[发明专利]银行网点工作量预测方法和装置、电子设备及存储介质

权利要求书

1.一种银行网点工作量预测方法，其特征在于，包括：

获取一银行网点的工作量流水数据和辅助数据；

根据所述工作量流水数据和所述辅助数据进行特征提取得到特征数据；

将所述特征数据分别输入预训练的多个单体预测模型中以得到对应的预测值；

采用带精英策略的非支配排序遗传算法对各单体预测模型的预测值进行处理得到银行网点工作量预测结果；

其中，所述单体预测模型为holt-winters模型、多层感知器模型、决策树模型、梯度提升树回归模型、长短期记忆网络模型。

2.根据权利要求1所述的银行网点工作量预测方法，其特征在于，还包括：

利用均方根误差评估预训练的多个单体预测模型的效果；

根据评估结果选取部分单体预测模型用于银行网点工作量预测。

3.根据权利要求1所述的银行网点工作量预测方法，其特征在于，所述辅助数据包括：节假日数据、天气数据、发薪日数据、还款日数据。

4.根据权利要求1所述的银行网点工作量预测方法，其特征在于，提取的特征为利用主成分分析单列操作特征、多列操作特征、聚合操作特征得到。

5.根据权利要求4所述的银行网点工作量预测方法，其特征在于，所述单列操作特征包括：工作量变化率特征、节假日特征、日期特征、还款日特征、发薪日特征。

6.根据权利要求4所述的银行网点工作量预测方法，其特征在于，所述多列操作特征包括：基于时间的工作量均值和中位数。

7.根据权利要求6所述的银行网点工作量预测方法，其特征在于，所述聚合操作特征包括：基于属性的工作量均值和中位数。

8.一种银行网点工作量预测装置，其特征在于，包括：

原始数据获取模块获取一银行网点的工作量流水数据和辅助数据；

特征提取模块，根据所述工作量流水数据和所述辅助数据进行特征提取得到特征数据；

预测模块，将所述特征数据分别输入预训练的多个单体预测模型中以得到对应的预测值；

最优解计算模块，采用带精英策略的非支配排序遗传算法对各单体预测模型的预测值进行处理得到银行网点工作量预测结果；

其中，所述单体预测模型为holt-winters模型、多层感知器模型、决策树模型、梯度提升树回归模型、长短期记忆网络模型。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述的银行网点工作量预测方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的银行网点工作量预测方法的步骤。