[发明专利]银行网点空白凭证库存用量预测方法和装置、设备和介质

说明书

本发明提供一种银行网点空白凭证库存用量预测方法和装置、设备和介质，该方法包括：获取一银行网点的一空白凭证的使用量数据和辅助数据；根据该使用量数据和该辅助数据进行特征提取得到特征数据；将该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空白凭证库存用量预测结果；其中，该单体预测模型为多项式回归模型、SVR回归模型、AdaBoost回归模型、Catboost模型或深度置信神经网络模型，通过采用上述技术方案，能够准确预测引起各类重要空白凭证库存用量，避免某一类或几类重要空白凭证库存存在短缺或积压的问题。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种银行网点空白凭证库存用量预测方法和装置、设备和介质。

背景技术

在银行办理业务时常常需要使用空白凭证，重要空白凭证是指存单、存折、转账支票、现金支票、定额支票、银行汇票、本票和联行报单等重要凭证。为确保业务的正常开展，银行网点一般会预备充足的重要空白凭证，但是，由于空白凭证种类多样，经常会出现有些空白凭证预留过多占用资源、有些空白凭证没有及时补充影响业务的正常开展，因此，预测银行网点空白凭证库存用量，能够避免网点重要空白凭证库存或短缺或积压的情况，降低网点管理成本。

传统的银行网点空白凭证库存用量预测是根据各个网点重要空白凭证库存使用情况来进行人工推算的，引起各类重要空白凭证库存用量估算不准确，从而导致某一类或几类重要空白凭证库存存在短缺或积压，极大的增大网点管理成本。

发明内容

针对现有技术中的问题，本发明提供一种银行网点空白凭证库存用量预测方法和装置、设备及介质，能够至少部分地解决现有技术中存在的问题。

为了实现上述目的，本发明采用如下技术方案：

第一方面，提供一种银行网点空白凭证库存用量预测方法，包括：

获取一银行网点的一空白凭证的使用量数据和辅助数据；

根据该使用量数据和该辅助数据进行特征提取得到特征数据；

将该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空白凭证库存用量预测结果；

其中，该单体预测模型为多项式回归模型、SVR回归模型、AdaBoost回归模型、Catboost模型或深度置信神经网络模型。

进一步地，银行网点空白凭证库存用量预测方法还包括：

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空白凭证库存用量预测。

进一步地，该辅助数据包括：节假日数据、网点所属地区种类、网点客户发薪日数据。

进一步地，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。

进一步地，该单列操作特征包括：使用量变化率特征。

进一步地，该多列操作特征包括：基于时间的使用量均值和中位数。

进一步地，该聚合操作特征包括：基于属性的使用量均值和中位数。

第二方面，提供一种银行网点空白凭证库存用量预测装置，包括：

原始数据获取模块，获取一银行网点的一空白凭证的使用量数据和辅助数据；

特征提取模块，根据该使用量数据和该辅助数据进行特征提取得到特征数据；