一种保管箱增撤预测方法、装置、电子设备及存储介质与流程

1.本发明实施例涉及趋势预测技术领域，尤其涉及一种保管箱增撤预测方法、装置、电子设备及存储介质。


背景技术：

2.目前，随着社会的发展，部分城市产生了许多新的高净值客户，同时，也有许多城市由于人口流出等问题，高净值客户持续减少；而保管箱业务作为银行吸引高净值客户的业务，需要根据社会发展趋势进行动态调整。并且，由于保管箱业务涉及租赁房屋，安装保管箱等一系列前期投入，进行增撤修改需要投入大量的成本，因此进行保管箱业务增撤前需要进行大量研判工作。
3.然而，目前针对保管箱业务的增撤的研判，一般采用由下级机构辅助调研，上级机构决定的方式。这样的方式，在调研过程中花费较大的人力，且由于是人工采集调研信息并判断是否进行保管箱的增撤，因此研判结果很容易受到人为因素的影响，导致保管箱的增撤判断不准确。
4.综上，如何提高对保管箱的增撤判断的准确度，成为亟待解决的问题。


技术实现要素：

5.本发明实施例的目的是提供一种保管箱增撤预测方法、装置、电子设备及存储介质，用于提高对保管箱的增撤判断的准确度。
6.第一方面，本发明实施例提供了一种保管箱增撤预测方法，应用于电子设备，所述方法包括：
7.确定待预测的目标区域的保管箱关联数据；所述保管箱关联数据包括所述目标区域与保管箱增撤相关的多项子关联数据；所述一项子关联数据对应指示所述目标区域是否增加或撤销保管箱的一项参考项；
8.将所述多项子关联数据与增撤指标关系库进行匹配，获得各项子关联数据对应的增撤等级；所述增撤指标关系库包括每项子关联数据与增撤等级的映射关系；所述增撤等级的数值越高表征对应项子关联数据所对应的参考项越符合增加保管箱的条件；
9.根据所述各项子关联数据对应的增撤等级和各自对应的权重，确定所述目标区域的总增撤等级，如果确定所述总增撤等级不小于预设等级，确定所述目标区域的预测结果为增加保管箱。
10.在一种可能的实施方式中，所述确定待预测的目标区域的保管箱关联数据，包括：
11.将包含有所述目标地区的各项指标的统计年鉴，与保管箱关键词库进行匹配，获得所述目标地区的第一保管箱关联数据；所述第一保管箱关联数据包括城市线级数据、城市扶持政策数据、城市旅游度假数据、城市资源数据、城市工业产业数据以及城市地质灾害数据；
12.获取与所述目标地区关联的高净值客户的数据，并对该数据进行脱敏处理，获得
所述目标地区的第二保管箱关联数据；
13.根据所述第一保管箱关联数据和所述第二保管箱关联数据，确定所述待预测的目标区域的保管箱关联数据。
14.在一种可能的实施方式中，所述增撤指标关系库中包括：城市线级数据与增撤等级的第一映射关系、城市扶持政策数据与增撤等级的第二映射关系、城市旅游度假数据与增撤等级的第三映射关系、城市资源数据与增撤等级的第四映射关系、城市工业产业数据与增撤等级的第五映射关系、城市地质灾害数据与增撤等级的第六映射关系以及高净值客户的数据与增撤等级的第七映射关系。
15.在一种可能的实施方式中，根据所述各项子关联数据对应的增撤等级和各自对应的权重，确定所述目标区域的总增撤等级，包括：
16.将所述各项子关联数据对应的增撤等级，输入训练好的增撤预测模型，获得所述各项子关联数据对应的权重以及所述目标区域的总增撤等级；
17.其中，所述训练好的增撤预测模型为基于预先标识有总增撤等级的各个地区的各项保管箱关联数据，对预设神经网络模型进行训练所获得的。
18.在一种可能的实施方式中，在确定所述目标区域的预测结果为增加保管箱之后，所述方法还包括：
19.确定预设时间段内，所述目标区域的保管箱关联数据是否有更新；
20.如果确定预设时间段内所述目标区域的保管箱关联数据有更新，则重新对所述目标区域的保管箱的增撤进行预测处理；
21.如果确定预设时间段内所述目标区域的保管箱关联数据未更新，则确定所述目标区域的目标预测结果为增加保管箱。
22.第二方面，本发明实施例提供一种保管箱增撤预测装置，应用于电子设备，所述装置包括：
23.确定单元，用于确定待预测的目标区域的保管箱关联数据；所述保管箱关联数据包括所述目标区域与保管箱增撤相关的多项子关联数据；所述一项子关联数据对应指示所述目标区域是否增加或撤销保管箱的一项参考项；
24.获得单元，用于将所述多项子关联数据与增撤指标关系库进行匹配，获得各项子关联数据对应的增撤等级；所述增撤指标关系库包括每项子关联数据与增撤等级的映射关系；所述增撤等级的数值越高表征对应项子关联数据所对应的参考项越符合增加保管箱的条件；
25.处理单元，用于根据所述各项子关联数据对应的增撤等级和各自对应的权重，确定所述目标区域的总增撤等级，如果确定所述总增撤等级不小于预设等级，确定所述目标区域的预测结果为增加保管箱。
26.在一种可能的实施方式中，所述确定单元，具体用于：
27.将包含有所述目标地区的各项指标的统计年鉴，与保管箱关键词库进行匹配，获得所述目标地区的第一保管箱关联数据；所述第一保管箱关联数据包括城市线级数据、城市扶持政策数据、城市旅游度假数据、城市资源数据、城市工业产业数据以及城市地质灾害数据；
28.获取与所述目标地区关联的高净值客户的数据，并对该数据进行脱敏处理，获得
所述目标地区的第二保管箱关联数据；
29.根据所述第一保管箱关联数据和所述第二保管箱关联数据，确定所述待预测的目标区域的保管箱关联数据。
