银行交易量预测方法、资源分配方法、计算设备及介质组成比例

本申请涉及一种银行交易量预测方法、资源分配方法、计算设备及介质，所述预测方法包括：获取预测当日前预设时间段内待测银行每天的交易量；基于所述预测当日前预设时间段内待测银行每天的交易量，利用预先训练的神经网络模型确定预测当日待测银行的交易量。本申请提供的技术方案，可以提高银行交易量预测的准确性。

【技术实现步骤摘要】
银行交易量预测方法、资源分配方法、计算设备及介质
本专利技术涉及银行交易
，特别是指一种银行交易量预测方法、资源分配方法、计算设备及介质。
技术介绍
银行交易量预测是保证银行交易系统稳定运行的一个重要环节。现阶段银行交易量预测通常采用ARIMA模型进行预测。但是利用ARIMA模型对银行交易量预测存在着较大的局限性，首先，ARIMA模型只能对短期数据进行预测，并且对数据平稳性的要求较大。其次，ARIMA模型只能捕捉线性关系，不能捕捉非线性关系。因此，ARIMA模型只能对预测交易量较平稳的时间段进行预测，在一些特殊日子，当交易量不平稳时，该模型的预测结果会出现不准确的情况，比如，缴纳社保的时间，各单位发工资的时间。
技术实现思路
有鉴于此，本申请的主要目的在于提供一种银行交易量预测方法、资源分配方法、计算设备及介质，以能提高银行交易量预测的准确性。本申请提供的一种银行交易量预测方法，包括：获取预测当日前预设时间段内待测银行每天的交易量；基于所述预测当日前预设时间段内待测银行每天的交易量，利用预先训练的神经网络模型确定预测当日待测银行的交易量。由上，由于神经网络模型的构建过程需要大量丰富的训练数据，因此，即使在交易量不稳定的情况下，本申请提供的预测方法仍可以保证预测结果的准确性；另外，本申请采用神经网络模型的优势还在于可以处理线性以及非线性的关系，使预测结果更加准确。作为第一方面的一种实现方式，所述预先训练的神经网络模型的参数配比基于哈里斯鹰算法获得。>由上，使用哈里斯鹰算法对神经网络模型的参数进行最优化查找，最终获得最佳的参数配比，可以大大降低不适当的参数配比对预测结果产生的过拟合或欠拟合的影响，进一步提高该预先训练的神经网络模型输出数据的准确性。作为第一方面的一种实现方式，所述预先训练的神经网络模型的参数配比的获得过程包括：a：初始化迭代次数t＝1，最大迭代次数Max_iter，在神经网络模型参数的上下限范围内随机生成N只哈里斯鹰，构成哈里斯鹰种群X；b：根据当前迭代次数确定猎物的能量，并判断所述猎物的能量与第一预设阈值的大小关系；c：基于所述大小关系更新哈里斯鹰种群X的位置；d：基于更新后的哈里斯鹰种群X的位置确定哈里斯鹰种群X中各只哈里斯鹰的适应度值，并根据所述适应度值获得哈里斯鹰种群X的最优个体的位置；e：以所述哈里斯鹰种群X的最优个体的位置和猎物所在位置之间的距离为搜索半径，利用二分法进行局部搜索，获得搜索后的哈里斯鹰种群X的最优个体的位置；f：当所述搜索后的哈里斯鹰种群X的最优个体的位置与猎物所在位置之间的距离小于预设距离时，以所述搜索后的哈里斯鹰种群X的最优个体的位置为神经网络模型参数在所述上下限范围内的最优参数配比，否则，判断当前迭代次数是否小于最大迭代次数，若是，令t＝t+1，并返回b，否则，以所述搜索后的哈里斯鹰种群X的最优个体的位置为神经网络模型参数在所述上下限范围内的最优参数配比，并结束操作。由上，通过引入二分法，增强了哈里斯鹰算法在局部的搜索能力，提高了查找结果的精度。作为第一方面的一种实现方式，所述根据当前迭代次数确定猎物的能量，包括：按下式确定猎物的能量E：上式中，Max_iter为初始化时预设的最大迭代次数，t为第t次迭代，φ为猎物被围捕后又逃逸的次数。由上，提供了一种哈里斯鹰算法中猎物能量的计算方法，通过引入猎物被围捕后又逃逸的次数，来刻画猎物在被围捕过程中，经过短时间休整后得到能量补充的过程，使其可以更好的表现出总体呈现下降，但在过程中呈现不断震荡的过程。作为第一方面的一种实现方式，所述基于所述大小关系更新哈里斯鹰种群X的位置，包括：当所述猎物的能量大于第一预设阈值时，按下式更新哈里斯鹰种群X的位置：当所述猎物的能量不大于第一预设阈值时，分四种情况：(1)当猎物成功逃脱的机会不小于第二预设阈值、猎物的能量不大于第一预设阈值且不小于第二预设阈值时，按下式更新哈里斯鹰种群X的位置：X(t+1)＝(Xrabbit(t)-X(t))-E|2(1-r5)*Xrabbit(t)-X(t)|(2)当猎物成功逃脱的机会不小于第二预设阈值且猎物的能量小于第二预设阈值时，按下式更新哈里斯鹰种群X的位置：X(t+1)＝Xrabbit(t)-E|ΔX(t)|(3)当猎物成功逃脱的机会小于第二预设阈值、猎物的能量不大于第一预设阈值且不小于第二预设阈值时，按下式更新哈里斯鹰种群X的位置：Y＝Xrabbit(t)-E|2(1-r5)*Xrabbit(t)-X(t)|Z＝Y+S×LF(D)(4)当猎物成功逃脱的机会小于第二预设阈值且猎物的能量小于第二预设阈值时，按下式更新哈里斯鹰种群X的位置：Y＝Xrabbit(t)-E|2(1-r5)*Xrabbit(t)-Xm(t)|Z＝Y+S×LF(D)其中，X(t+1)为第t+1次迭代哈里斯鹰种群X的位置，Xrand(t)为第t次迭代哈里斯鹰种群X中随机一只哈里斯鹰的位置，X(t)为第t次迭代哈里斯鹰种群X的位置，Xrabbit(t)为第t次迭代猎物的位置，Xm(t)为第t次迭代哈里斯鹰种群X中哈里斯鹰个体的平均位置，UB和LB为哈里斯鹰的捕猎范围，r1、r2、r3、r4、r5、q为[0,1)区间内的随机数，E为猎物的能量，S为1×D的随机向量，LF为levy的飞行函数，u,v为(0,1)区间内的随机数，β为常数1.5。由上，根据猎物的能量与第一预设阈值的大小关系来更新更新哈里斯鹰种群X的位置，使哈里斯鹰的位置更接近猎物的位置以模拟接近最优解的方向。作为第一方面的一种实现方式，所述利用二分法进行局部搜索，获得搜索后的哈里斯鹰种群X的最优个体的位置，包括：其中，Xt′为第t次迭代搜索后的哈里斯鹰种群X的最优个体的位置，R为搜索半径，f()为适应度函数。由上，通过上述公式中的二分法，使哈里斯鹰算法具有局部寻优的能力，计算简单，收敛性能够得到保证。作为第一方面的一种实现方式，所述预先训练的神经网络模型为预先训练的GRU神经网络模型。由上，通过采用GRU神经网络模型，使网络结构更为简单，减少训练时间，提高训练效率。本申请提供的一种资源分配方法，用于银行总部为各个银行分部进行资源的分配，所述资源分配方法包括：对各个银行分部使用上述方法进行银行交易量预测；根据对各个银行分部交易量预测的结果，为各个银行分部进行算力资源和/或网络资源的分配。本申请提供的一种计算设备，包括：总线；通信接口，其与所述总线连接；至少一个处理器，其与所述总线连接；以及至少一个存储器，其与所述总线连接并存储有程序指令，所述程序指令当被所述至少一个处理器执行时使得所述至少一个处理器执本文档来自技高网...

