银行网点到店客户数量预测方法及装置制造方法及图纸

本发明专利技术公开了一种银行网点到店客户数量预测方法及装置，涉及人工智能技术领域，该方法包括：获取目标银行网点在待预测日上的第一特征值集合；获取所述待预测日对应的目标预测模型，其中，所述目标预测模型为从至少两种预设的预测模型中确定出的对所述待预测日之前的N个历史日的到店客户数量进行预测的预测偏差最小的预测模型，N为大于或等于1的整数；将所述第一特征值集合输入到所述目标预测模型，得到所述待预测日的到店客户数量预测值。本发明专利技术实现了准确的对网点到访客户数量进行预测的有益效果。的有益效果。的有益效果。

【技术实现步骤摘要】
银行网点到店客户数量预测方法及装置


[0001]本专利技术涉及人工智能
，具体而言，涉及一种银行网点到店客户数量预测方法及装置。

技术介绍

[0002]信息化水平提高带来的金融服务提供方式的多样化发展，带来银行线下网点客户访问量的多样化波动。如何更好地把握网点到访客户量，以更好地对有限的网点客户服务资源进行配置，成为基层网点管理人员的一项挑战。现有技术可以根据前几天的网点到访客户数量来推测当天的网点到访客户数量，但这种预测方法准确性较差，现有技术缺少一种准确的对网点到访客户数量进行预测的方法。