30.在一种可能的实施方式中，所述增撤指标关系库中包括：城市线级数据与增撤等级的第一映射关系、城市扶持政策数据与增撤等级的第二映射关系、城市旅游度假数据与增撤等级的第三映射关系、城市资源数据与增撤等级的第四映射关系、城市工业产业数据与增撤等级的第五映射关系、城市地质灾害数据与增撤等级的第六映射关系以及高净值客户的数据与增撤等级的第七映射关系。
31.在一种可能的实施方式中，所述处理单元，具体用于：
32.将所述各项子关联数据对应的增撤等级，输入训练好的增撤预测模型，获得所述各项子关联数据对应的权重以及所述目标区域的总增撤等级；
33.其中，所述训练好的增撤预测模型为基于预先标识有总增撤等级的各个地区的各项保管箱关联数据，对预设神经网络模型进行训练所获得的。
34.在一种可能的实施方式中，在确定所述目标区域的预测结果为增加保管箱之后，所述装置还包括双校验单元，用于：
35.确定预设时间段内，所述目标区域的保管箱关联数据是否有更新；
36.如果确定预设时间段内所述目标区域的保管箱关联数据有更新，则重新对所述目标区域的保管箱的增撤进行预测处理；
37.如果确定预设时间段内所述目标区域的保管箱关联数据未更新，则确定所述目标区域的目标预测结果为增加保管箱。
38.第三方面，本发明实施例提供了一种电子设备，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明第一方面实施例提供的任一方法。
39.第四方面，本发明实施例提供了一种计算机存储介质，其中，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使计算机执行本发明第一方面实施例提供的任一方法。
40.第五方面，本发明实施例提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行第一方面实施例提供的任一方法。
41.本发明有益效果如下：
42.在本发明实施例中，电子设备可以确定待预测的目标区域的保管箱关联数据；保管箱关联数据包括目标区域与保管箱增撤相关的多项子关联数据；一项子关联数据对应指示目标区域是否增加或撤销保管箱的一项参考项；将多项子关联数据与增撤指标关系库进行匹配，获得各项子关联数据对应的增撤等级；增撤指标关系库包括每项子关联数据与增撤等级的映射关系；增撤等级的数值越高表征对应项子关联数据所对应的参考项越符合增加保管箱的条件；根据各项子关联数据对应的增撤等级和各自对应的权重，确定目标区域的总增撤等级，如果确定总增撤等级不小于预设等级，确定目标区域的预测结果为增加保管箱。
43.可见，本发明实施例中基于电子设备全自动实现对目标区域是否增撤保管箱的预测，且基于多项子关联数据进行预测，提高对目标区域的保管箱的增撤判断的准确度。
44.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
45.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
46.图1为本发明实施例中的一种应用场景示意图；
47.图2为本发明实施例中的一种保管箱增撤预测方法的流程示意图；
48.图3为本发明实施例中的一种增撤指标关系库的示意图；
49.图4为本发明实施例中的一种保管箱增撤预测装置的组成结构示意图；
50.图5为本发明实施例中的一种电子设备的一个硬件组成结构示意图。
具体实施方式
51.为使本发明的目的、技术方案和优点更加清楚明白，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互任意组合。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
52.本发明的说明书和权利要求书中术语“包括”以及它们任何变形，意图在于覆盖不排他的保护。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
53.本发明实施例中“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b的情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b或c中的至少一项(个)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
54.本发明技术方案中，对数据的采集、传播、使用等，均符合国家相关法律法规要求。
55.保管箱：是指银行或酒店等专门为客户出租使用的且具有同金库一样安全的保管物品的地方。
56.保管箱服务：是银行以出租保管箱的形式代客户保管财物、有价单证及重要文件
等物品的服务项目。
57.保管箱增撤：是指根据社会发展的趋势，银行增设新的提供保管箱服务的保管箱业务网点，或扩大原有的提供保管箱服务的保管箱业务网点，或裁撤部分盈利较差的提供保管箱服务的保管箱业务网点，以更充分的为客户提供保管箱服务。
58.目前，随着社会的发展，部分城市产生了许多新的高净值客户，同时，也有许多城市由于人口流出等问题，高净值客户持续减少；而保管箱业务作为银行吸引高净值客户的业务，需要根据社会发展趋势进行动态调整。并且，由于保管箱业务涉及租赁房屋，安装保管箱等一系列前期投入，进行增撤修改需要投入大量的成本，因此进行保管箱业务增撤前需要进行大量研判工作。
