[发明专利]客服话务量预测方法

权利要求书

1.客服话务量预测方法，其特征在于，包括如下步骤

1)数据预处理

对缺失值进行填充，异常值不删除；

2)数据模型建立

分别建立lstm，holt-winter，xgboost，prophet四个基本模型，每个模型的数据处理一致，但是模型的输入数据格式各有不同，数据预处理涉及缺失值填充，特征构造；

3)建立一个线性规划

目标是根据历史的数据预测未来45天的数据，并提取预测的下一个月的数据，对于模型的要求是预测值必须在实际值的98.4％,以及108.4％这个区间内，根据以上的基础模型的预测结果建立如下的线性规划问题：

已知X是输入的历史数据，f_i是每个基本模型，Y是实际的话务量数据，α_i表示每个基本模型的权重，

minb＝|∑α_if_i(X)-Y|

0.984Y≤b≤1.804Y

建立如上的线性规划，得出α_i的值，然后用∑α_if_i(X)作为最终的模型预测未来的数据。

2.根据权利要求1所述的客服话务量预测方法，其特征在于：步骤2)中，所述lstm模型和所述xgboost模型采用的是滚动预测，在gpu上进行训练。

3.根据权利要求1所述的客服话务量预测方法，其特征在于：步骤2)中，所述Prophet模型添加节假日作为因子参数。

4.根据权利要求1所述的客服话务量预测方法，其特征在于：步骤2)中，所述holt-winter模型在二次指数平滑的基础上添加季节性变量。

5.根据权利要求1所述的客服话务量预测方法，其特征在于：步骤2)中，时间序列预测经常会出现滞后项的问题,产生滞后项的原因是序列存在自相关性，在处理的过程中需要进行差分运算，也就是将当前时刻与前一时刻的差值作为回归目标。

6.根据权利要求1所述的客服话务量预测方法，其特征在于：步骤2)中，采用横向和纵向的预测方式，预测未来某一天的同一时刻，然后再将横向和纵向的预测结果求平均；横向就是按正常每一刻钟采样的话务量进行模型训练，纵向就是每一天同一时刻的话务量采样进行模型训练。