一种排班数据预测方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种排班数据预测方法、装置、设备和存储介质，包括：获取在预设历史时间段内每个预设历史时间点的历史排班信息，根据预设历史时间点对应的历史排班信息生成历史数据信息粒；确定多个参考历史时间点和每个参考历史时间点对应的样本信息粒集合；确定目标预测时间点和目标预测时间点对应的目标信息粒集合；确定每个参考历史时间点对应的参考数据信息粒，根据样本信息粒集合和目标信息粒集合之间信息粒的相似关系确定目标比例参数；根据参考数据信息粒和目标比例参数确定排班信息预测结果。本发明专利技术实施例技术方案可以基于对历史信息粒的模糊分析捕捉数据间的非线性关系，提高排班信息的预测准确性和可解释性。

【技术实现步骤摘要】

本专利技术实施例涉及数据运营管理，尤其涉及一种排班数据预测方法、装置、设备和存储介质。

技术介绍

1、排班人数预测是高效排班管理方案的关键内容，其本质是对时间序列的预测。近几十年关于时间序列的预测工作，可以总结为三大类：一是经典时间序列模型，二是基于计算智能技术的预测模型，三是基于模糊集理论的模糊时间预测模型。

2、经典时间序列模型得到了广泛的应用，但是也存在不足，例如：自回归模型、滑动平均模型等均建立在时间序列数据具有线性结构的假设之下，而现实世界中的数据通常具有较强的非线性结构；预测得到的是定量的结果，不易被人们理解；对于模糊或不完整的时间序列，预测偏差较大等。

3、计算智能技术包括人工神经网络、遗传算法、贝叶斯网络等，这些技术最大的优势在于较好的捕捉到了数据中的非线性特征。其不足之处也是明显的：预测模型相当于是数据驱动的黑盒子，单纯以提高精度为目的，对数据完整性要求较强，可解释性较弱，预测结果难以被人理解；适用范围普遍较小，难以推广。

技术实现思路

1、本专利技术实施例提供了一种本文档来自技高网...

【技术保护点】

1.一种排班数据预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据每个所述样本信息粒集合确定与每个所述参考历史时间点对应的参考数据信息粒，包括：

3.根据权利要求2所述的方法，其特征在于，所述针对每个所述参考历史时间点，对其对应的所述样本信息粒集合中的多个所述历史数据信息粒的进行模糊分析，得到与所述参考历史时间点对应的参考数据信息粒，包括：

4.根据权利要求1所述的方法，其特征在于，所述将位于所述参考历史时间点之前的连续预设数量个所述预设历史时间点对应的所述历史数据信息粒，作为样本信息粒集合，包括：p>

5.根据权...

【技术特征摘要】

1.一种排班数据预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据每个所述样本信息粒集合确定与每个所述参考历史时间点对应的参考数据信息粒，包括：

3.根据权利要求2所述的方法，其特征在于，所述针对每个所述参考历史时间点，对其对应的所述样本信息粒集合中的多个所述历史数据信息粒的进行模糊分析，得到与所述参考历史时间点对应的参考数据信息粒，包括：

4.根据权利要求1所述的方法，其特征在于，所述将位于所述参考历史时间点之前的连续预设数量个所述预设历史时间点对应的所述历史数据信息粒，作为样本信息粒集合，包括：

5.根据权利要求1所述的方法，其特...

【专利技术属性】
技术研发人员：谭晨皓，马添力，刘尚秋，张振领，
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：