59.然而，目前针对保管箱业务的增撤的研判，一般采用由下级机构辅助调研，上级机构决定的方式。这样的方式，在调研过程中花费较大的人力，且由于是人工采集调研信息并判断是否进行保管箱的增撤，因此研判结果很容易收到人为因素的影响，导致保管箱的增撤判断不准确，进而导致后续可能存在银行的保管箱，在部分地区存在客户排队开设，另一部分地区缺乏客户使用的情况，降低客户的使用体验，且造成保管箱资源的浪费。
60.鉴于此，本发明实施例提供一种保管箱增撤预测方法，通过该方法，电子设备可以确定待预测的目标区域的保管箱关联数据；保管箱关联数据包括目标区域与保管箱增撤相关的多项子关联数据；一项子关联数据对应指示目标区域是否增加或撤销保管箱的一项参考项；将多项子关联数据与增撤指标关系库进行匹配，获得各项子关联数据对应的增撤等级；增撤指标关系库包括每项子关联数据与增撤等级的映射关系；增撤等级的数值越高表征对应项子关联数据所对应的参考项越符合增加保管箱的条件；根据各项子关联数据对应的增撤等级和各自对应的权重，确定目标区域的总增撤等级，如果确定总增撤等级不小于预设等级，确定目标区域的预测结果为增加保管箱。
61.这样，本发明实施例中基于电子设备全自动实现对目标区域是否增撤保管箱的预测，且基于多项子关联数据进行预测，提高对目标区域的保管箱的增撤判断的准确度。
62.在介绍完本发明实施例的设计思想之后，下面对本发明实施例的技术方案能够适用的应用场景做一些简单介绍，需要说明的是，以下介绍的应用场景仅用于说明本发明实施例而非限定。在具体实施过程中，可以根据实际需要灵活地应用本发明实施例提供的技术方案。
63.本发明实施例提供的方案可以适用于所有的需要进行的保管箱增撤预测处理的各种业务场景中。
64.参阅图1所示，为本发明实施例提供的一种场景示意图，在该场景中可以包括多个终端设备101和服务器102，其中，终端设备101-1、终端设备101-2、
……
、终端设备101-n可以向服务器102发送各个地区的与保管箱增撤相关的多项子关联数据，n为正整数。
65.在本发明实施例中，当服务器102接收到针对目标区域的保管箱增撤预测请求时，可以向各个终端设备101发送获取目标区域的保管箱关联数据的请求，并根据各个终端设备101基于前述请求所反馈的目标区域的保管箱关联数据，进行保管箱增撤预测，从而实现全自动对保管箱增撤预测，减少预测时人为因素的影响，提高对目标区域的保管箱的增撤预测的准确度。
66.在本发明实施例中，终端设备101例如可以为手机、平板电脑(pad)、个人计算机
(personal computer，pc)、智能电视、智能车载设备以及可穿戴设备等设备，本发明实施例中对此不做限定。
67.在本发明实施例中，服务器102可以是以提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器，也可以是物理服务器，但并不局限于此。
68.其中，终端设备101和服务器102之间，以及各个终端设备101之间均可以通过一个或者多个网络103进行直接或间接的通信连接。该网络103可以是有线网络，也可以是无线网络，例如无线网络可以是移动蜂窝网络，或者可以是无线保真(wireless-fidelity，wifi)网络，当然还可以是其他可能的网络，本发明实施例对此不做限制。
69.当然，本发明实施例提供的方法并不限用于图1所示的应用场景中，还可以用于其他可能的应用场景，例如仅终端设备实现保管箱增撤预测方法或仅服务器实现保管箱增撤预测方法，本发明实施例并不进行限制。对于图1所示的应用场景的各个设备所能实现的功能将在后续的方法实施例中一并进行描述，在此先不过多赘述。
70.为进一步说明本发明实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本发明实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本发明实施例提供的执行顺序。所述方法在实际的处理过程中或者装置执行时，可按照实施例或者附图所示的方法顺序执行或者并行执行。
71.请参见图2，图2为本发明实施例中的一种保管箱增撤预测方法的流程示意图。方法的流程例如可以由电子设备执行，该电子设备可以为图1中的服务器102，该方法的具体实施流程如下：
72.步骤201：确定待预测的目标区域的保管箱关联数据；保管箱关联数据包括目标区域与保管箱增撤相关的多项子关联数据；一项子关联数据对应指示目标区域是否增加或撤销保管箱的一项参考项。
73.在本发明实施例中，电子设备可以采用但不限于以下步骤确定待预测的目标区域的保管箱关联数据：
74.步骤a：将包含有目标地区的各项指标的统计年鉴，与保管箱关键词库进行匹配，获得目标地区的第一保管箱关联数据；第一保管箱关联数据包括城市线级数据、城市扶持政策数据、城市旅游度假数据、城市资源数据、城市工业产业数据以及城市地质灾害数据。
75.在本发明实施例中，第一保管箱关联数据包括的各项数据均与保管箱的增撤相关。例如，如果城市线级数据为超特大城市或一线城市，则确定目标区域的政治地位、经济实力、城市规模、区域辐射力以及人口数量都处于大范围内的领先者，则可以确定该目标区域新产生或潜在的需要保管箱的人员较多，可能更需要增加设立保管箱。又例如，如果城市资源数据为稀有金属，且存量较小，则确定目标区域的经济在相当长时间内可能减缓发展，从而确定该目标区域新产生或潜在的需要保管箱的人员较少，可能更需要撤销已设立的保管箱。
