公积金缴存数据预测方法、装置及电子设备制造方法及图纸

本申请提供了一种公积金缴存数据预测方法、装置及电子设备，应用于计算机技术领域，其中该方法包括：先通过预训练的Holt‑Winters模型与预训练的Lasso模型分别确定预测的第一公积金缴存数据与第二公积金缴存数据，然后对第一公积金缴存数据与所述第二公积金缴存数据进行加权处理，得到预测的公积金缴存数据，从而能够提升预测的公积金缴存数据的准确性。此外，本申请基于Python语言框架实现了Holt‑Winters模型对公积金缴存数据的预测，与使用FineBI和Excel插件提供的已经封装好模型相比，能够避免如果出现重大预测偏差，无法灵活地进行维护调试的问题。

【技术实现步骤摘要】
公积金缴存数据预测方法、装置及电子设备
本申请涉及计算机
，具体而言，本申请涉及一种公积金缴存数据预测方法、装置及电子设备。
技术介绍
公积金业务的信息化已成为一种必然的趋势，公积金相关数据的预测对公积金管理部门至关重要。目前，市面上已存在的FineBI、OfficeExcel都具备数据分析插件，可直接将数据导入，运用已有的时间序列模型，如ARIMA等对业务数据进行预测。然而，该相关预测方法存在预测的准确性较差的问题，为此，如何利用公积金的相关滞后期指标数据准确预测未来时间段内公积金的缴存数据成为了一个问题问题。
技术实现思路
本申请提供了一种公积金缴存数据预测方法、装置及电子设备，用于提升公积金相关数据预测的准确性。本申请采用的技术方案如下：第一方面，提供了一种公积金缴存数据预测方法，该方法包括，接收公积金相关滞后期指标信息；基于接收到的公积金相关滞后期指标信息通过预训练的Holt-Winters模型确定第一公积金缴存数据，预训练的Holt-Winters模型基于Python语言框架实现；基于接收到的公积金相关滞后期指标信息通过预训练的Lasso模型确定第二公积金缴存数据；对第一公积金缴存数据与第二公积金缴存数据进行加权处理，得到预测的公积金缴存数据。可选地，所述预训练的Holt-Winters模型基于Python语言框架实现，包括：基于预编写Holt-WinterAPI使得Holt-Winters模型基于Python语言框架实现；所述预编写Holt-WinterAPI包括Holt-Winters算法函数、FitMethod、PredictMethod。可选地，所述FitMethod包括优化方法和目标函数；所述优化方法使用Scipy.Optimize框架，并约束Holt-Winter模型的参数的取值范围。可选地，该方法还包括：对所述预训练的Holt-Winters模型的测试集进行去异常值处理，以避免未来函数问题；所述去异常值处理包括：将各期测试集与原始训练集拼接，得到拼接后的测试集；基于拼接后测试集进行去异常值处理。可选地，所述第一公积金缴存数据与所述第二公积金缴存数据的权重值基于所述预训练的Holt-Winters模型与预训练的Lasso模型的预测误差值确定。可选地，所述基于接收到的公积金相关滞后期指标信息通过预训练的Lasso模型确定第二公积金缴存数据，包括：基于接收到的公积金相关滞后期指标信息的CorrelationScore对于接收到的公积金相关滞后期指标信息进行筛选，确定输入所述预训练的Lasso模型的指标信息。第二方面，提供了一种公积金缴存数据预测装置，该装置包括，接收模块，用于接收公积金相关滞后期指标信息；第一确定模块，用于基于接收到的公积金相关滞后期指标信息通过预训练的Holt-Winters模型确定第一公积金缴存数据，所述预训练的Holt-Winters模型基于Python语言框架实现；第二确定模块，用于基于接收到的公积金相关滞后期指标信息通过预训练的Lasso模型确定第二公积金缴存数据；加权处理模块，用于对所述第一公积金缴存数据与所述第二公积金缴存数据进行加权处理，得到预测的公积金缴存数据。可选地，所述预训练的Holt-Winters模型基于Python语言框架实现，包括：预编写Holt-WinterAPI使得Holt-Winters模型基于Python语言框架实现；所述预编写Holt-WinterAPI包括Holt-Winters算法函数、FitMethod、PredictMethod。可选地，所述FitMethod包括优化方法和目标函数；所述优化方法使用Scipy.Optimize框架，并约束Holt-Winter模型的参数的取值范围。可选地，该方法还包括：去除模块，用于对所述预训练的Holt-Winters模型的测试集进行去异常值处理，以避免未来函数问题；所述去异常值处理包括：将各期测试集与原始训练集拼接，得到拼接后的测试集；基于拼接后测试集进行去异常值处理。可选地，该装置还包括：权重确定模块，用于基于所述预训练的Holt-Winters模型与预训练的Lasso模型的预测误差值确定所述第一公积金缴存数据与所述第二公积金缴存数据的权重值。可选地，所述基于接收到的公积金相关滞后期指标信息通过预训练的Lasso模型确定第二公积金缴存数据，包括：筛选单元，用于基于接收到的公积金相关滞后期指标信息的CorrelationScore对于接收到的公积金相关滞后期指标信息进行筛选，确定输入所述预训练的Lasso模型的指标信息。第三方面，提供了一种电子设备，该电子设备包括：一个或多个处理器；存储器；一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行第一方面所示的公积金缴存数据预测方法。第四方面，提供了一种计算机可读存储介质，计算机存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机可以执行第一方面所示的公积金缴存数据预测方法。本申请提供了一种公积金缴存数据预测方法、装置及电子设备，接收公积金相关滞后期指标信息；基于接收到的公积金相关滞后期指标信息通过预训练的Holt-Winters模型确定第一公积金缴存数据，所述预训练的Holt-Winters模型基于Python语言框架实现；基于接收到的公积金相关滞后期指标信息通过预训练的Lasso模型确定第二公积金缴存数据；对所述第一公积金缴存数据与所述第二公积金缴存数据进行加权处理，得到预测的公积金缴存数据。即先通过预训练的Holt-Winters模型与预训练的Lasso模型分别确定预测的第一公积金缴存数据与第二公积金缴存数据，然后对第一公积金缴存数据与所述第二公积金缴存数据进行加权处理，得到预测的公积金缴存数据，从而能够提升预测的公积金缴存数据的准确性。此外，本申请基于Python语言框架实现了Holt-Winters模型对公积金缴存数据的预测，与使用FineBI和Excel插件提供的已经封装好模型相比，能够避免如果出现重大预测偏差，无法灵活地进行维护调试的问题。本申请附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本申请实施例的一种公积金缴存数据预测方法的流程示意图；图2为本申请实施例的一种公积金缴存数据预测装置的结构示意图；图3为Holt-Winters模型以及lasso模型的训练及预测处理过程；图4为本申请实施例的一种电子设备的结构示意图；图5示出了Holt-本文档来自技高网...

