[发明专利]一种用于预测数据分布的方法、装置、设备和存储介质

说明书

本文涉及人工智能领域，可以应用于金融领域，涉及一种用于预测数据分布的方法、装置、设备和存储介质，其中方法包括：根据当前时段的实际交易数据与该时段的交易数据分布区间之间的偏差，确定修正值；根据历史交易数据预测所述当前时段的后续目标时段的交易数据分布区间；利用所述修正值修正所述当前时段的后续目标时段的交易数据分布区间；利用修正后的所述目标时段的交易数据分布区间进行异常报警。本文能够提高交易数据预测结果的准确度。

技术领域

本发明涉及人工智能领域，特别地适用于金融领域，涉及一种用于预测数据分布的方法、装置、设备和存储介质。

背景技术

对数据预测的需求源于运维中报警的需求，例如在交易系统中，将预测得到的某一时间点的访问量或者交易总额等预测值作为判断标准，判断在对应时间点的访问量或者交易总额的实际值是否超出预测值，当实际值超出预测值时，发出异常数据的报警，以此来确定异常数据。

由于大多数的交易数据都是以一天为一个周期进行变化，例如在每天11点至12点之间吃饭的人数是较为聚集的，因此这个时间段支付软件中的交易量会上升。现有技术中大多是获取历史交易数据在某一时间段的均值和方差，并根据正态分布公式预测正常交易数据在对应时间段分布在均值的3倍标准差范围内。例如对于支付软件中每天11点至12点之间的交易量来说，获取历史交易数据中11点至12点的交易量，然后求取交易量的均值和方差，预测11点至12点的交易量在均值的3倍标准差范围内为正常交易量交易数据的分布区间。如果存在交易量交易数据不在上述区间范围内的，可以认定该交易量交易数据为异常交易数据。

但是现有技术中并未考虑某些特殊日子可能导致正常交易数据的分布区间产生变化，例如每年双十一这天时，每个时间段的交易量都会比上一个交易日的交易量多。如果仍旧以历史交易数据预测正常交易数据分布区间，可能会导致系统持续性报错，但事实上这些交易数据并非异常交易数据，这就会导致异常交易数据的判断出错，使得交易数据预测的结果不准确。

因此现在亟需一种用于预测数据分布的方法，来提高交易数据预测结果的准确度。

发明内容

本文实施例的目的在于提供一种用于预测数据分布的方法、装置、设备和存储介质，可以应用于金融领域，特别可以用在银行场景下，但不限于应用于银行场景，以提高交易数据预测的准确度。

为达到上述目的，一方面，本文实施例提供了一种用于预测数据分布的方法，包括：

根据当前时段的实际交易数据与该时段的交易数据分布区间之间的偏差，确定修正值；

根据历史交易数据预测所述当前时段的后续目标时段的交易数据分布区间；

利用所述修正值修正所述当前时段的后续目标时段的交易数据分布区间；

利用修正后的所述目标时段的交易数据分布区间进行异常报警。

优选的，所述根据当前时段的实际交易数据与该时段的交易数据分布区间之间的偏差，确定修正值，包括：

比较当前时段的实际交易数据与该时段对应的多个交易数据分布区间，确定所述当前时段的每一交易数据分布区间对应的异常个数；

将多个所述异常个数进行比较，确定当前时段最小异常个数对应的交易数据分布区间；

根据当前时段的实际交易数据与该时段的最小异常个数对应的交易数据分布区间之间的偏差，确定修正值。

优选的，所述多个交易数据分布区间通过如下步骤确定：

根据当前时段对应的历史交易数据，预测所述当前时段的交易数据分布区间；

通过多次修改所述当前时段的交易数据分布区间的端点值进行多组修正，修正后得到所述当前时段对应的多个交易数据分布区间。