System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于人工智能的需求预测方法、装置、设备及存储介质制造方法及图纸_技高网

基于人工智能的需求预测方法、装置、设备及存储介质制造方法及图纸

技术编号:40950000 阅读:11 留言:0更新日期:2024-04-18 20:24
本申请属于人工智能领域与金融科技领域,涉及一种基于人工智能的需求预测方法,包括:获取与车险需求相关的初始特征数据;从初始特征数据筛选关键特征数据;对关键特征进行预处理得到车险需求样本数据;基于狮群优化算法对lightGBM模型进行优化得到目标lightGBM模型;基于车险需求样本数据对目标lightGBM模型进行训练与测试得到车险需求预测模型;基于车险需求预测模型对车险需求预测服务请求进行预测处理。本申请还提供一种基于人工智能的需求预测装置、计算机设备及存储介质。此外,本申请的车险需求预测模型可存储于区块链中。本申请可以应用于金融领域的车险需求预测场景,基于车险需求预测模型的使用有效地提高了车险需求预测结果的生成效率与数据准确性。

【技术实现步骤摘要】

本申请涉及人工智能开发与金融科技领域,尤其涉及基于人工智能的需求预测方法、装置、计算机设备及存储介质。


技术介绍

1、随着汽车数量的不断增加和人民生活水平的提高,车辆使用率越来越高。而车辆保险作为保障车主利益的重要手段,也逐渐成为人们关注的焦点。然而,由于不同地区、不同人群对车险的需求和理解存在差异,因此如何准确地预测车险市场需求成为了亟待解决的问题。

2、传统的车险市场需求分析方法主要依靠调查问卷和统计数据分析,这种处理方法存在处理效率不高的问题,并且这种处理方法往往受到样本数量和质量的限制,难以准确反映车险市场需求的真实情况,使得生成的车险需求分析结果的准确性较低。


技术实现思路

1、本申请实施例的目的在于提出一种基于人工智能的需求预测方法、装置、计算机设备及存储介质,以解决现有的车险市场需求分析方法存在处理效率不高的问题,并且这种处理方法受到样本数量和质量的限制,难以准确反映车险市场需求的真实情况,使得生成的车险需求分析结果的准确性较低的技术问题。

2、为了解决上述技术问题,本申请实施例提供一种基于人工智能的需求预测方法,采用了如下所述的技术方案:

3、获取预先采集的与车险需求相关的初始特征数据;

4、从所述初始特征数据中筛选出关键特征数据;

5、对所述关键特征进行预处理,得到对应的车险需求样本数据;

6、基于预设的狮群优化算法对lightgbm模型进行优化,得到优化后的目标lightgbm模型;

7、基于所述车险需求样本数据对所述目标lightgbm模型进行训练与测试,得到符合预期条件的车险需求预测模型;

8、基于所述车险需求预测模型对待处理的车险需求预测服务请求进行预测处理。

9、进一步的,所述从所述初始特征数据中筛选出关键特征数据的步骤,具体包括:

10、基于person相关系数计算各所述初始特征数据与车险需求之间的相关性大小;

11、确定目标数量;

12、从所有所述相关性大小中筛选出与所述目标数量相同且数值最高的指定相关性大小;

13、从所有所述初始特征数据中获取与所述指定相关性大小对应的指定特征数据;

14、将所述指定特征数据作为所述关键特征数据。

15、进一步的,所述对所述关键特征进行预处理,得到对应的车险需求样本数据的步骤,具体包括:

16、对所述关键特征数据进行数据清洗处理,得到对应的第一特征数据;

17、对所述第一特征数据进行标准化处理,得到对应的第二特征数据;

18、将所述第二特征数据作为所述车险需求样本数据。

19、进一步的,所述基于所述车险需求样本数据对所述目标lightgbm模型进行训练与测试,得到符合预期条件的车险需求预测模型的步骤,具体包括:

20、将所述车险需求样本数据划分为训练数据与测试数据;

21、使用所述训练数据对所述目标lightgbm模型进行训练,得到训练后的目标lightgbm模型;

22、使用所述测试数据对所述训练后的目标lightgbm模型进行测试,计算与所述训练后的目标lightgbm模型对应的评估指标;

23、判断所述评估指标是否大于预设的指标阈值;

24、若所述评估指标大于所述指标阈值,则将所述训练后的目标lightgbm模型作为所述车险需求预测模型。

25、进一步的,在所述判断所述评估指标是否大于预设的指标阈值的步骤之后,还包括:

26、若所述评估指标小于所述指标阈值,获取预设的模型调整策略;

27、基于所述模型调整策略对所述训练后的目标lightgbm模型进行调整,得到调整后的目标lightgbm模型;

28、基于所述调整后的目标lightgbm模型进行模型更新处理。

29、进一步的,在所述基于所述车险需求样本数据对所述目标lightgbm模型进行训练与测试,得到符合预期条件的车险需求预测模型的步骤之后,还包括:

