[发明专利]一种银行网点备付金的预测方法及系统

权利要求书

1.一种银行网点备付金的预测方法，其特征在于，所述方法包括：

对银行网点的备付金的原始时间序列数据进行多次分解，以得到多个第一时间子序列数据；

计算每个所述第一时间子序列数据的熵值；

基于每个所述第一时间子序列数据的熵值，对多个所述第一时间子序列数据进行合并处理，得到多个第二时间子序列数据；

对于每个第二时间子序列数据，利用所述第二时间子序列数据训练神经网络模型得到相应的预测模型；

对于每个第二时间子序列数据，利用所述第二时间子序列数据对应的预测模型，预测得到所述第二时间子序列数据在指定时间点的备付金预测值；

对所有所述第二时间子序列数据对应的备付金预测值进行累加，得到所述备付金的原始时间序列数据在所述指定时间点的总备付金预测值。

2.根据权利要求1所述的方法，其特征在于，对银行网点的备付金的原始时间序列数据进行多次分解，以得到多个第一时间子序列数据，包括：

利用集合经验模态分解算法，对银行网点的备付金的原始时间序列数据进行多次分解，以得到多个第一时间子序列数据。

3.根据权利要求1所述的方法，其特征在于，计算每个所述第一时间子序列数据的熵值，包括：

对于每个第一时间子序列数据，对所述第一时间子序列数据进行相空间重构，得到第一矩阵；

按照升序顺序将所述第一矩阵中的重构分量重新排序，得到第二矩阵，所述第二矩阵中每一行数据存在与之对应的一组符号序列，所述符号序列用于指示排序后的重构分量中各个元素所在的列；

利用每一组所述符号序列的出现概率，计算所述第一时间子序列数据的排列熵；

对所述第一时间子序列数据的排列熵进行归一化，以得到所述第一时间子序列数据的熵值。

4.根据权利要求1所述的方法，其特征在于，基于每个所述第一时间子序列数据的熵值，对多个所述第一时间子序列数据进行合并处理，得到多个第二时间子序列数据，包括：

基于每个所述第一时间子序列数据的熵值，划分得到多个数据组，每一数据组包含：一个所述第一时间子序列数据，或，熵值差在阈值范围内的多个所述第一时间子序列数据；

对于每个数据组，将所述数据组包含的所述第一时间子序列数据进行合并，得到相应的第二时间子序列数据。

5.根据权利要求1所述的方法，其特征在于，对于每个第二时间子序列数据，利用所述第二时间子序列数据训练神经网络模型得到相应的预测模型，包括：

对于每个第二时间子序列数据，利用所述第二时间子序列数据训练长短期记忆神经网络LSTM模型得到相应的预测模型。

6.一种银行网点备付金的预测系统，其特征在于，所述系统包括：

分解单元，用于对银行网点的备付金的原始时间序列数据进行多次分解，以得到多个第一时间子序列数据；

计算单元，用于计算每个所述第一时间子序列数据的熵值；

处理单元，用于基于每个所述第一时间子序列数据的熵值，对多个所述第一时间子序列数据进行合并处理，得到多个第二时间子序列数据；

训练单元，用于对于每个第二时间子序列数据，利用所述第二时间子序列数据训练神经网络模型得到相应的预测模型；

预测单元，用于对于每个第二时间子序列数据，利用所述第二时间子序列数据对应的预测模型，预测得到所述第二时间子序列数据在指定时间点的备付金预测值；

累加单元，用于对所有所述第二时间子序列数据对应的备付金预测值进行累加，得到所述备付金的原始时间序列数据在所述指定时间点的总备付金预测值。

7.根据权利要求6所述的系统，其特征在于，所述分解单元具体用于：利用集合经验模态分解算法，对银行网点的备付金的原始时间序列数据进行多次分解，以得到多个第一时间子序列数据。