(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111524379.2 (22)申请日 2021.12.14 (71)申请人 深圳壹账通智能科技有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 （入驻深圳市 前海商务秘书 有限公司） (72)发明人 李洁　 (74)专利代理 机构 深圳国新 南方知识产权代理 有限公司 4 4374 代理人 周纯 (51)Int.Cl. G06Q 10/04(2012.01) (54)发明名称 业务数据预测方法、 装置、 电子设备及存储 介质 (57)摘要 本发明的业务数据预测方法、 装置、 电子设 备及存储介质， 通过基础指标的时序样本数据计 算得到衍生指标的数据， 基础指标和衍生指标共 同形成业务因子； 分别利用多个预测模型对业务 因子的历史数据进行预测， 根据预测结果获取多 个目标预测模 型； 基于矩阵画 像算法根据目标指 标的关联指标的时序样本数据获取目标时间长 度； 根据预测结果得到每个模型的权重， 最终预 测值； 通过上述方式， 充分挖掘了不同的业务因 子； 根据关联指标的时序样本数据挖掘与目标指 标变化周期接近的目标时间长度， 有利于寻找输 入的历史数据的时间长度与预测结果的最佳匹 配模式以提高拟合效果； 筛选出多个目标预测模 型进行融合， 有利于提高预测的准确性。 权利要求书3页 说明书10页 附图3页 CN 114202123 A 2022.03.18 CN 114202123 A 1.一种业 务数据预测方法， 其特 征在于， 包括： 获取目标区域的多个基础指标的第 一历史时间段的时序样本数据， 根据至少一个所述 基础指标 的第一历史时间段 的时序样本数据获取衍生指标 的第一历史时间段 的时序样本 数据， 将所述基础指标和所述 衍生指标作为 业务因子； 利用矩阵画像算法， 根据所述目标指标的关联指标的时序样本数据获取目标时间长 度， 根据所述目标时间长度获取 各业务因子的第二历史时间段的时序样本数据； 分别将各所述业务因子的不同第二历史时间段的时序样本数据输入至预先训练好的 多个预测模型中， 获取每个所述预测模型输出 的目标指标在不同目标历史时间的预测值， 所述目标历史时间与所述第二历史时间段一一对应， 所述第二历史时间段早于所述目标历 史时间； 根据每个所述预测模型输出的所述目标历史时间的预测值从所述多个预测模型中获 取预设数量个目标 预测模型； 根据所述目标指标在所述目标历史时间的真实值以及各所述目标预测模型在所述目 标历史时间的预测值进行多元线性回归计算， 得到每 个所述目标 预测模型的权 重； 分别将各所述业务因子的第三历史时间段的时序样本数据输入至多个所述目标预测 模型中， 获取每个所述 目标预测模型输出 的目标指标在待预测时间的模型预测值， 根据各 所述目标预测模型的模型预测 值以及各所述目标预测模型的权重获取所述目标指标在待 预测时间的最终预测值。 2.根据权利要求1所述的业务数据预测方法， 其特征在于， 所述利用矩阵画像算法， 根 据所述目标指标的关联指标的时序样本数据获取目标时间长度之前， 还 包括： 获取每两个所述业务因子的第 一历史时间段的时序样本数据的相似度， 根据 所述相似 度对所述 业务因子进行筛 选。 3.