一种基于LSTM模型的金融综合风险预测方法、系统及介质技术方案

本发明专利技术公开了一种基于LSTM模型的金融综合风险预测方法、系统及介质，包括根据流量数据的镜像数据生成基于特征矩阵的第一权重参数；对所述的镜像数据进行拆分得到日志时间序列，通过Kmeans聚类分析得到日志时间序列的镜像数据分布图；修正日志时间序列后训练得到神经网络的第一反馈数；建立流量数据的决策树模型得到最佳流量周期；将第一权重参数赋权给第一反馈数形成对应最佳流量周期的特征参数调整量；建立特征参数调整量与最佳流量周期的映射，基于不同接口请求的指标及对应映射将流量数据进行划分重组，基于重组后的流量数据进行预测；避免波动周期的影响，生成基于不同特征参数调整量的融合数据进行动态预测。

【技术实现步骤摘要】

本专利技术涉及金融监管，尤其涉及一种基于lstm模型的金融综合风险预测方法、系统及介质。

技术介绍

1、随着网络技术的高速发展和互联网技术的普及，网络已经成为人们工作、生活必不可缺的一部分。传统的网络流量预测主要凭借主观经验，根据历史数据和个人经验进行流量的预测判断，该类方法误判的几率较大，不能够对流量变化趋势做出准确判断，预测结果较实际数据存在明显偏差。如果基于大量历史数据并且实时掌握目前网络状况，进行流量预测，其结果会更加可靠。近年来，许多流量预测模型被提出，其中包括统计与回归方法，基于流量的方法和机器学习方法。目前被广泛认可的自回归积分滑动平均模型，已应用在网络安全领域，目的是预测网络系统的状况。

2、金融机构在数字化转型提升金融服务过程中，对于政务类数据的需求是迫切的，金融综合服务类平台作为政府与金融机构之间的数据桥梁，在服务好金融机构的同时，也需要加强数据的安全使用。目前常用的对于网络流量的监测只限于事后判断，并且其中对于不同金融机构的调用量超阈值规则的定义基本一致，且只预警提示单一，无法有针对性地对不同的金融机构进行网络流量划分，继本文档来自技高网...

【技术保护点】

1.一种基于LSTM模型的金融综合风险预测方法，其特征在于，包括：根据流量数据的镜像数据生成基于特征矩阵的第一权重参数；

2.根据权利要求1所述的一种基于LSTM模型的金融综合风险预测方法，其特征在于，所述的获取镜像数据后，通过状态转移方程生成镜像数据的数据转移矩阵，根据数据转移矩阵的特征分布生成特征矩阵，将所述的特征矩阵分权得到第一权重参数。

3.根据权利要求1或2所述的一种基于LSTM模型的金融综合风险预测方法，其特征在于，所述的Kmeans聚类分析时，以日志时间序列中元素均方差进行聚类，将日志时间序列的长度作为聚类的范围参数；基于日志时间序列生成多个第二类聚...

【技术特征摘要】

1.一种基于lstm模型的金融综合风险预测方法，其特征在于，包括：根据流量数据的镜像数据生成基于特征矩阵的第一权重参数；

2.根据权利要求1所述的一种基于lstm模型的金融综合风险预测方法，其特征在于，所述的获取镜像数据后，通过状态转移方程生成镜像数据的数据转移矩阵，根据数据转移矩阵的特征分布生成特征矩阵，将所述的特征矩阵分权得到第一权重参数。

3.根据权利要求1或2所述的一种基于lstm模型的金融综合风险预测方法，其特征在于，所述的kmeans聚类分析时，以日志时间序列中元素均方差进行聚类，将日志时间序列的长度作为聚类的范围参数；基于日志时间序列生成多个第二类聚点。

4.根据权利要求3所述的一种基于lstm模型的金融综合风险预测方法，其特征在于，在所述的镜像数据分布图中，建立业务指标的多目标项目组，根据多目标项目组的时间分布建立第一类聚点；

5.根据权利要求4所述的一种基于lstm模型的金融综合风险预测方法，其特征在于，包括提取修正后的日志时间序列，填充至训练集模版中进行训练，得到神经网络的多个第一反馈数；所述的训练...

【专利技术属性】
技术研发人员：张有荣，徐小平，蔡英，王海燕，蔡函真，徐焌程，
申请(专利权)人：浙江省金融综合服务平台管理有限公司，
类型：发明
国别省市：