76.在本发明实施例中，保管箱关键词库可以包括多个与保管箱的增加或撤销相关的
关键词。可选的，保管箱关键词库包括的关键词包括与城市资源相关的关键词，例如煤炭、森工、石油、有色冶金、黑色冶金等；与城市线级相关的关键词，例如一线城市、二线城市、超特大城市、特大城市等；与城市扶持政策相关的关键词，例如经济特区、省属直辖等；与城市旅游度假相关的关键词，例如5a级景区、养老圣地等；与城市工业产业相关的关键词，例如500强企业、互联网企业等；与城市地质灾害相关的关键词，例如地震、崩塌、滑坡、地面塌陷、建筑地基变形、水下滑坡、地下水质污染等。
77.在本发明实施例中，保管箱关键词库可以更新。当电子设备将包含有目标地区的各项指标的统计年鉴，与保管箱关键词库进行匹配时，选择更新时间最近的保管箱关键词库进行匹配，从而获得目标地区的第一保管箱关联数据。也就是说，在本发明实施例中，电子设备是从统计年鉴中，筛选包含有保管箱关键词库中的词语对应的数据，作为目标地区的第一保管箱关联数据。
78.步骤b：获取与目标地区关联的高净值客户的数据，并对该数据进行脱敏处理，获得目标地区的第二保管箱关联数据；第二保管箱关联数据用于指示目标地区的高净值客户的脱敏后的数据。
79.在本发明实施例中，电子设备可以获取与目标地区关联的高净值客户的数据，该数据可以包括目标地区的高净值客户的年龄、性别、资产规模、学历等，然后电子设备可以对该数据进行脱敏处理，从而获得目标地区的第二保管箱关联数据。
80.步骤c：根据第一保管箱关联数据和第二保管箱关联数据，确定待预测的目标区域的保管箱关联数据。
81.在本发明实施例中，当电子设备获得第一保管箱关联数据和第二保管箱关联数据之后，可以将第一保管箱关联数据和第二保管箱关联数据作为待预测的目标区域的保管箱关联数据。也就是说，电子设备所确定的保管箱关联数据既包括目标地区的高净值客户的数据，还包括目标地区的影响保管箱增加设立的数据即第一保管箱关联数据，这样，可以为准确确定目标地区是否增撤保管箱提供良好的实施基础。
82.步骤202：将多项子关联数据与增撤指标关系库进行匹配，获得各项子关联数据对应的增撤等级；增撤指标关系库包括每项子关联数据与增撤等级的映射关系；增撤等级的数值越高表征对应项子关联数据所对应的参考项越符合增加保管箱的条件。
83.请参加图3，图3为本发明实施例中的一种增撤指标关系库的示意图。其中，增撤指标关系库中包括：城市线级数据与增撤等级的第一映射关系、城市扶持政策数据与增撤等级的第二映射关系、城市旅游度假数据与增撤等级的第三映射关系、城市资源数据与增撤等级的第四映射关系、城市工业产业数据与增撤等级的第五映射关系、城市地质灾害数据与增撤等级的第六映射关系以及高净值客户的数据与增撤等级的第七映射关系。
84.在本发明实施例中，前述的任一映射关系可以理解为至少一个映射表，每个映射表中包括具体数据的数值范围，与该数值范围对应的增撤等级。例如，第一映射关系对应的映射表为：一线城市对应的增撤等级为5级，新一线城市对应的增撤等级为3级，二线城市对应的增撤等级为1级，三线城市对应的增撤等级为-3级，非线级城市对应的增撤等级为-5级。
85.又例如，第六映射关系对应的一个映射表为：30年内发生7级以上地震对应的增撤等级为-3级，30年内发生6级以上地震对应的增撤等级为-2级，30年内发生5级以上地震对
应的增撤等级为-1级，30年内发生4级以上地震对应的增撤等级为1级，30年内发生3级以上地震对应的增撤等级为2级，30年内发生2级以上地震对应的增撤等级为3级，30年内未发生地震对应的增撤等级为5级。这样，当获得目标区域的城市地质灾害数据为30年内未发生地震，则确定在城市地质灾害数据这一参考项上，对应的增撤等级为5级。
86.需要说明的是，在本发明实施例中，任一映射关系中包括至少一个映射表，映射表的个数与参考项中具体细化参数有关，例如第四映射关系中，可以包括煤炭、森工、石油、有色冶金、黑色冶金这些细化参数分别对应的映射表。具体的映射表中的数值范围和数值范围对应的增撤等级，可以基于实际实施对应调整，也可以基于对应领域的专家的指导意见进行调整，也就是说，增撤指标关系库是可更新的。
87.在本发明实施例中，当电子设备获得最新的增撤指标关系库之后，可以将多项子关联数据与增撤指标关系库进行匹配，获得各项子关联数据对应的增撤等级。也就是说，先在增撤指标关系库中，查找到目标区域对应的多项子关联数据所对应的映射关系，再查找该映射关系下对应的具体映射表，从而分别将每项子关联数据所对应的数值范围，与该项子关联数据所对应的具体映射表中的数值范围进行匹配，将匹配到的具体映射表中的数值范围所对应的增撤等级，作为每项子关联数据所对应的增撤等级，从而获得各项子关联数据对应的增撤等级。
88.步骤203：根据各项子关联数据对应的增撤等级和各自对应的权重，确定目标区域的总增撤等级，如果确定总增撤等级不小于预设等级，确定目标区域的预测结果为增加保管箱。
89.在本发明实施例中，可以将各项子关联数据对应的增撤等级，输入训练好的增撤预测模型，获得各项子关联数据对应的权重以及目标区域的总增撤等级。
90.可选的，前述的训练好的增撤预测模型可以采用以下过程进行训练：
91.过程1：数据预处理。
