批量的运行推演方法、相关装置及计算机存储介质制造方法及图纸

本申请提供一种批量的运行推演方法、相关装置及计算机存储介质，该方法包括：定期采集批量所有运行节点的基本数据；然后，针对每一个运行节点，根据运行节点的基本数据生成运行节点的原始时间序列；再根据运行节点的原始时间序列，采用预设的时间序列预测方法生成运行节点的预测时间序列；之后，将运行节点的预测时间序列输入推演模型，输出得到运行节点的运行推演结果；其中，推演模型由至少一个训练样本对数学模型进行训练得到；最后，根据所有运行节点的预测时间序列的运行推演结果，生成批量的运行推演结果。通过对批量之后的运行情况进行推演，利用批量的运行推演结果可以有效的提高批量调度顺序的编排效率。提高批量调度顺序的编排效率。提高批量调度顺序的编排效率。

【技术实现步骤摘要】
批量的运行推演方法、相关装置及计算机存储介质


[0001]本申请涉及计算机
，特别涉及一种批量的运行推演方法、相关装置及计算机存储介质。

技术介绍

[0002]在当前主流银行核心中，批量作为重要的组成部分，一般分为日终批量和日间批量，日间批量一般是指文件形式的代发代扣，批量的重点和难点主要是日终批量。日终批量逻辑非常复杂，其主要的日终步骤有过账、计提、结息，还有很多其他步骤，例如开户处理、挂失处理、凭证处理、约定账务处理、报表生成、数据整理提供、数据清理等等。
[0003]在日终批量流程图里通常会有几十个甚至上百个步骤。由于夜间联机交易相对较少，系统剩余资源相对充足，所以通常会把日间不便于处理或需要日期改变才能处理的逻辑放到日终。在集中式系统中批量处理比单笔处理会快很多，部分需要进行数据加工处理的逻辑也放到了日终，例如业务状况报表、对账单等。由于数量大、产品复杂、日终步骤多等因素，当前主流银行核心日终的复杂度已经非常高，导致日终易报错、日终耗时不可控。

