[发明专利]一种抄核收风险预测及业务联动的实现方法和系统在审

专利信息
申请号: 201910909080.5 申请日: 2019-09-25
公开(公告)号: CN110727910A 公开(公告)日: 2020-01-24
发明(设计)人: 陈华锋;廖家敏;孙涛;蒋崇建;曾环东;张智凯;陈燎原 申请(专利权)人: 深圳供电局有限公司
主分类号: G06F17/13 分类号: G06F17/13;G06F17/18;G06Q10/06;G06Q50/06
代理公司: 44238 深圳汇智容达专利商标事务所(普通合伙) 代理人: 熊贤卿
地址: 518000 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 预处理 离散数列 业务数据 预测模型 环节 业务数据获得 风险预测 工作效率 灰色模型 人工服务 人工压力 人力成本 随机动态 微分方程 业务分解 自动发现 导数 构建 客服 联动 流转 计算机网络 工作量 分流 预测
【权利要求书】:

1.一种抄核收风险预测及业务联动的实现方法,其特征在于,包括如下步骤:

将抄核收业务分解成多个环节,收集各个环节相关的业务数据并进行预处理;

根据所述预处理后的业务数据获得业务数据的离散数列;

基于灰色模型建立灰导数与灰微分方程,用所述离散数列训练并构建随机动态预测模型;

采用训练好的预测模型预测出抄核收业务各环节的风险,并识别出问题工单;将问题工单通过计算机网络进行流转。

2.根据权利要求1所述的方法,其特征在于,所述将抄核收业务分解成多个环节,收集各个环节相关的业务数据并进行清洗具体包括:

将抄核收业务分解成多个环节,所述多个环节包括抄表数据准备、抄表数据开放、电费计算、电费复核、电费发行;

收集所述抄核收各环节的业务数据进行清洗,并转换成适合机器学习的数据格式。

3.根据权利要求2所述的方法,其特征在于,所述根据所述预处理后的业务数据获得业务数据的离散数列具体包括:

对所述预处理后的业务数据按照时间先后顺序进行排序;

将所述第一个时间对应的预处理后的业务数据赋值给所述第一个离散业务数据;

所述当前离散序列对应的业务数据值等于上一个离散序列对应的业务数据值与所述当前离散序列相对应的时间值对应的预处理后的业务数据的和。

4.根据权利要求3所述的方法,其特征在于,所述采用基于灰色模型建立灰导数与灰微分方程,用所述离散数列训练并构建随机动态预测模型具体为:

建立时间序列x(0)={x(0)(1),x(0)(2),,x(0)(3)…,x(0)(N)};其中元素x(0)(N)为对应的所述抄核收环节的相应时刻N业务数据;对所述时间序列进行累加操作得到用于训练并构建随机动态预测模型的离散数列:

x(1)(1)=x(0)(1),

x(1)(2)=x(0)(1)+x(0)(2),

x(1)(3)=x(0)(1)+x(0)(2)+x(0)(3),

x(1)(4)=x(0)(1)+x(0)(2)+x(0)(3)+x(0)(4),

x(1)(n)=x(0)(1)+x(0)(2)+x(0)(3)+x(0)(4)+...+x(0)(n);

设x(1)满足一阶常微分方程,u是发展灰数常数,当t=t0时x(1)=x(1)(t0)的解为对等间隔取样的离散值相应的解为:将上述得到离散序列代入所述等间隔取样的离散值相应的解,通过最小二乘法来求出具体抄核收环节对应的常数a与u;

对抄核收各环节模型校验和评价:将常数a与u代入统计模型,将预测结果要实际值进行比较,若预测统计精度达到预定值,输出模型;否则、继续通过最小二乘法来求出具体抄核收环节对应的常数a与u。

5.根据权利要求4所述的方法,其特征在于,所述将问题工单通过计算机网络进行流转具体包括:

根据岗位人员及业务管理需要将问题工单进行流转,自动将相关数据推送对应的岗位人员,并进行督办。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳供电局有限公司,未经深圳供电局有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910909080.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top