某一主题内容的概率，通过选定的朴素贝叶斯算法构建分类模型，最终实现给定投诉工单的自动分类。

7.根据权利要求1所述的一种配网抢修时长预测方法，其特征在于所述聚类细分模型是基于kmeans的快速聚类，随机选取K个对象作为初始的聚类中心，计算每个对象与各个种子聚类中心之间的距离，并把每个对象分配给距离它最近的聚类中心，如此迭代，直至各类中心不发生变化。

8.根据权利要求1所述的一种配网抢修时长预测方法，其特征在于所述标杆时长区间是分类模型结果中不同故障类别中的置信区间。

9.根据权利要求1所述的一种配网抢修时长预测方法，其特征在于所述用户基本信息包括用户姓名以及通信联系方式，主要用于及时反馈预测停送电信息。

10.根据权利要求1所述的一种配网抢修时长预测方法，其特征在于所述GBDT回归预测模型通过迭代预测上次预测值和实际值的残差，构建多个弱学习器CART树，要求模型预测的样本损失尽可能的小，最后结果即是所有预测值之和。