92.在本发明实施例中，电子设备可以获得预先标识有总增撤等级的各个地区的各项子关联数据，并对该地区标注有增加或撤销设立保管箱的信息。例如，可以采用0标识该地区撤销设立保管箱，采用1标识该地区增加设立保管箱。进一步地，可以对每个地区的各项保管箱关联数据进行数值化处理，获得处理后的数据。还可以对预先标识有总增撤等级的各个地区按照70％训练数据，20％测试数据，10％验证数据的方式进行比例拆分，即将每类地区所对应的处理后的数据按照70％训练数据，20％测试数据，10％验证数据的方式进行比例拆分。其中，训练数据用于模型训练，测试数据用于测试，验证数据用于验证模型预测准确率。此外，还可以对每条数据间的顺序随机打乱。
93.其中，对该地区是否增加或撤销设立保管箱的研判公式为：
94.pi＝distinguish(ti)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式1
95.其中，ti为数值化后的样本数据。distinguish为专家根据各项子关联数据进行综合评判所确定的分类结果。pi为专家综合评判的结果。其中，结果可以为0或者1，其中0表示裁撤设立的保管箱，1表示增加设立的保管箱。
96.例如，某地区保管箱经营现状好，城市前景好，人才大量聚集等，则由专家分类为应当增加设立保管箱的地区，则对应的distinguish为1；某地区经营现状好，但城市资源即将枯竭，人才开始大量流出，则由专家分类为应当裁撤保管箱的地区，则对应的
distinguish为0。
97.其中，在对地区是否增加或撤销设立保险箱进行研判之前，可以参考如下公式2对各项子关联数据进行数值化操作：
98.ti＝numerical(si)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式2
99.其中si为对应各项子关联数据的样本，i为第i个项的样本，numerical为对相应项子关联数据样本进行数值化操作。这样，可以确定各项子关联数据的特征的数值范围。
100.可选的，本发明实施例还可以由专家人为总结部分重要的增撤指标参考项。例如：本地区引入了一批新的知名企业组成的产业园；本地区有国家最新的政策扶持；本地区为全国首选休闲度假地；本地区为资源枯竭城市；本地区为地震泥石流等灾害频发地等。然后采用以下公式3对此类参考项进行加权计算：
[0101][0102]
其中，为专家归纳维度的加权和为1增加设立保管箱的概率，为专家归纳的重要参考项数，为专家归纳第个参考项，为当前参考项的权重，为当前参考项。
[0103]
需要说明的是，在本发明实施例中，若某项参考项为专家归纳的重要参考项，则该项参考项的权重是基于预设权重和重要参考项所对应的权重所确定的，若某项参考项不是专家归纳的重要参考项，则该项参考项的权重是基于预设权重所确定的。
[0104]
过程2：模型设计。
[0105]
本发明实施例的模型设计根据预处理后数据的复杂度，设计为6层神经网络，包括输入层，隐藏层与输出层。
[0106]
其中，输入层为n＝88维度的特征数据。隐藏层为4层，隐藏的第一层为60
×
128共7680神经节点；第二层为128
×
256共32768个神经节点；第三层为256
×
512共131072个神经节点；第四层为512
×
1共512个神经节点。输出层为预测增加保管箱业务的概率。
[0107]
过程3：模型理论。
[0108]
在本发明实施例中，将预处理后的数据输入网络进行训练，输出层为目标区域的增撤等级。
[0109]
可选的，可以根据输入网络的参数，进行增撤指标参考项的筛选。在得到输入的各项子关联数据后，进行模型的训练工作。其中，筛选增撤指标参考项可以基于以下公式4执行：
[0110][0111]
其中,k为筛选增撤指标参考项的阈值，本发明使用的阈值为预先设定的阈值。
[0112]
过程3：模型实验。
[0113]
在本发明实施例中，可以对预设模型训练预设次数进行实验，其中，预设次数例如为50000次。
[0114]
过程4：模型预测。
[0115]
在本发明实施例中，可以将训练预设次数后的预设模型放入验证数据中进行验证，模拟真实场景中进行保管箱业务增撤预测的场景，若验证达到验证要求，即输出的总增
撤等级与标识的总增撤等级相符，则确定该训练预设次数后的预设模型作为训练好的增撤预测模型。
[0116]
过程5：模型评估修改。
[0117]
在实际实施过程中，由于社会发展瞬息万变，不同地区的规划也不同，如：xx新区未来发展情况很好，但暂时缺乏人口。高净值客户的偏好也在不断变化，如：年龄较大的人喜欢古董，字画，名酒等，而年轻人喜爱珍藏版的动漫手办，新的科技产品等。导致不同客户对银行保管箱业务的要求也不一样，因此可以对数据采集的维度进行扩展，即对参考项的数量和维度进行扩充以对预设模型的训练预测工作，从而提高模型预测准确率，获得较为准确的增撤预测结果。
[0118]
在本发明实施例中，训练好的增撤预测模型为基于预先标识有总增撤等级的各个地区的各项保管箱关联数据。
[0119]
在一种可能的实施方式中，在确定目标区域的预测结果为增加保管箱之后，电子设备还可以确定预设时间段内，目标区域的保管箱关联数据是否有更新；如果确定预设时间段内目标区域的保管箱关联数据有更新，则重新对目标区域的保管箱的增撤进行预测处理；如果确定预设时间段内目标区域的保管箱关联数据未更新，则确定目标区域的目标预测结果为增加保管箱。其中，预设时间例如为3个月，或者是目标区域有新的政策待颁布的时间等，本发明实施例中对此不做限制。
[0120]