根据权利要求1所述的业务数据预测方法， 其特征在于， 所述利用矩阵画像算法， 根 据所述目标指标的关联指标的时序样本数据获取目标时间长度， 包括： 获取所述目标指标对应的关联指标的第一历史时间段的时序样本数据； 根据所述关联指标的第一历史时间段的时序样本数据获取不同待选时间长度的时序 子集， 其中， 每个所述时序子集中包括多个时序数据片段， 所述时序数据片段是从所述关联 指标的时序样本数据中截取的， 所述时序数据片段的长度为对应时序子集的待选时间长 度； 获取每个所述时序子集的矩阵画像， 其中， 所述矩阵画像包括每个所述时序数据片段 与所述时序子集中的其 他每个时序数据片段之间距离中的最小距离值； 获取不同待选时间长度对应的矩阵画像中各距离最小值的平均值， 根据 所述平均值获 取所述目标时间长度。 4.根据权利要求3所述的业务数据预测方法， 其特征在于， 所述根据所述平均值获取所 述目标时间长度， 包括： 获取所述平均值小于预设阈值的待选时间长度； 若获取成功， 则将所获取的待选时间长度分别作为目标时间长度； 若获取失败， 则获取所述平均值的最小值， 根据 所述最小值获取调整阈值， 将所述平均 值小于所述调整阈值的待选时间长度分别作为目标时间长度。权　利　要　求　书 1/3 页 2 CN 114202123 A 25.根据权利要求1所述的业务数据预测方法， 其特征在于， 每个所述预测模型的训练步 骤包括： 确定所述预测模型中各参数的取值范围； 从对应的所述取值范围内随机选择所述参数的初始值， 将各参数的初始值代入所述预 测模型的策略函数中， 得到初始化的预测模型； 获取训练集， 所述训练集包括各业务因子的第 二历史时间段的时序样本数据以及目标 历史时间的真实值； 将所述训练集输入至所述初始化的预测模型中， 得到所述策略函数输出的目标历史时 间的预测值； 以所述预测值和所述真实值的均 方根误差作为目标函数， 使用贝叶斯优化算法从对应 的所述取值范围内选择 所述参数的最优值， 得到训练完成的预测模型。 6.根据权利要求1所述的业务数据预测方法， 其特征在于， 所述根据每个所述预测模型 输出的所述目标历史时间的预测值从所述多个预测模型中获取预设数量个目标预测模型， 包括： 获取所述目标指标在所述目标历史时间的真实值， 根据 所述预测模型的预测值和对应 的所述真实值计算每 个预测模型的均方根 误差； 按照所述均方根 误差从小到大的顺序对所述预测模型进行排序； 选择前预设数量个预测模型作为目标 预测模型。 7.根据权利要求1所述的业务数据预测方法， 其特征在于， 所述根据所述目标指标在所 述目标历史时间的真实值以及各所述目标预测模型在所述目标历史时间的预测 值进行多 元线性回归计算， 得到每 个所述目标 预测模型的权 重， 包括： 将预设数量个所述目标预测模型的预测值作为数据点， 构建利用所述数据点计算所述 真实值的预设多元线性回归的表达函数； 计算所述真实值与数据点的多元线性回归的拟合 值之间的距离； 对所述距离进行求和， 得到求和损失； 根据所述 求和损失计算平均损失； 以所述平均损失最小为目标计算所述多元线性 回归的表达函数中各回归系数， 将所述 回归系数作为对应预测模型的权 重。 8.一种业 务数据预测装置， 其特 征在于， 包括： 因子构建模块， 用于获取目标区域的多个基础指标的第一历史时间段的时序样本数 据， 根据至少一个所述基础指标的第一历史时间段的时序样本数据获取衍生指标的第一历 史时间段的时序样本数据， 将所述基础指标和所述 衍生指标作为 业务因子； 时长模块， 用于利用矩阵画像算法， 根据所述目标指标的关联指标的时序样本数据获 取目标时间长度， 根据所述目标时间长度获取各业务因子的第二历史时间段的时序样本数 据； 第一预测模块， 用于分别将各所述业务因子的不同第 二历史时间段的时序样本数据输 入至预先训练好的多个预测模型中， 获取每个所述预测模型输出的目标指标在不同目标历 史时间的预测 值， 所述目标历史时间与所述第二历史时间段一一对应， 所述第二历史时间 段早于所述目标历史时间；权　利　要　求　书 2/3 页 3 CN 114202123 A 3