技术实现思路

[0004]有鉴于此，本申请提供一种批量的运行推演方法、相关装置及计算机存储介质，通过对批量之后的运行情况进行推演，利用批量的运行推演结果可以有效的提高批量调度顺序的编排效率。
[0005]本申请第一方面提供了一种批量的运行推演方法，包括：
[0006]定期采集批量所有运行节点的基本数据；其中，所述基本数据至少包括系统数据、应用数据和业务数据；
[0007]针对每一个所述运行节点，根据所述运行节点的基本数据生成所述运行节点的原始时间序列；其中，所述原始时间序列包括至少一个时间点，每个所述时间点的时间维度特征至少包括基础特征、动态特征和高阶特征；
[0008]根据所述运行节点的原始时间序列，采用预设的时间序列预测方法生成所述运行节点的预测时间序列；其中，所述预测时间序列包括至少一个未来时间点以及所述未来时间点的预测时间维度特征；
[0009]将所述运行节点的预测时间序列输入推演模型，输出得到所述运行节点的运行推演结果；其中，所述推演模型由至少一个训练样本对数学模型进行训练得到；所述训练样本包括训练样本运行节点的时间序列以及所述训练样本节点的时间序列对应的真实运行结果；所述真实运行结果至少包括所述训练样本运行节点的时间序列中时间点的真实执行结果、真实运行时长和真实资源消耗；所述运行节点的预测时间序列的运行推演结果至少包括所述运行节点的预测时间序列中未来时间点的推演执行结果、推演运行时长和推演资源消耗；
[0010]根据所有所述运行节点的预测时间序列的运行推演结果，生成所述批量的运行推
演结果。
[0011]可选的，所述针对每一个所述运行节点，根据所述运行节点的基本数据生成所述运行节点的原始时间序列，包括：
[0012]针对每一个所述运行节点，在所述运行节点的基本数据中确定同一个时间点的数据并进行合并，得到所述时间点的时间维度特征；
[0013]根据所有所述时间点以及所述时间点的时间维度特征生成所述运行节点的原始时间序列。
[0014]可选的，所述时间点之间的时间间隔相同。
[0015]可选的，所述根据所述原始时间序列，采用预设的时间序列预测方法生成预测时间序列之后，还包括：
[0016]当真实时间到达所述预测时间序列中的未来时间点后，获取真实时间下时间点的真实时间维度特征；
[0017]利用所述真实时间下时间点的真实时间维度特征与所述未来时间点的预测时间维度特征之间的误差，调整所述预设的时间序列预测方法。
[0018]可选的，所述推演模型的构建方法，包括：
[0019]构建训练样本集；其中，所述训练样本集中包括至少一个训练样本；所述训练样本包括训练样本运行节点的时间序列以及所述训练样本节点的时间序列对应的真实运行结果；所述真实运行结果至少包括所述训练样本运行节点的时间序列中时间点的真实执行结果、真实运行时长和真实资源消耗；
[0020]将所述训练样本运行节点的时间序列输入至数学模型中，输出得到所述训练样本运行节点的时间序列对应的运行推演结果；其中，所述训练样本运行节点的时间序列对应的运行推演结果至少包括训练样本运行节点的时间序列中时间点的推演执行结果、推演运行时长和推演资源消耗；
[0021]根据所述训练样本运行节点的时间序列对应的运行推演结果以及所述训练样本节点的时间序列对应的真实运行结果之间的误差，对所述数学模型进行调整，直至所述训练样本运行节点的时间序列对应的运行推演结果以及所述训练样本节点的时间序列对应的真实运行结果之间的误差满足预设的收敛条件，将满足预设的收敛条件的数学模型作为推演模型。
[0022]本申请第二方面提供了一种批量的运行推演装置，包括：
[0023]采集单元，用于定期采集批量所有运行节点的基本数据；其中，所述基本数据至少包括系统数据、应用数据和业务数据；
[0024]第一生成单元，用于针对每一个所述运行节点，根据所述运行节点的基本数据生成所述运行节点的原始时间序列；其中，所述原始时间序列包括至少一个时间点，每个所述时间点的时间维度特征至少包括基础特征、动态特征和高阶特征；
[0025]第二生成单元，用于根据所述运行节点的原始时间序列，采用预设的时间序列预测方法生成所述运行节点的预测时间序列；其中，所述预测时间序列包括至少一个未来时间点以及所述未来时间点的预测时间维度特征；
[0026]第一输入单元，用于将所述运行节点的预测时间序列输入推演模型，输出得到所述运行节点的运行推演结果；其中，所述推演模型由至少一个训练样本对数学模型进行训
练得到；所述训练样本包括训练样本运行节点的时间序列以及所述训练样本节点的时间序列对应的真实运行结果；所述真实运行结果至少包括所述训练样本运行节点的时间序列中时间点的真实执行结果、真实运行时长和真实资源消耗；所述运行节点的预测时间序列的运行推演结果至少包括所述运行节点的预测时间序列中未来时间点的推演执行结果、推演运行时长和推演资源消耗；
[0027]推演结果生成单元，用于根据所有所述运行节点的预测时间序列的运行推演结果，生成所述批量的运行推演结果。
[0028]可选的，所述第一生成单元，包括：
[0029]合并单元，用于针对每一个所述运行节点，在所述运行节点的基本数据中确定同一个时间点的数据并进行合并，得到所述时间点的时间维度特征；
[0030]第一生成子单元，用于根据所有所述时间点以及所述时间点的时间维度特征生成所述运行节点的原始时间序列。
[0031]可选的，所述时间点之间的时间间隔相同。
[0032]可选的，所述批量的运行推演装置，还包括：
[0033]获取单元，用于当真实时间到达所述预测时间序列中的未来时间点后，获取真实时间下时间点的真实时间维度特征；
[0034]第一调整单元，用于利用所述真实时间下时间点的真实时间维度特征与所述未来时间点的预测时间维本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种批量的运行推演方法，其特征在于，包括：定期采集批量所有运行节点的基本数据；其中，所述基本数据至少包括系统数据、应用数据和业务数据；针对每一个所述运行节点，根据所述运行节点的基本数据生成所述运行节点的原始时间序列；其中，所述原始时间序列包括至少一个时间点，每个所述时间点的时间维度特征至少包括基础特征、动态特征和高阶特征；根据所述运行节点的原始时间序列，采用预设的时间序列预测方法生成所述运行节点的预测时间序列；其中，所述预测时间序列包括至少一个未来时间点以及所述未来时间点的预测时间维度特征；将所述运行节点的预测时间序列输入推演模型，输出得到所述运行节点的运行推演结果；其中，所述推演模型由至少一个训练样本对数学模型进行训练得到；所述训练样本包括训练样本运行节点的时间序列以及所述训练样本节点的时间序列对应的真实运行结果；所述真实运行结果至少包括所述训练样本运行节点的时间序列中时间点的真实执行结果、真实运行时长和真实资源消耗；所述运行节点的预测时间序列的运行推演结果至少包括所述运行节点的预测时间序列中未来时间点的推演执行结果、推演运行时长和推演资源消耗；根据所有所述运行节点的预测时间序列的运行推演结果，生成所述批量的运行推演结果。2.根据权利要求1所述的运行推演方法，其特征在于，所述针对每一个所述运行节点，根据所述运行节点的基本数据生成所述运行节点的原始时间序列，包括：针对每一个所述运行节点，在所述运行节点的基本数据中确定同一个时间点的数据并进行合并，得到所述时间点的时间维度特征；根据所有所述时间点以及所述时间点的时间维度特征生成所述运行节点的原始时间序列。3.根据权利要求2所述的运行推演方法，其特征在于，所述时间点之间的时间间隔相同。4.根据权利要求1所述的运行推演方法，其特征在于，所述根据所述原始时间序列，采用预设的时间序列预测方法生成预测时间序列之后，还包括：当真实时间到达所述预测时间序列中的未来时间点后，获取真实时间下时间点的真实时间维度特征；利用所述真实时间下时间点的真实时间维度特征与所述未来时间点的预测时间维度特征之间的误差，调整所述预设的时间序列预测方法。5.根据权利要求1所述的运行推演方法，其特征在于，所述推演模型的构建方法，包括：构建训练样本集；其中，所述训练样本集中包括至少一个训练样本；所述训练样本包括训练样本运行节点的时间序列以及所述训练样本节点的时间序列对应的真实运行结果；所述真实运行结果至少包括所述训练样本运行节点的时间序列中时间点的真实执行结果、真实运行时长和真实资源消耗；将所述训练样本运行节点的时间序列输入至数学模型中，输出得到所述训练样本运行节点的时间序列对应的运行推演结果；其中，所述训练样本运行节点的时间序列对应的运行推演结果至少包括训练样本运行节点的时间序列中时间点的推演执行结果、推演运行时
长和推演资源消耗；根据所述训练样本运行节点的时间序列对应的运行推演结果以及所述训练样本节点的时间序列对应的真实运行结果之间的误差，对所述数学模型进行调整，直至所述训练样本运行节点的时间序列对应的运行推演结果以及所述训练样本节点的时间序列对应的真实运行结果之间的误差满足预设的收敛条件，将满足预设的收敛条件的数学模型作为推演模型。6.一种批量的运行推演装置，其特征在...

【专利技术属性】
技术研发人员：余阳，董秀杰，徐龙，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：