[发明专利]收入预测方法、系统、电子设备和计算机可读存储介质

说明书

本发明提供一种收入预测方法、系统、电子设备和计算机可读存储介质，其中，该方法包括：通过获取目标对象在目标时间段内与收入相关的特征信息，其中，与收入相关的特征信息包括目标对象的货运信息、目标对象的第三方评估信息、目标对象的企业舆论信息和与目标对象有关的宏观经济信息；将所获取的与收入相关的特征信息输入训练好的收入预测模型，得到目标对象在目标时间段的预测收入；训练好的收入预测模型是基于样本对象与收入相关的特征信息以及对应的实际收入标签训练得到；根据目标对象在目标时间段的预测收入，与目标对象在目标时间段之前的相同时间段的实际收入，确定预警信息。类型多样的特征信息和收入预测模型提高了预测收入的精度。

技术领域

本发明涉及预测领域，尤其涉及一种收入预测方法、系统、电子设备和计算机可读存储介质。

背景技术

在当今的铁路货运业务中，铁路公司的收入来源于客户，通过客户的业务发展情况对客户当前收入进行预测能够发现运营中存在的问题，便于及时进行营销的维挽，减少损失。

目前，铁路公司利用多元线性回归，岭回归或LASSO回归等方法实现对客户收入的预测，或者利用神经网络实现对客户收入的预测。

上述预测方法使用的是单一模型，而且预测特征的类型十分有限，存在预测精度低的缺陷。

发明内容

本发明提供一种收入预测方法、系统、电子设备和计算机可读存储介质，用以解决现有技术中预测精度低的缺陷，有效提升预测准确度。

第一方面本发明提供了一种收入预测方法，包括：获取目标对象在目标时间段内与收入相关的特征信息，其中，所述与收入相关的特征信息包括目标对象的货运信息、目标对象的第三方评估信息、目标对象的企业舆论信息和与目标对象有关的宏观经济信息；将所获取的与收入相关的特征信息输入训练好的收入预测模型，得到所述目标对象在所述目标时间段的预测收入；所述训练好的收入预测模型是基于样本对象与收入相关的特征信息以及对应的实际收入标签训练得到；根据所述目标对象在所述目标时间段的预测收入，与所述目标对象在所述目标时间段之前的相同时间段的实际收入，确定预警信息。

根据本发明提供的收入预测方法，所述获取目标对象在目标时间段内与收入相关的特征信息之后，还包括：对所述目标对象在目标时间段内与收入相关的特征信息进行预处理；将预处理后的目标对象在目标时间段内与收入相关的特征信息输入所述训练好的收入预测模型，得到所述目标对象在所述目标时间段的预测收入。

根据本发明提供的收入预测方法，所述对目标对象在目标时间段内与收入相关的特征信息进行预处理包括：通过填补空缺值、识别或删除离群点，利用噪声光滑化清洗所述目标对象在目标时间段内与收入相关的特征信息；对清洗后的目标对象在目标时间段内与收入相关的特征信息进行特征选择，得到最优特征集；将所述最优特征集中分类型数据转换成数值型数据。

根据本发明提供的收入预测方法，还包括，对所述收入预测模型进行训练，训练步骤包括：将对象样本集分划为训练集和测试集；将所述训练集中样本对象的特征信息输入所述收入预测模型，根据对应的实际收入标签对所述收入预测模型的参数进行调整；将所述测试集中样本对象的特征信息输入调整参数后的收入预测模型，根据对应的实际收入标签对所述调整参数后的收入预测模型进行测试；根据所述调整参数后的收入预测模型在所述测试集上的测试结果，确定所述训练好的收入预测模型。

根据本发明提供的收入预测方法，根据所述目标对象在所述目标时间段的预测收入与所述目标对象在所述目标时间段之前的相同时间段的实际收入，确定预警信息，包括：根据所述目标对象在所述目标时间段的预测收入与所述目标对象在所述目标时间段之前的相同时间段的实际收入，得到收入波动信息；将所述收入波动信息与预设阈值进行比较，根据比较的结果确定预警提示信息。