【技术保护点】
1.一种银行交易量预测方法，其特征在于，所述方法包括：/n获取预测当日前预设时间段内待测银行每天的交易量；/n基于所述预测当日前预设时间段内待测银行每天的交易量，利用预先训练的神经网络模型确定预测当日待测银行的交易量。/n

【技术特征摘要】
1.一种银行交易量预测方法，其特征在于，所述方法包括：
获取预测当日前预设时间段内待测银行每天的交易量；
基于所述预测当日前预设时间段内待测银行每天的交易量，利用预先训练的神经网络模型确定预测当日待测银行的交易量。


2.根据权利要求1所述的方法，其特征在于，所述预先训练的神经网络模型的参数配比基于哈里斯鹰算法获得。


3.根据权利要求2所述的方法，其特征在于，所述预先训练的神经网络模型的参数配比的获得过程包括：
a：初始化迭代次数t＝1，最大迭代次数Max_iter，在神经网络模型参数的上下限范围内随机生成N只哈里斯鹰，构成哈里斯鹰种群X；
b：根据当前迭代次数确定猎物的能量，并判断所述猎物的能量与第一预设阈值的大小关系；
c：基于所述大小关系更新哈里斯鹰种群X的位置；
d：基于更新后的哈里斯鹰种群X的位置确定哈里斯鹰种群X中各只哈里斯鹰的适应度值，并根据所述适应度值获得哈里斯鹰种群X的最优个体的位置；
e：以所述哈里斯鹰种群X的最优个体的位置和猎物所在位置之间的距离为搜索半径，利用二分法进行局部搜索，获得搜索后的哈里斯鹰种群X的最优个体的位置；
f：当所述搜索后的哈里斯鹰种群X的最优个体的位置与猎物所在位置之间的距离小于预设距离时，以所述搜索后的哈里斯鹰种群X的最优个体的位置为神经网络模型参数在所述上下限范围内的最优参数配比，否则，判断当前迭代次数是否小于最大迭代次数，若是，令t＝t+1，并返回b，否则，以所述搜索后的哈里斯鹰种群X的最优个体的位置为神经网络模型参数在所述上下限范围内的最优参数配比，并结束操作。


4.根据权利要求3所述的方法，其特征在于，所述根据当前迭代次数确定猎物的能量，包括：
按下式确定猎物的能量E：



上式中，Max_iter为初始化时预设的最大迭代次数，t为第t次迭代，φ为猎物被围捕后又逃逸的次数。


5.根据权利要求3所述的方法，其特征在于，所述基于所述大小关系更新哈里斯鹰种群X的位置，包括：
当所述猎物的能量大于第一预设阈值时，按下式更新哈里斯鹰种群X的位置：



当所述猎物的能量不大于第一预设阈值时，分四种情况：
(1)当猎物成功逃脱的机会不小于第二预设阈值、猎物的能量不大于第一预设阈值且不小于第二预设阈值时，按下式更新哈里斯鹰种群X的位置：
X(t+1)＝(Xrabbit(t)-X(t))-E|2(1-r5)*Xrabbit(t)-X(t)|
(2)当猎物成功逃脱的机会不小于第二预设阈值且猎物的能量小于第二预设阈值时，按下式更新哈里斯鹰种群X的位...

【专利技术属性】
技术研发人员：王迪，杨本臣，荣景峰，项海菊，袁贵森，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁;21