基于相同的发明构思，本发明实施例还提供一种保管箱增撤预测装置。如图4所示，其为保管箱增撤预测装置400的结构示意图，可以包括：
[0121]
确定单元401，用于确定待预测的目标区域的保管箱关联数据；所述保管箱关联数据包括所述目标区域与保管箱增撤相关的多项子关联数据；所述一项子关联数据对应指示所述目标区域是否增加或撤销保管箱的一项参考项；
[0122]
获得单元402，用于将所述多项子关联数据与增撤指标关系库进行匹配，获得各项子关联数据对应的增撤等级；所述增撤指标关系库包括每项子关联数据与增撤等级的映射关系；所述增撤等级的数值越高表征对应项子关联数据所对应的参考项越符合增加保管箱的条件；
[0123]
处理单元403，用于根据所述各项子关联数据对应的增撤等级和各自对应的权重，确定所述目标区域的总增撤等级，如果确定所述总增撤等级不小于预设等级，确定所述目标区域的预测结果为增加保管箱。
[0124]
在一种可能的实施方式中，所述确定单元401，具体用于：
[0125]
将包含有所述目标地区的各项指标的统计年鉴，与保管箱关键词库进行匹配，获得所述目标地区的第一保管箱关联数据；所述第一保管箱关联数据包括城市线级数据、城市扶持政策数据、城市旅游度假数据、城市资源数据、城市工业产业数据以及城市地质灾害数据；
[0126]
获取与所述目标地区关联的高净值客户的数据，并对该数据进行脱敏处理，获得所述目标地区的第二保管箱关联数据；
[0127]
根据所述第一保管箱关联数据和所述第二保管箱关联数据，确定所述待预测的目标区域的保管箱关联数据。
[0128]
在一种可能的实施方式中，所述增撤指标关系库中包括：城市线级数据与增撤等
级的第一映射关系、城市扶持政策数据与增撤等级的第二映射关系、城市旅游度假数据与增撤等级的第三映射关系、城市资源数据与增撤等级的第四映射关系、城市工业产业数据与增撤等级的第五映射关系、城市地质灾害数据与增撤等级的第六映射关系以及高净值客户的数据与增撤等级的第七映射关系。
[0129]
在一种可能的实施方式中，所述处理单元403，具体用于：
[0130]
将所述各项子关联数据对应的增撤等级，输入训练好的增撤预测模型，获得所述各项子关联数据对应的权重以及所述目标区域的总增撤等级；
[0131]
其中，所述训练好的增撤预测模型为基于预先标识有总增撤等级的各个地区的各项保管箱关联数据，对预设神经网络模型进行训练所获得的。
[0132]
在一种可能的实施方式中，在确定所述目标区域的预测结果为增加保管箱之后，所述装置还包括双校验单元，用于：
[0133]
确定预设时间段内，所述目标区域的保管箱关联数据是否有更新；
[0134]
如果确定预设时间段内所述目标区域的保管箱关联数据有更新，则重新对所述目标区域的保管箱的增撤进行预测处理；
[0135]
如果确定预设时间段内所述目标区域的保管箱关联数据未更新，则确定所述目标区域的目标预测结果为增加保管箱。
[0136]
为了描述的方便，以上各部分按照功能划分为各模块(或单元)分别描述。当然，在实施本发明时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
[0137]
在介绍了本发明示例性实施方式的保管箱增撤预测方法和装置之后，接下来，介绍根据本发明的另一示例性实施方式的电子设备。
[0138]
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
[0139]
与上述方法实施例基于同一发明构思，本发明实施例中还提供了一种电子设备。在该实施例中，电子设备的结构可以如图5所示，该电子设备例如为前述图1中的服务器102，如图5所示，本发明实施例中的电子设备包括至少一个处理器501，以及与至少一个处理器501连接的存储器502和通信接口503，本发明实施例中不限定处理器501与存储器502之间的具体连接介质，图5中是以处理器501和存储器502之间通过系统总线500连接为例，系统总线500在图5中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。系统总线500可以分为地址总线、数据总线、控制总线等，为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0140]
在本发明实施例中，存储器502存储有可被至少一个处理器501执行的指令，至少一个处理器501通过执行存储器502存储的指令，可以执行前述的保管箱增撤预测方法中所包括的步骤。
[0141]
其中，处理器501是电子设备的控制中心，可以利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器502内的指令以及调用存储在存储器502内的数据，可以实现电子设备的各种功能。可选的，处理器501可包括一个或多个处理单元，处理器501可集成应用处理器和调制解调处理器，其中，处理器501主要处理操作系统、用户界
面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器501中。在一些实施例中，处理器501和存储器502可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
[0142]
处理器501可以是通用处理器，例如中央处理器(cpu)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
