公开(公告)号：CN106997497A

公开(公告)日：2017-08-01

申请号：CN201710443928.0

申请日：2017-06-13

Applicant: 中南大学 ,  湖南海得数据科技有限公司

Inventor： 王建新 ,  单文波 ,  钟坚成 ,  刘煜

IPC: G06Q10/04 ,  G06Q40/02

CPC classification number: G06Q10/04 ,  G06Q40/02

Abstract: 本发明公开了一种基于时间序列和节假日信息的银行备付金预测方法，基于周期性交易额时间序列，融合节假日信息，进行银行机构备付金预测。首先将银行机构日存款额和日取款额历史数据转化成备付金时间序列观测数据，以全省备付金年平均增长率作为参考标准，修正银行机构备付金月平均增长率。然后根据节假日信息，针对节假日和非假日两种日期属性进行独立预测。最终，利用周期性备付金时间序列观测数据为银行机构预测备付金需求。该方法能较为准确的预测大部分的银行机构备付金数额，具有较高的精度，并且能预测多天的备付金值。为银行指导全行现金备付管理，科学预测各级机构的现金需求量，为各级银行机构的现金库存管理提供有价值的参考信息。

公开(公告)号：CN106886846A

公开(公告)日：2017-06-23

申请号：CN201710281286.9

申请日：2017-04-26

Applicant: 中南大学 ,  湖南海得数据科技有限公司

Inventor： 王建新 ,  刘煜 ,  董姝婷 ,  单文波

IPC: G06Q10/04 ,  G06Q40/02 ,  G06N3/06 ,  G06N3/08

CPC classification number: G06Q10/04 ,  G06N3/061 ,  G06N3/084 ,  G06Q40/02

Abstract: 本发明公开了一种基于长短期记忆循环神经网络的银行网点备付金预测方法，包括数据预处理、模型训练和预测三个阶段。数据预处理阶段以日为单位，统计银行网点现金交易日存款总额、日取款总额，以及当天日期属性，构建特征向量；根据每日的现金交易记录计算得到的日净额。在模型训练阶段，依据历史特征向量和日净额数据训练LSTM模型。在预测阶段，统计银行网点预测日期前若干天的特征向量，输入LSTM模型预测当天的日净额所在区间，取该区间内的随机值作为当日的备付金需求。本发明充分利用了历史数据和长短期记忆循环神经网络在时间序列数据分析上的优势，有效提高了银行网点备付金预测的准确率。

公开(公告)号：CN108521346B

公开(公告)日：2020-06-02

申请号：CN201810303367.9

申请日：2018-04-07

Applicant: 中南大学

Inventor： 王建新 ,  单文波 ,  钟秋浩

IPC: H04L12/24

Abstract: 本发明公开了一种基于终端数据的电信承载网异常节点定位方法，包括：S1：获取终端设备的时序数据；S2：构建网络拓扑中每个节点的状态属性序列；S3：识别每个节点的状态属性序列中是否存在状态属性值大于或等于指标阈值，若存在，将状态属性值大于或等于指标阈值的节点作为对应时刻的基本警告节点；S4：筛出同一时刻的所有警示节点；S5：计算同一的每个警示节点的设备发生故障的概率和设备可靠性阈值；S6：分别判断同一的每个警示节点的设备发生故障的概率是否大于同一时刻的同一警示节点的设备可靠性阈值，若是，将对应警示节点的设备标记为真故障设备。本发明可以提高异常节点定位的准确性。

公开(公告)号：CN108521346A

公开(公告)日：2018-09-11

申请号：CN201810303367.9

申请日：2018-04-07

Applicant: 中南大学

Inventor： 王建新 ,  单文波 ,  钟秋浩

IPC: H04L12/24

Abstract: 本发明公开了一种基于终端数据的电信承载网异常节点定位方法，包括：S1：获取终端设备的时序数据；S2：构建网络拓扑中每个节点的状态属性序列；S3：识别每个节点的状态属性序列中是否存在状态属性值大于或等于指标阈值，若存在，将状态属性值大于或等于指标阈值的节点作为对应时刻的基本警告节点；S4：筛出同一时刻的所有警示节点；S5：计算同一的每个警示节点的设备发生故障的概率和设备可靠性阈值；S6：分别判断同一的每个警示节点的设备发生故障的概率是否大于同一时刻的同一警示节点的设备可靠性阈值，若是，将对应警示节点的设备标记为真故障设备。本发明可以提高异常节点定位的准确性。