一种数据预测分析方法、系统、设备及可读存储介质技术方案

本申请实施例公开了一种数据预测分析方法、系统、设备及可读存储介质，其中所述方法包括：接收客户端发送的公积金数据预测请求；根据公积金数据预测类型和公积金数据预测时间从数据库中调取对应的建模基础数据；根据所述建模基础数据匹配所述公积金数据预测类型对应的预测模型；根据所述预测模型进行精度校验，若达到精度要求，则将所述预测模型确定为目标公积金数据预测模型；若未达到精度要求，则根据所述建模基础数据的规律更换预测模型，再进行精度校验，直到达到精度要求；基于目标公积金数据预测模型，对公积金数据预测类型和公积金数据预测时间进行数据预测分析；将预测分析结果发送至所述客户端。提供了更加精确的公积金数据预测。

【技术实现步骤摘要】
一种数据预测分析方法、系统、设备及可读存储介质
本申请实施例涉及数据分析
，具体涉及一种数据预测分析方法、系统、设备及可读存储介质。
技术介绍
住房公积金，是指国家机关、国有企业、城镇集体企业、外商投资企业、城镇私营企业及其他城镇企业、事业单位、民办非企业单位、社会团体及其在职职工缴存的长期住房储金。住房公积金制度是我国一种住房保障制度，是住房分配货币化的一种形式，这项制度已经给广大中低收入家庭带来了利益。伴随着时代的发展，公积金制度也在逐步完善。住房和城乡建设部正在联合各个部门，研究修订公积金条例工作中，放开个人提取公积金用于支付住房租金的规定。目前，公积金资金的沉淀是很大的浪费。为了有效利用公积金，对公积金进行科学管理、引进计算机技术、对公积金的汇缴、贷款回收、公积金提取进行科学预测，结合现有的公积金数据，开发一套公积金数据预测分析系统，通过对数据的预测分析，对制定公积金政策、提高公积金的有效利用率、促进我国房地产的健康发展起到积极的作用。
技术实现思路
为此，本申请实施例提供一种数据预测分析方法、系统、设备及可读存储介质，提供了更加精确的公积金数据预测。为了实现上述目的，本申请实施例提供如下技术方案：根据本申请实施例的第一方面，提供了一种数据预测分析方法，所述方法包括：接收客户端发送的公积金数据预测请求，所述公积金数据预测请求携带公积金数据预测类型和公积金数据预测时间；根据所述公积金数据预测类型和公积金数据预测时间从数据库中调取对应的建模基础数据；根据所述建模基础数据匹配所述公积金数据预测类型对应的预测模型；根据所述预测模型进行精度校验，若达到精度要求，则将所述预测模型确定为目标公积金数据预测模型；若未达到精度要求，则根据所述建模基础数据的规律更换预测模型，再进行精度校验，直到达到精度要求；基于所述目标公积金数据预测模型，对所述公积金数据预测类型和公积金数据预测时间进行数据预测分析；将预测分析结果发送至所述客户端。可选地，所述公积金数据预测类型包括公积金汇缴金额预测、公积金贷款回收金额预测、公积金支取总量预测、公积金分项支取预测和新增贷款人数预测。可选地，所述根据所述建模基础数据匹配所述公积金数据预测类型对应的预测模型，包括：根据从所述数据库中调取的公积金汇缴金额历史数据，将所述公积金汇缴金额历史数据按照季度汇总，利用最小二乘法拟合出每一季度的预测直线方程，得到季度预测值；将所述公积金汇缴金额历史数据按照月度汇总，计算每月在其所属季度中所占比值，得到月占比；将所述季度预测值乘以所述月占比，得到所述公积金汇缴金额的每月预测值。可选地，所述根据所述建模基础数据匹配所述公积金数据预测类型对应的预测模型，包括：根据从所述数据库中调取的公积金贷款回收金额历史数据，对设定年度中的相同季度的公积金贷款回收金额取对数；将所述取对数之后的结果进行最小二乘法拟合，确定预测直线方程；将所述预测直线方程还原为指数方程，将所述指数方程确定为当前年份所需预测季度或者月份的公积金贷款回收金额的预测模型。