技术实现思路

[0003]本专利技术为了解决上述
技术介绍
中的技术问题，提出了一种银行网点到店客户数量预测方法及装置。
[0004]为了实现上述目的，根据本专利技术的一个方面，提供了一种银行网点到店客户数量预测方法，该方法包括：
[0005]获取目标银行网点在待预测日上的第一特征值集合；
[0006]获取所述待预测日对应的目标预测模型，其中，所述目标预测模型为从至少两种预设的预测模型中确定出的对所述待预测日之前的N个历史日的到店客户数量进行预测的预测偏差最小的预测模型，N为大于或等于1的整数；
[0007]将所述第一特征值集合输入到所述目标预测模型，得到所述待预测日的到店客户数量预测值。
[0008]可选的，该银行网点到店客户数量预测方法，还包括：
[0009]获取所述目标银行网点在多个历史日上的第二特征值集合以及实际到店客户数量；
[0010]将每个所述历史日的第二特征值集合以及实际到店客户数量作为一个第一训练数据，生成第一训练数据集；
[0011]根据所述第一训练数据集以及预设的深度学习算法进行模型训练，得到所述第二特征值集合中每个特征的权重值；
[0012]确定所述权重值最大的预设数量个特征为筛选出的特征，其中，所述第一特征值集合中包含的特征为所述筛选出的特征。
[0013]可选的，该银行网点到店客户数量预测方法，还包括：
[0014]根据每个所述历史日的第二特征值集合以及所述筛选出的特征，生成每个历史日的第一特征值集合；
[0015]将每个所述历史日的第一特征值集合以及实际到店客户数量作为一个第二训练数据，生成第二训练数据集，其中，所述预测模型为采用所述第二训练数据集训练得出。
[0016]可选的，该银行网点到店客户数量预测方法，还包括：
[0017]根据所述第二训练数据集以及预设的至少两种机器学习算法进行模型训练，分别得到每种机器学习算法对应的预测模型。
[0018]可选的，该银行网点到店客户数量预测方法，还包括：
[0019]分别采用每种预测模型对所述目标银行网点的所述待预测日之前的N个历史日的到店客户数量进行预测，并根据预测结果以及该N个历史日的实际到店客户数量确定每种预测模型的预测偏差；
[0020]将预测偏差最小的预测模型确定为所述待预测日对应的目标预测模型。
[0021]可选的，所述第二特征值集合包含多个预设的特征；所述特征包括：网点基础特征以及网点周边环境特征；所述网点基础特征包括：网点所在地区、网点工作人员数量、网点自助柜员机与智能终端设备的配置数量、网点营业面积、网点是否营业以及网点是否为预设的明星网点中的至少一个；所述网点周边环境特征包括网点周边预设范围内的居住人口、流动人口、储蓄潜力以及同业网点数量中的至少一个。
[0022]为了实现上述目的，根据本专利技术的另一方面，提供了一种银行网点到店客户数量预测装置，该装置包括：
[0023]待预测日特征值集合获取模块，用于获取目标银行网点在待预测日上的第一特征值集合；
[0024]目标预测模型获取模块，用于获取所述待预测日对应的目标预测模型，其中，所述目标预测模型为从至少两种预设的预测模型中确定出的对所述待预测日之前的N个历史日的到店客户数量进行预测的预测偏差最小的预测模型，N为大于或等于1的整数；
[0025]预测模块，用于将所述第一特征值集合输入到所述目标预测模型，得到所述待预测日的到店客户数量预测值。
[0026]可选的，该银行网点到店客户数量预测装置，还包括：
[0027]历史日数据获取模块，用于获取所述目标银行网点在多个历史日上的第二特征值集合以及实际到店客户数量；
[0028]第一训练数据集生成模块，用于将每个所述历史日的第二特征值集合以及实际到店客户数量作为一个第一训练数据，生成第一训练数据集；
[0029]权重值确定模块，用于根据所述第一训练数据集以及预设的深度学习算法进行模型训练，得到所述第二特征值集合中每个特征的权重值；
[0030]特征筛选模块，用于确定所述权重值最大的预设数量个特征为筛选出的特征，其中，所述第一特征值集合中包含的特征为所述筛选出的特征。
[0031]可选的，该银行网点到店客户数量预测装置，还包括：
[0032]第一特征值集合生成模块，用于根据每个所述历史日的第二特征值集合以及所述筛选出的特征，生成每个历史日的第一特征值集合；
[0033]第二训练数据集生成模块，用于将每个所述历史日的第一特征值集合以及实际到店客户数量作为一个第二训练数据，生成第二训练数据集，其中，所述预测模型为采用所述第二训练数据集训练得出。
[0034]可选的，该银行网点到店客户数量预测装置，还包括：
[0035]模型训练模块，用于根据所述第二训练数据集以及预设的至少两种机器学习算法
进行模型训练，分别得到每种机器学习算法对应的预测模型。
[0036]可选的，该银行网点到店客户数量预测装置，还包括：
[0037]预测偏差确定模块，用于分别采用每种预测模型对所述目标银行网点的所述待预测日之前的N个历史日的到店客户数量进行预测，并根据预测结果以及该N个历史日的实际到店客户数量确定每种预测模型的预测偏差；
[0038]目标预测模型确定模块，用于将预测偏差最小的预测模型确定为所述待预测日对应的目标预测模型。
[0039]为了实现上述目的，根据本专利技术的另一方面，还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述银行网点到店客户数量预测方法中的步骤。
[0040]为了实现上述目的，根据本专利技术的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序在计算机处理器中执行时实现上述银行网点到店客户数量预测方法中的步骤。
[0041]本专利技术的有益效果为：本专利技术通过训练出用于对到店客户数量进行预测的预测模型，在使用时将待预测日的第一特征值集合输入到预测模型中即可得到该待预测日的到店客户数量预测值，实现了准确的对网点到访客户数量进行预测的有益效果。
附图说明
[0042]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种银行网点到店客户数量预测方法，其特征在于，包括：获取目标银行网点在待预测日上的第一特征值集合；获取所述待预测日对应的目标预测模型，其中，所述目标预测模型为从至少两种预设的预测模型中确定出的对所述待预测日之前的N个历史日的到店客户数量进行预测的预测偏差最小的预测模型，N为大于或等于1的整数；将所述第一特征值集合输入到所述目标预测模型，得到所述待预测日的到店客户数量预测值。2.根据权利要求1所述的银行网点到店客户数量预测方法，其特征在于，还包括：获取所述目标银行网点在多个历史日上的第二特征值集合以及实际到店客户数量；将每个所述历史日的第二特征值集合以及实际到店客户数量作为一个第一训练数据，生成第一训练数据集；根据所述第一训练数据集以及预设的深度学习算法进行模型训练，得到所述第二特征值集合中每个特征的权重值；确定所述权重值最大的预设数量个特征为筛选出的特征，其中，所述第一特征值集合中包含的特征为所述筛选出的特征。3.根据权利要求2所述的银行网点到店客户数量预测方法，其特征在于，还包括：根据每个所述历史日的第二特征值集合以及所述筛选出的特征，生成每个历史日的第一特征值集合；将每个所述历史日的第一特征值集合以及实际到店客户数量作为一个第二训练数据，生成第二训练数据集，其中，所述预测模型为采用所述第二训练数据集训练得出。4.根据权利要求3所述的银行网点到店客户数量预测方法，其特征在于，还包括：根据所述第二训练数据集以及预设的至少两种机器学习算法进行模型训练，分别得到每种机器学习算法对应的预测模型。5.根据权利要求4所述的银行网点到店客户数量预测方法，其特征在于，还包括：分别采用每种预测模型对所述目标银行网点的所述待预测日之前的N个历史日的到店客户数量进行预测，并根据预测结果以及该N个历史日的实际到店客户数量确定每种预测模型的预测偏差；将预测偏差最小的预测模型确定为所述待预测日对应的目标预测模型。6.根据权利要求2所述的银行网点到店客户数量预测方法，其特征在于，所述第二特征值集合包含多个预设的特征；所述特征包括：网点基础特征以及网点周边环境特征；所述网点基础特征包括：网点所在地区、网点工作人员数量、网点自助柜员机与智能终端设备的配置数量、网点营业面积、网点是否营业以及网点是否为预设的明星网点中的至少一个；所述网点周边环境特征包括网点周边预设范围内的居住人口、流动人口、储蓄潜力以及同业网点数量中的至少一个。7.一种银行网点到店客户数量预测装置，其特征在于，包括：待预测日特征值集合获取模块，用于获取目标银行网点在待预测日上的第一特征值集合；目标预测模型获取模块，用于获取所述待预测日对应的目标预测模型，其中，所述目标预测模型为从至少两种预设的预测模型中确定出的对所述待预测日之前的N个历史日的到
店客户数量进行预测的...

【专利技术属性】
技术研发人员：王坤，侯海波，陈银锋，苏越，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：