[发明专利]公积金缴存数据预测方法、装置及电子设备

说明书

本申请提供了一种公积金缴存数据预测方法、装置及电子设备，应用于计算机技术领域，其中该方法包括：先通过预训练的Holt‑Winters模型与预训练的Lasso模型分别确定预测的第一公积金缴存数据与第二公积金缴存数据，然后对第一公积金缴存数据与所述第二公积金缴存数据进行加权处理，得到预测的公积金缴存数据，从而能够提升预测的公积金缴存数据的准确性。此外，本申请基于Python语言框架实现了Holt‑Winters模型对公积金缴存数据的预测，与使用FineBI和Excel插件提供的已经封装好模型相比，能够避免如果出现重大预测偏差，无法灵活地进行维护调试的问题。

技术领域

本申请涉及计算机技术领域，具体而言，本申请涉及一种公积金缴存数据预测方法、装置及电子设备。

背景技术

公积金业务的信息化已成为一种必然的趋势，公积金相关数据的预测对公积金管理部门至关重要。

目前，市面上已存在的FineBI、Office Excel都具备数据分析插件，可直接将数据导入，运用已有的时间序列模型，如ARIMA等对业务数据进行预测。然而，该相关预测方法存在预测的准确性较差的问题，为此，如何利用公积金的相关滞后期指标数据准确预测未来时间段内公积金的缴存数据成为了一个问题问题。

发明内容

本申请提供了一种公积金缴存数据预测方法、装置及电子设备，用于提升公积金相关数据预测的准确性。本申请采用的技术方案如下：

第一方面，提供了一种公积金缴存数据预测方法，该方法包括，

接收公积金相关滞后期指标信息；

基于接收到的公积金相关滞后期指标信息通过预训练的Holt-Winters模型确定第一公积金缴存数据，预训练的Holt-Winters模型基于Python语言框架实现；

基于接收到的公积金相关滞后期指标信息通过预训练的Lasso模型确定第二公积金缴存数据；

对第一公积金缴存数据与第二公积金缴存数据进行加权处理，得到预测的公积金缴存数据。

可选地，所述预训练的Holt-Winters模型基于Python语言框架实现，包括：

基于预编写Holt-Winter API使得Holt-Winters模型基于Python语言框架实现；

所述预编写Holt-Winter API包括Holt-Winters算法函数、Fit Method、PredictMethod。

可选地，所述Fit Method包括优化方法和目标函数；所述优化方法使用Scipy.Optimize框架，并约束Holt-Winter模型的参数的取值范围。

可选地，该方法还包括：

对所述预训练的Holt-Winters模型的测试集进行去异常值处理，以避免未来函数问题；

所述去异常值处理包括：将各期测试集与原始训练集拼接，得到拼接后的测试集；

基于拼接后测试集进行去异常值处理。

可选地，所述第一公积金缴存数据与所述第二公积金缴存数据的权重值基于所述预训练的Holt-Winters模型与预训练的Lasso模型的预测误差值确定。

可选地，所述基于接收到的公积金相关滞后期指标信息通过预训练的Lasso模型确定第二公积金缴存数据，包括：

基于接收到的公积金相关滞后期指标信息的Correlation Score对于接收到的公积金相关滞后期指标信息进行筛选，确定输入所述预训练的Lasso模型的指标信息。

第二方面，提供了一种公积金缴存数据预测装置，该装置包括，