可选地，所述根据所述建模基础数据匹配所述公积金数据预测类型对应的预测模型，包括：根据从所述数据库中调取的公积金支取总量历史数据，选取第N年的数据为基础数据，以第N年各月与第N年各月的月均值之比，作为各月的初始月份平滑值I1～I12，选取第N+1年的第一月份的实际值作为一次平滑值St的初始值S13，以所述第N+1年一季度与所述第N年一季度差值的作为趋势平滑值bt的初始值b13，按照如下公式进行所述第N+1年的下一月份的公积金支取总量的预测：bt＝γ(St-St-1)+(1-γ)bt-1其中，p为季节长度，α,β,γ为(0,1)的平滑参数，Yt为观测的实际值。根据本申请实施例的第二方面，提供了一种数据预测分析系统，所述系统包括：消息接收模块，用于接收客户端发送的公积金数据预测请求，所述公积金数据预测请求携带公积金数据预测类型和公积金数据预测时间；数据调取模块，用于根据所述公积金数据预测类型和公积金数据预测时间从数据库中调取对应的建模基础数据；预测模型匹配模块，用于根据所述建模基础数据匹配所述公积金数据预测类型对应的预测模型；精度校验模块，用于根据所述预测模型进行精度校验，若达到精度要求，则将所述预测模型确定为目标公积金数据预测模型；若未达到精度要求，则根据所述建模基础数据的规律更换预测模型，再进行精度校验，直到达到精度要求；预测分析模块，用于基于所述目标公积金数据预测模型，对所述公积金数据预测类型和公积金数据预测时间进行数据预测分析；消息发送模块，用于将预测分析结果发送至所述客户端。可选地，所述公积金数据预测类型包括公积金汇缴金额预测、公积金贷款回收金额预测、公积金支取总量预测、公积金分项支取预测和新增贷款人数预测。可选地，所述预测模型匹配模块，具体用于：根据从所述数据库中调取的公积金汇缴金额历史数据，将所述公积金汇缴金额历史数据按照季度汇总，利用最小二乘法拟合出每一季度的预测直线方程，得到季度预测值；将所述公积金汇缴金额历史数据按照月度汇总，计算每月在其所属季度中所占比值，得到月占比；将所述季度预测值乘以所述月占比，得到所述公积金汇缴金额的每月预测值。可选地，所述预测模型匹配模块，具体用于：根据从所述数据库中调取的公积金贷款回收金额历史数据，对设定年度中的相同季度的公积金贷款回收金额取对数；将所述取对数之后的结果进行最小二乘法拟合，确定预测直线方程；将所述预测直线方程还原为指数方程，将所述指数方程确定为当前年份所需预测季度或者月份的公积金贷款回收金额的预测模型。可选地，所述预测模型匹配模块，具体用于：根据从所述数据库中调取的公积金支取总量历史数据，选取第N年的数据为基础数据，以第N年各月与第N年各月的月均值之比，作为各月的初始月份平滑值I1～I12，选取第N+1年的第一月份的实际值作为一次平滑值St的初始值S13，以所述第N+1年一季度与所述第N年一季度差值的作为趋势平滑值bt的初始值b13，按照如下公式进行所述第N+1年的下一月份的公积金支取总量的预测：bt＝γ(St-St-1)+(1-γ)bt-1其中，p为季节长度，α,β,γ为(0,1)的平滑参数，Yt为观测的实际值。根据本申请实施例的第三方面，提供了一种数据预测分析设备，所述设备包括：数据采集装置、处理器和存储器；所述数据采集装置用于采集数据；所述存储器用于存储一个或多个程序指令；所述处理器，用于执行一个或多个程序指令，用以执行上述第一方面任一项所述的方法。根据本申请实施例的第四方面，提供了一种计算机可读存储介质，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指本文档来自技高网...