[0143]
存储器502作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器502可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(random access memory，ram)、静态随机访问存储器(static random access memory，sram)、可编程只读存储器(programmable read only memory，prom)、只读存储器(read only memory，rom)、带电可擦除可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、磁性存储器、磁盘、光盘等等。存储器502是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本发明实施例中的存储器502还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
[0144]
通信接口503是能够用于进行通信的传输接口，可以通过通信接口503接收数据或者发送数据。
[0145]
此外，该电子设备还包括帮助电子设备内的各个器件之间传输信息的基本输入/输出系统(i/o系统)504、用于存储操作系统505、应用程序506和其他程序模块507的大容量存储设备508。
[0146]
基本输入/输出系统504包括有用于显示信息的显示器509和用于用户输入信息的诸如鼠标、键盘之类的输入设备410。其中显示器509和输入设备510都通过连接到系统总线500的基本输入/输出系统504连接到处理器501。其中，基本输入/输出系统504还可以包括输入输出控制器以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器还提供输出到显示屏、打印机或其他类型的输出设备。
[0147]
具体的，大容量存储设备508通过连接到系统总线500的大容量存储控制器(未示出)连接到处理器501。其中，大容量存储设备508及其相关联的计算机可读介质为该服务器包提供非易失性存储。也就是说，大容量存储设备508可以包括诸如硬盘或者cd-rom驱动器之类的计算机可读介质(未示出)。
[0148]
根据本发明的各种实施例，该电子设备还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即该电子设备可以通过连接在系统总线500上的通信接口503连接到网络511，或者说，也可以使用通信接口503来连接到其他类型的网络或远程计算机系统(未示出)。
[0149]
本发明实施例还提供一种计算机存储介质，其中，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使计算机执行上述实施例保管箱增撤预测方法的技术方案。
[0150]
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行计算机程序时可实现上述实施例中保管箱增撤预测方法的技术方案。
[0151]
本领域所属的技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序指令属于计算机程序，计算机程序可以存储于一计算机可读存储介质中，该计算机程序在执行时，执行包括上述方法实施例的步骤；可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0152]
本发明的实施方式的程序产品可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在计算装置上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被命令执行系统、装置或者器件使用或者与其结合使用。
[0153]
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由命令执行系统、装置或者器件使用或者与其结合使用的程序。
[0154]
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
[0155]
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算装置上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算装置上部分在远程计算装置上执行、或者完全在远程计算装置或服务器上执行。在涉及远程计算装置的情形中，远程计算装置可以通过任意种类的网络包括局域网(lan)或广域网(wan)连接到用户计算装置，或者，可以连接到外部计算装置(例如利用因特网服务提供商来通过因特网连接)。
[0156]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0157]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：