30、确定与车险需求预测业务关联的目标业务系统;

31、获取所述目标业务系统的通讯地址信息;

32、基于所述通讯地址信息,将所述车险需求预测模型部署至所述目标业务系统内。

33、进一步的,所述基于所述车险需求预测模型对待处理的车险需求预测服务请求进行预测处理的步骤,具体包括:

34、获取用户在所述目标业务系统中输入的待处理的车险需求预测服务请求;其中,所述车险需求预测服务请求携带车险需求业务数据;

35、从所述车险需求预测服务请求中提取出所述车险需求业务数据;

36、将所述车险需求业务数据输入至所述车险需求预测模型内,通过所述车险需求预测模型对所述车险需求业务数据进行预测处理,生成与所述车险需求业务数据对应的车险需求预测结果。

37、为了解决上述技术问题,本申请实施例还提供一种基于人工智能的需求预测装置,采用了如下所述的技术方案:

38、第一获取模块,用于获取预先采集的与车险需求相关的初始特征数据;

39、筛选模块,用于从所述初始特征数据中筛选出关键特征数据;

40、预处理模块,用于对所述关键特征进行预处理,得到对应的车险需求样本数据;

41、优化模块,用于基于预设的狮群优化算法对lightgbm模型进行优化,得到优化后的目标lightgbm模型;

42、第一处理模块,用于基于所述车险需求样本数据对所述目标lightgbm模型进行训练与测试,得到符合预期条件的车险需求预测模型;

43、第二处理模块,用于基于所述车险需求预测模型对待处理的车险需求预测服务请求进行预测处理。

44、为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:

45、获取预先采集的与车险需求相关的初始特征数据;

46、从所述初始特征数据中筛选出关键特征数据;

47、对所述关键特征进行预处理,得到对应的车险需求样本数据;

48、基于预设的狮群优化算法对lightgbm模型进行优化,得到优化后的目标lightgbm模型;

49、基于所述车险需求样本数据对所述目标lightgbm模型进行训练与测试,得到符合预期条件的车险需求预测模型;

50、基于所述车险需求预测模型对待处理的车险需求预测服务请求进行预测处理。

51、为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:

52、获取预先采集的与车险需求相关的初始特征数据;

53、从所述初始特征数据中筛选出关键特征数据;

54、对所述关键特征进行预处理,得到对应的车险需求样本数据;

55、基于预设的狮群优化算法对l本文档来自技高网...

【技术保护点】

1.一种基于人工智能的需求预测方法,其特征在于,包括下述步骤:

2.根据权利要求1所述的基于人工智能的需求预测方法,其特征在于,所述从所述初始特征数据中筛选出关键特征数据的步骤,具体包括:

3.根据权利要求1所述的基于人工智能的需求预测方法,其特征在于,所述对所述关键特征进行预处理,得到对应的车险需求样本数据的步骤,具体包括:

4.根据权利要求1所述的基于人工智能的需求预测方法,其特征在于,所述基于所述车险需求样本数据对所述目标li ghtGBM模型进行训练与测试,得到符合预期条件的车险需求预测模型的步骤,具体包括:

5.根据权利要求4所述的基于人工智能的需求预测方法,其特征在于,在所述判断所述评估指标是否大于预设的指标阈值的步骤之后,还包括:

6.根据权利要求1所述的基于人工智能的需求预测方法,其特征在于,在所述基于所述车险需求样本数据对所述目标lightGBM模型进行训练与测试,得到符合预期条件的车险需求预测模型的步骤之后,还包括:

7.根据权利要求6所述的基于人工智能的需求预测方法,其特征在于,所述基于所述车险需求预测模型对待处理的车险需求预测服务请求进行预测处理的步骤,具体包括:

8.一种基于人工智能的需求预测装置,其特征在于,包括:

9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的基于人工智能的需求预测方法的步骤。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的需求预测方法的步骤。

...

【技术特征摘要】

1.一种基于人工智能的需求预测方法,其特征在于,包括下述步骤:

2.根据权利要求1所述的基于人工智能的需求预测方法,其特征在于,所述从所述初始特征数据中筛选出关键特征数据的步骤,具体包括:

3.根据权利要求1所述的基于人工智能的需求预测方法,其特征在于,所述对所述关键特征进行预处理,得到对应的车险需求样本数据的步骤,具体包括:

4.根据权利要求1所述的基于人工智能的需求预测方法,其特征在于,所述基于所述车险需求样本数据对所述目标li ghtgbm模型进行训练与测试,得到符合预期条件的车险需求预测模型的步骤,具体包括:

5.根据权利要求4所述的基于人工智能的需求预测方法,其特征在于,在所述判断所述评估指标是否大于预设的指标阈值的步骤之后,还包括:

6.根据权利要求1所述的基于人工智能的需求预测方法,其...

【专利技术属性】
技术研发人员:刘兴廷
申请(专利权)人:中国平安财产保险股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1