[发明专利]基于卷积神经网络的业务预测方法以及装置

权利要求书

1.一种基于卷积神经网络的业务预测方法，包括：

获取历史业务数据并按照所属的时间粒度进行聚合，获得各个时间粒度的业务数据；

基于目标时间区间对应的环比时间区间内的业务数据、至少一个时间粒度对应的同比时间区间内的业务数据构建业务时序矩阵，以及构建与所述业务时序矩阵对应的非时序矩阵；

将所述业务时序矩阵以及所述非时序矩阵输入卷积神经网络进行业务数据预测，输出所述目标时间区间内各基础时间粒度的业务预测数据；

其中，所述卷积神经网络设有卷积层、全连接层和反卷积层，所述业务时序矩阵由所述卷积层进行卷积处理获得单维时序矩阵，并经所述全连接层确定所述单维时序矩阵的时序特征，所述时序特征与所述非时序矩阵的非时序特征进行融合后由所述反卷积层进行反卷积处理。

2.根据权利要求1所述基于卷积神经网络的业务预测方法，所述获取历史业务数据并按照所属的时间粒度进行聚合，获得各个时间粒度的业务数据，包括：

获取所述历史业务数据，并在所述历史业务数据中提取待处理的交易业务数据；

按照预设的聚合规则将所述交易业务数据按照所属的时间粒度进行聚合，获得所述各个时间粒度的业务数据。

3.根据权利要求1所述基于卷积神经网络的业务预测方法，所述卷积神经网络进行业务数据预测的过程，包括：

将所述业务时序矩阵以及所述非时序矩阵输入所述卷积神经网络；

基于所述卷积神经网络提取所述业务时序矩阵的业务时序特征，以及所述非时序矩阵的非业务时序特征；

根据所述卷积神经网络中的卷积层将所述业务时序特征重塑为第一特征，并根据所述全连接层对所述第一特征与所述非时序特征进行特征融合获得融合特征；

将所述融合特征经所述反卷积层的反卷积处理，获得所述目标时间区间内各基础时间粒度的业务预测数据。

4.根据权利要求1所述基于卷积神经网络的业务预测方法，所述卷积神经网络进行业务数据预测的过程，包括：

将所述业务时序矩阵以及所述非时序矩阵输入至所述卷积神经网络；

基于所述卷积神经网络设有的所述卷积层对应的卷积层数以及卷积核对所述业务时序矩阵进行卷积处理，获得所述单维时序矩阵；

根据所述卷积神经网络设有的所述全连接层对所述单维时序矩阵进行特征提取，确定所述时序特征；

提取所述非时序矩阵的所述非时序特征，并将所述时序特征和所述非时序特征进行特征融合获得融合业务特征；

按照所述卷积神经网络设有的所述反卷积层对应的反卷积核参数、所述融合业务特征对应的填充参数、反卷积核步长以及所述融合业务特征对应的特征参数对所述融合业务特征进行反卷积处理；

根据反卷积处理结果确定所述目标时间区间内各基础时间粒度的业务预测数据。

5.根据权利要求1所述基于卷积神经网络的业务预测方法，所述基于目标时间区间对应的环比时间区间内的业务数据、至少一个时间粒度对应的同比时间区间内的业务数据构建业务时序矩阵，包括：

确定与所述目标时间区间的时间单位对应的索引矩阵；

根据索引矩阵将所述环比时间区间内的业务数据以及所述同比时间区间内的业务数据添加至所述索引矩阵，构建所述业务时序矩阵。

6.根据权利要求1所述基于卷积神经网络的业务预测方法，所述构建与所述业务时序矩阵对应的非时序矩阵，包括：

基于所述目标时间区间对应的环比时间区间以及所述至少一个时间粒度对应的同比时间区间，确定所述业务数据中的静态业务数据；

基于所述静态业务数据构建与所述业务时序矩阵对应的所述非时序矩阵。

7.根据权利要求1所述基于卷积神经网络的业务预测方法，所述将所述业务时序矩阵以及所述非时序矩阵输入卷积神经网络进行业务数据预测，输出所述目标时间区间内各基础时间粒度的业务预测数据步骤执行之后，还包括：

基于预先建立的清算规则对所述业务预测数据进行清算处理，获得所述目标时间区间对应的清算分布，并将所述目标时间区间转换为清算时间区间。