1.一种保管箱增撤预测方法，其特征在于，应用于电子设备，所述方法包括：确定待预测的目标区域的保管箱关联数据；所述保管箱关联数据包括所述目标区域与保管箱增撤相关的多项子关联数据；所述一项子关联数据对应指示所述目标区域是否增加或撤销保管箱的一项参考项；将所述多项子关联数据与增撤指标关系库进行匹配，获得各项子关联数据对应的增撤等级；所述增撤指标关系库包括每项子关联数据与增撤等级的映射关系；所述增撤等级的数值越高表征对应项子关联数据所对应的参考项越符合增加保管箱的条件；根据所述各项子关联数据对应的增撤等级和各自对应的权重，确定所述目标区域的总增撤等级，如果确定所述总增撤等级不小于预设等级，确定所述目标区域的预测结果为增加保管箱。2.如权利要求1所述的方法，其特征在于，所述确定待预测的目标区域的保管箱关联数据，包括：将包含有所述目标地区的各项指标的统计年鉴，与保管箱关键词库进行匹配，获得所述目标地区的第一保管箱关联数据；所述第一保管箱关联数据包括城市线级数据、城市扶持政策数据、城市旅游度假数据、城市资源数据、城市工业产业数据以及城市地质灾害数据；获取与所述目标地区关联的高净值客户的数据，并对该数据进行脱敏处理，获得所述目标地区的第二保管箱关联数据；根据所述第一保管箱关联数据和所述第二保管箱关联数据，确定所述待预测的目标区域的保管箱关联数据。3.如权利要求2所述的方法，其特征在于，所述增撤指标关系库中包括：城市线级数据与增撤等级的第一映射关系、城市扶持政策数据与增撤等级的第二映射关系、城市旅游度假数据与增撤等级的第三映射关系、城市资源数据与增撤等级的第四映射关系、城市工业产业数据与增撤等级的第五映射关系、城市地质灾害数据与增撤等级的第六映射关系以及高净值客户的数据与增撤等级的第七映射关系。4.如权利要求1-3任一所述的方法，其特征在于，根据所述各项子关联数据对应的增撤等级和各自对应的权重，确定所述目标区域的总增撤等级，包括：将所述各项子关联数据对应的增撤等级，输入训练好的增撤预测模型，获得所述各项子关联数据对应的权重以及所述目标区域的总增撤等级；其中，所述训练好的增撤预测模型为基于预先标识有总增撤等级的各个地区的各项保管箱关联数据，对预设神经网络模型进行训练所获得的。5.如权利要求1-3任一所述的方法，其特征在于，在确定所述目标区域的预测结果为增加保管箱之后，所述方法还包括：确定预设时间段内，所述目标区域的保管箱关联数据是否有更新；如果确定预设时间段内所述目标区域的保管箱关联数据有更新，则重新对所述目标区域的保管箱的增撤进行预测处理；如果确定预设时间段内所述目标区域的保管箱关联数据未更新，则确定所述目标区域的目标预测结果为增加保管箱。6.一种保管箱增撤预测装置，其特征在于，应用于电子设备，所述装置包括：
确定单元，用于确定待预测的目标区域的保管箱关联数据；所述保管箱关联数据包括所述目标区域与保管箱增撤相关的多项子关联数据；所述一项子关联数据对应指示所述目标区域是否增加或撤销保管箱的一项参考项；获得单元，用于将所述多项子关联数据与增撤指标关系库进行匹配，获得各项子关联数据对应的增撤等级；所述增撤指标关系库包括每项子关联数据与增撤等级的映射关系；所述增撤等级的数值越高表征对应项子关联数据所对应的参考项越符合增加保管箱的条件；处理单元，用于根据所述各项子关联数据对应的增撤等级和各自对应的权重，确定所述目标区域的总增撤等级，如果确定所述总增撤等级不小于预设等级，确定所述目标区域的预测结果为增加保管箱。7.如权利要求6所述的装置，其特征在于，所述确定单元，具体用于：将包含有所述目标地区的各项指标的统计年鉴，与保管箱关键词库进行匹配，获得所述目标地区的第一保管箱关联数据；所述第一保管箱关联数据包括城市线级数据、城市扶持政策数据、城市旅游度假数据、城市资源数据、城市工业产业数据以及城市地质灾害数据；获取与所述目标地区关联的高净值客户的数据，并对该数据进行脱敏处理，获得所述目标地区的第二保管箱关联数据；根据所述第一保管箱关联数据和所述第二保管箱关联数据，确定所述待预测的目标区域的保管箱关联数据。8.一种电子设备，其特征在于，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现如权利要求1-5中任一项所述的方法。9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序用于使计算机能够执行如权利要求1-5任一项所述的方法。10.一种计算机程序产品，其特征在于，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述如权利要求1-5中任一项所述的方法。

技术总结
本发明涉及趋势预测技术领域，尤其涉及一种保管箱增撤预测方法、装置、电子设备及存储介质。该方法为：确定待预测的目标区域的保管箱关联数据；保管箱关联数据包括目标区域与保管箱增撤相关的多项子关联数据；将多项子关联数据与增撤指标关系库进行匹配，获得各项子关联数据对应的增撤等级；增撤指标关系库包括每项子关联数据与增撤等级的映射关系；增撤等级的数值越高表征对应项子关联数据所对应的参考项越符合增加保管箱的条件；根据各项子关联数据对应的增撤等级和各自对应的权重，确定目标区域的总增撤等级，若确定总增撤等级不小于预设等级，确定目标区域的预测结果为增加保管箱。箱。箱。


技术研发人员：孙荣铖 程强 黄青君 马波 李鹏程
受保护的技术使用者：建信金融科技有限责任公司
技术研发日：2023.07.31
技术公布日：2023/10/11