【技术保护点】
1.一种数据预测分析方法，其特征在于，所述方法包括：/n接收客户端发送的公积金数据预测请求，所述公积金数据预测请求携带公积金数据预测类型和公积金数据预测时间；/n根据所述公积金数据预测类型和公积金数据预测时间从数据库中调取对应的建模基础数据；/n根据所述建模基础数据匹配所述公积金数据预测类型对应的预测模型；/n根据所述预测模型进行精度校验，若达到精度要求，则将所述预测模型确定为目标公积金数据预测模型；若未达到精度要求，则根据所述建模基础数据的规律更换预测模型，再进行精度校验，直到达到精度要求；/n基于所述目标公积金数据预测模型，对所述公积金数据预测类型和公积金数据预测时间进行数据预测分析；/n将预测分析结果发送至所述客户端。/n

【技术特征摘要】
1.一种数据预测分析方法，其特征在于，所述方法包括：
接收客户端发送的公积金数据预测请求，所述公积金数据预测请求携带公积金数据预测类型和公积金数据预测时间；
根据所述公积金数据预测类型和公积金数据预测时间从数据库中调取对应的建模基础数据；
根据所述建模基础数据匹配所述公积金数据预测类型对应的预测模型；
根据所述预测模型进行精度校验，若达到精度要求，则将所述预测模型确定为目标公积金数据预测模型；若未达到精度要求，则根据所述建模基础数据的规律更换预测模型，再进行精度校验，直到达到精度要求；
基于所述目标公积金数据预测模型，对所述公积金数据预测类型和公积金数据预测时间进行数据预测分析；
将预测分析结果发送至所述客户端。


2.如权利要求1所述的方法，其特征在于，所述公积金数据预测类型包括公积金汇缴金额预测、公积金贷款回收金额预测、公积金支取总量预测、公积金分项支取预测和新增贷款人数预测。


3.如权利要求1或2所述的方法，其特征在于，所述根据所述建模基础数据匹配所述公积金数据预测类型对应的预测模型，包括：
根据从所述数据库中调取的公积金汇缴金额历史数据，将所述公积金汇缴金额历史数据按照季度汇总，利用最小二乘法拟合出每一季度的预测直线方程，得到季度预测值；
将所述公积金汇缴金额历史数据按照月度汇总，计算每月在其所属季度中所占比值，得到月占比；
将所述季度预测值乘以所述月占比，得到所述公积金汇缴金额的每月预测值。


4.如权利要求1或2所述的方法，其特征在于，所述根据所述建模基础数据匹配所述公积金数据预测类型对应的预测模型，包括：
根据从所述数据库中调取的公积金贷款回收金额历史数据，对设定年度中的相同季度的公积金贷款回收金额取对数；
将所述取对数之后的结果进行最小二乘法拟合，确定预测直线方程；
将所述预测直线方程还原为指数方程，将所述指数方程确定为当前年份所需预测季度或者月份的公积金贷款回收金额的预测模型。


5.如权利要求1或2所述的方法，其特征在于，所述根据所述建模基础数据匹配所述公积金数据预测类型对应的预测模型，包括：
根据从所述数据库中调取的公积金支取总量历史数据，选取第N年的数据为基础数据，以第N年各月与第N年各月的月均值之比，作为各月的初始月份平滑值I1～I12，选取第N+1年的第一月份的实际值作为一次平滑值St的初始值S13，以所述第N+1年一季度与所述第N年一季度差值的作为趋势平滑值bt的初始值b13，按照如下公式进行所述第N+1年的下一月份的公积金支取总量的预测：



bt＝γ(St-St-1)+(1-γ)bt-1






其中，p为季节长度，α,β,γ为(0,1)的平滑参数，Yt为观测的实际值。


6.一种数据预测分析系统，其特征在于，所述系统包括：
消息接收模块，用于接收客户端发送的公积金数据预测请求，所述公积金数据预测请求携带公积金数据预测类型和公积金数据预测时间；
数据调取模块，用...

【专利技术属性】
技术研发人员：曲大伟，汪震，丁志强，王宏栋，史宜轩，
申请(专利权)人：沈阳数云科技有限公司，
类型：发明
国别省市：辽宁;21