【技术保护点】
1.一种公积金缴存数据预测方法，其特征在于，包括：/n接收公积金相关滞后期指标信息；/n基于接收到的公积金相关滞后期指标信息通过预训练的Holt-Winters模型确定第一公积金缴存数据，所述预训练的Holt-Winters模型基于Python语言框架实现；/n基于接收到的公积金相关滞后期指标信息通过预训练的Lasso模型确定第二公积金缴存数据；/n对所述第一公积金缴存数据与所述第二公积金缴存数据进行加权处理，得到预测的公积金缴存数据。/n

【技术特征摘要】
1.一种公积金缴存数据预测方法，其特征在于，包括：
接收公积金相关滞后期指标信息；
基于接收到的公积金相关滞后期指标信息通过预训练的Holt-Winters模型确定第一公积金缴存数据，所述预训练的Holt-Winters模型基于Python语言框架实现；
基于接收到的公积金相关滞后期指标信息通过预训练的Lasso模型确定第二公积金缴存数据；
对所述第一公积金缴存数据与所述第二公积金缴存数据进行加权处理，得到预测的公积金缴存数据。


2.根据权利要求1所述的方法，其特征在于，所述预训练的Holt-Winters模型基于Python语言框架实现，包括：
基于预编写Holt-WinterAPI使得Holt-Winters模型基于Python语言框架实现；
所述预编写Holt-WinterAPI包括Holt-Winters算法函数、FitMethod、PredictMethod。


3.根据权利要求2所述的方法，其特征在于，所述FitMethod包括优化方法和目标函数；所述优化方法使用Scipy.Optimize框架，并约束Holt-Winter模型的参数的取值范围。


4.根据权利要求1所述的方法，其特征在于，该方法还包括：
对所述预训练的Holt-Winters模型的测试集进行去异常值处理，以避免未来函数问题；
所述去异常值处理包括：将各期测试集与原始训练集拼接，得到拼接后的测试集；
基于拼接后测试集进行去异常值处理。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述第一公积金缴存数据与所述第二公积金缴存数据的权重值基于所述预训练的Holt-Winters模型与预训练的Lasso模型的预测误差值确定。


6.根据权利要求1所述的方法，其特征在于，所述基于接收到的公积金相关...

【专利技术属性】
技术研发人员：罗粒，刘朔臣，谢康，赖波，刘鑫，
申请(专利权)人：中国建设银行股份有限公司，建信金融科技有限责任公司，
类型：发明
国别省市：北京;11