[发明专利]一种基于ARMA模型的投诉预测方法及装置

摘要

本发明提供一种基于ARMA模型的投诉预测方法及装置，方法包括：获取多个连续时间段内的实际投诉数量，形成原始数据序列；对所述原始数据序列进行预处理，得到当前数据序列；根据所述当前数据序列确定与所述多个连续时间段相连续的下一个时间段所对应预测投诉数量的ARMA模型函数；根据所述ARMA模型函数，计算所述下一个时间段的预测投诉数量。根据本方案，提高了预测的准确率。

主权项

1.一种基于ARMA模型的投诉预测方法，其特征在于，包括：获取多个连续时间段内的实际投诉数量，形成原始数据序列；设置建模条件，所述建模条件为所述原始数据序列为平稳非纯随机数据序列；对所述原始数据序列进行预处理，得到当前数据序列；对所述原始数据序列进行校验，若校验结果为所述原始数据序列满足所述建模条件，则将所述原始数据序列作为当前数据序列；若校验结果为所述原始数据序列不满足所述建模条件，则对所述原始数据序列进行差分运算，得到当前数据序列；根据所述当前数据序列确定与所述多个连续时间段相连续的下一个时间段所对应预测投诉数量的ARMA模型函数；ARMA模型函数如下：其中，为t时刻的预测投诉数量，x_t‑p……x_t‑1分别为t‑p时刻、……t‑1时刻的实际投诉数量，φ₁、……、φ_p均为第一未知参数，θ₁、……、θ_q均为第二未知参数，ε_t‑1、……、ε_t‑q分别为t‑1时刻、……、t‑p时刻的随机误差项；进一步包括：根据下述运算方式计算ARMA模型函数中的第一未知参数：φ1、……、φp：S1：令计算AR(p)：其中，x_i为i时刻的实际投诉数量，为实际投诉数量的均值，X_i′是实际投诉数量减去均值后再赋值给X_i；为实际投诉数量减去均值，目的是数据中心化，消除不同变量间数值大小带来的影响，使得预测值的方差较小，因而预测值的估计也越精确；p：自回归阶数为pS2：设中间值l、Y、X和β1，令：l＝max(p,q)；β1＝(φ1，φ2，…φp)；n：n时刻S3：计算β1的最小二乘估计β1＝(XTX)‑1XTY，解出φ1、……、φp；进一步包括：根据下述运算方式计算ARMA模型函数中θ1、……、θq；S4：令：计算MA(q)：q:θq≠0，滑动平均的阶数为qS5：计算：设中间值l、Y、X和β2，令：l＝max(p,q)；β2＝(‑θ1，‑θ2，…，‑θq)；S6：计算β2的最小二乘估计β2＝(εTε)‑1εTY，解出θ1、……、θq；进一步包括：根据下述运算方式计算目标(p,q)：其中，表示时间序列的方差估计；将计算最小BIC(p,q)值的(p,q)作为目标(p,q)。