[发明专利]一种交易量预测方法及装置

说明书

本发明公开了一种交易量预测方法及装置，涉及大数据技术领域，所述方法包括：获取预测起始日的预测特征数据；对所述预测特征数据进行预处理，得到所述预测特征数据对应的预测特征向量；基于所述预测特征向量和交易量预测模型，对所述预测起始日后的预设时间段内的交易量进行预测，得到交易量预测值；根据所述交易量预测值对后台服务器资源进行调配。本发明实施例提供的交易量预测方法及装置，通过将交易量的相关的特征数据做时序分析后，对原始模型进行训练从而获得交易量预测模型。当把来自于日常的交易相关的数据提供给交易量预测模型对未来一段时间内的交易量进行预测，以小段时间的交易量为依据精准的调配服务器资源。

技术领域

本发明涉及大数据技术领域，尤其涉及一种交易量预测方法及装置。

背景技术

银行运维平台每月都会统计本月中的各种运维信息，交易量就是其中重要的数据之一。交易量可以反映每天的交易规模，在交易中后台系统需要处理大量的交易信息，需要根据交易量的大小对后台服务器资源进行调配。

交易流量随着时间变化和节日变化存在极大的波动，现有技术中主要是通过机器学习的方式对未来的交易量进行预测，根据预测结果合理分配后台服务器资源。

但是现有技术中的对未来交易量的预测由于是基于非时间序列的模型进行的，忽略了时间对交易量的影响，对未来交易量预测的准确率低。

发明内容

本发明实施例提供一种交易量预测方法，用以解决上述技术问题，所述方法包括：

获取预测起始日的预测特征数据；

对所述预测特征数据进行预处理，得到所述预测特征数据对应的预测特征向量；

基于所述预测特征向量和交易量预测模型，对所述预测起始日后的预设时间段内的交易量进行预测，得到交易量预测值；其中，所述交易量预测模型是基于预设时间段内的历史预测特征数据集、所述历史特征数据对应的历史交易量和原始模型训练得到的；

根据所述交易量预测值对后台服务器资源进行调配。

进一步的，所述预测特征数据包括：预测起始日前预设时间段内的每日交易量和活动信息。

进一步的，获取预测起始日的预测特征数据包括以下步骤：

获取所述预测起始日前预设时间段内的交易日志文件；

从所述交易日志文件中提取所述预测特征数据。

进一步的，基于预设时间段内的历史预测特征数据集、所述历史特征数据对应的交易量和原始模型训练得到所述交易量预测模型包括以下步骤：

获取预设时间段内的历史预测特征数据集和所述历史特征数据集对应的历史交易量；其中，所述历史预测特征数据集包括历史起始日和历史起始日的预测特征数据；

对所述历史预测特征数据进行预处理，得到所述历史预测特征数据对应的历史预测特征向量；

基于所述历史预测特征向量和所述历史交易量对所述原始模型进行训练，得到所述交易量预测模型。

进一步的，所述原始模型为差分整合移动平均自回归模型或长短时神经网络模型。

进一步的，基于所述历史预测特征向量和所述历史交易量对所述原始模型进行训练，得到所述交易量预测模型包括以下步骤：

基于所述历史预测特征向量和所述历史交易量对所述差分整合移动平均自回归模型进行训练，得到第一预测模型；

基于所述历史预测特征向量和所述历史交易量对所述长短时神经网络模型进行训练，得到第二预测模型；

使用加权算法对所述第一预测模型和所述第二预测模型进行融合，得到所述交易量预测模型。