[发明专利]话务量预测方法、系统、计算机设备及存储介质

权利要求书

1.话务量预测方法，其特征在于，包括以下步骤：

S1、确定建模时间窗口，获取呼叫中心在建模时间窗口的原始话务量数据，并对原始话务量数据进行标准化处理，得到标准化后的话务量数据；

S2、对标准化后的话务量数据进行重构，得到重构序列；计算重构序列的均值和方差，将重构序列及其均值、方差作为LSTM神经网络输入，并设置LSTM神经网络输出层维数；

S3、建立LSTM神经网络模型，设置初始隐含层数和隐含层节点数量；对LSTM神经网络模型进行训练，通过训练学习率以及迭代次数，对LSTM神经网络模型进行优化；

S4、将训练好的LSTM神经网络模型用于预测话务量，根据步骤S1的标准化处理过程，将预测变量逆向还原后与实际值对比，得到预测结果。

2.根据权利要求1所述的话务量预测方法，其特征在于，步骤S1将某一历史时间段确定为建模时间窗口，确定LSTM神经网络模型的训练集合。

3.根据权利要求1所述的话务量预测方法，其特征在于，步骤S1对原始话务量数据进行标准化处理的公式为：

其中，x为原始话务量数据；average(x)即对原始话务量数据进行均值转化；std(x)为话务量数据的标准差。

4.根据权利要求1所述的话务量预测方法，其特征在于，步骤S2根据LSTM神经网络设置的时间步和特征，对标准化后的话务量数据进行重构，改变标准化后的话务量数据的维度，使得重构序列为三维数据，与LSTM神经网络的输入相匹配。

5.根据权利要求1所述的话务量预测方法，其特征在于，LSTM神经网络模型的初始隐含层设置为一层，隐含层节点的数量设置为20。

6.根据权利要求1所述的话务量预测方法，其特征在于，在LSTM神经网络引入输入门、输出门以及隐层之间的遗忘门。

7.话务量预测系统，其特征在于，包括：

话务量数据标准化处理模块，用于确定建模时间窗口，获取呼叫中心在建模时间窗口的原始话务量数据，并对原始话务量数据进行标准化处理，得到标准化后的话务量数据；

数据重构模块，用于对标准化后的话务量数据进行重构，得到重构序列；计算重构序列的均值和方差，将重构序列及其均值、方差作为LSTM神经网络输入，并设置LSTM神经网络输出层维数；

模型建立及优化模块，用于建立LSTM神经网络模型，设置初始隐含层数和隐含层节点数量；对LSTM神经网络模型进行训练，通过训练学习率以及迭代次数，对LSTM神经网络模型进行优化；

预测模块，用于将训练好的LSTM神经网络模型对话务量进行预测，根据话务量数据的标准化处理过程，将预测变量逆向还原后与实际值对比，得到预测结果。

8.根据权利要求7所述的话务量预测系统，其特征在于，数据重构模块根据LSTM神经网络设置的时间步和特征，对标准化后的话务量数据进行重构，改变标准化后的话务量数据的维度，使得重构序列为三维数据，与LSTM神经网络的输入相匹配。

9.计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时，实现权利要求1-6中任一项所述的话务量预测方法。

10.存储介质，其上存储有计算机指令，其特征在于，计算机指令被处理器执行时，实现权利要求1-6中任一项所述话务量预测方法的各步骤。