申请/专利权人：中国农业银行股份有限公司

申请日：2020-12-31

公开（公告）日：2021-04-13

公开（公告）号：CN112651785A

主分类号：G06Q30/02(20120101)

分类号：G06Q30/02(20120101);G06Q40/04(20120101);G06N20/00(20190101)

优先权：

专利状态码：有效-授权

法律状态：2023.12.08#授权;2021.04.30#实质审查的生效;2021.04.13#公开

摘要：本发明实施例提供交易量实时监测方法与系统，可实时对交易量进行统计，并预测未来的交易量，得到交易量预测值，然后对同一时刻的真实交易量和交易量预测值进行偏差度计算，当偏差超过预定值时，进行实时预警，方便运营人员及时发现异常，并作出应急处置，避免巨额经济损失。并且，在本发明实施例中，机器学习模型的训练，以及交易量的预测是同时在生产上运行的。一方面，训练平台周期性获取数据库中的数据，以训练更新机器学习模型，并将训练好的机器学习模型和模型参数发布至流计算平台；另一方面，流计算平台定期加载最新的机器学习模型和模型参数进行实时交易量的预测。这样可对机器学习模型进行快速迭代，对业务和交易的实际变化适应更快速。

主权项：1.一种交易量实时监测方法，其特征在于，基于交易量实时监测系统，所述交易量实时监测系统包括：数据通道、流计算平台和训练平台；所述数据通道用于接收交易数据；所述交易数据是用户或上游系统发起交易时的采集的；所述交易量实时监测方法包括：所述流计算平台获取所述数据通道中的实时交易数据并统计出实时交易量；所述流计算平台将所述实时交易数据和交易量数据存至数据通道和数据库；所述训练平台用于进行离线机器学习模型训练，得到初始的机器学习模型，并根据所述数据库中数据进行周期性的机器学习模型训练；其中，在任一周期的训练过程中，所述训练平台获取所述数据通道中预设时间范围内的数据，根据获取的数据训练所述初始的机器学习模型或上一周期训练得到的机器学习模型，将训练好的机器学习模型和模型参数发布至所述流计算平台；所述预设时间范围的终点为所述任一周期的开始时刻；所述流计算平台使用所述实时交易数据作为自定义算子的输入，输出对未来N个时间切片的交易量预测结果；N为正整数；所述自定义算子包括所述流计算平台定期加载的、最新训练好的机器学习模型和模型参数；所述流计算平台将所述实时交易量，与相应的交易量预测结果进行偏差度计算；若偏差度大于预定值时，所述流计算平台推送预警信号；所述相应的交易量预测结果包括：当前时刻所对应的时间切片的交易量预测结果。

全文数据：

权利要求：

百度查询： 中国农业银行股份有限公司 交易量实时监测方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD