一种获取预警阈值的方法及装置与流程

本发明涉及通信技术领域，具体涉及一种获取预警阈值的方法及装置。

背景技术：

目前，有些管理软件设置有预警模块，例如办公管理系统中的员工行为预警模块、销售系统中的销售指标预警模块以及进销存系统中的进销存指标预警模块等等。而这些预警模块实现预警的过程一般包括：首先由人工设置预警阈值，然后判断监测的预警指标或参数是否达到预警阈值，最后根据判断的结果实现预警。

由此可见，现有技术的预警模块中的预警阈值主要是通过人工设置，而采用这种人工设置预警阈值的方法存在“操作费时费力、无法自动生成、无法自适应调整”等问题。例如设置的预警阈值不够科学合理，这主要是由于设置的预警阈值是人为根据主观经验获取的。此外，人工设置的预警阈值不能自适应调整，例如针对销售系统中的月度库存量预警指标，管理人员每个月均会定期设置与之对应的月度库存量预警阈值。但假若某个月度的外界环境因素发生改变时（例如处在需求旺盛或节日时段、开展了促销活动等），则可能需要重新设置库存量预警阈值。由此可见，人工设置预警阈值的费时费力、无法自动生成、无法自适应调整，故亟需提供一种能自动获取预警阈值的方法及装置。

技术实现要素：

本发明提供了一种获取预警阈值的方法及装置，以解决现有技术需要人工设置预警阈值且设置的预警阈值不能自适应调整的技术问题。

根据本发明的一方面，提供了一种获取预警阈值的方法，包括：

获取预警指标；

建立与预警指标对应的支持向量机预测模型；

根据支持向量机预测模型获取与预警指标对应的预警阈值。

进一步地，建立与预警指标对应的支持向量机预测模型包括：

获取与预警指标对应的训练样本；

根据训练样本训练支持向量机模型，获得支持向量机预测模型。

进一步地，获取与预警指标对应的训练样本包括：

预设与预警指标关联的影响因素条目；

获取与预警指标对应的预警样本阈值，以及与预警样本阈值对应的属性值，其中，属性值为根据影响因素条目采集的与预警样本阈值对应的结果；

将预警样本阈值以及与预警样本阈值对应的属性值作为与预警指标对应的训练样本。

进一步地，获取与预警指标对应的训练样本之后，根据训练样本训练支持向量机模型之前还包括：

对训练样本进行归一化处理。

进一步地，影响因素条目包括：

时间、地点、天气、地域发展水平、节日、促销活动、人员、规模、历史数据、同行参照指标因素条目中的一种或多种。

进一步地，根据支持向量机预测模型获取与预警指标对应的预警阈值包括：

采集与预警指标关联的影响因素条目对应的影响值；

将影响值输入支持向量机预测模型，获得与预警指标对应的预警阈值。

根据本发明的另一方面，提供了一种获取预警阈值的装置，包括：

预警指标获取装置，用于获取预警指标；

预测模型建立装置，用于建立与预警指标对应的支持向量机预测模型；

预警阈值获取装置，用于根据支持向量机预测模型获取与预警指标对应的预警阈值。

进一步地，预测模型建立装置包括：

训练样本获取装置，用于获取与预警指标对应的训练样本；

训练装置，用于根据训练样本训练支持向量机模型，获得支持向量机预测模型。

进一步地，训练样本获取装置包括：

影响因素条目预设装置，用于预设与预警指标关联的影响因素条目；

属性值获取装置，用于获取与预警指标对应的预警样本阈值，以及与预警样本阈值对应的属性值，其中，属性值为根据影响因素条目采集的与预警样本阈值对应的结果；

确定装置，用于将预警样本阈值以及与预警样本阈值对应的属性值作为与预警指标对应的训练样本。

本发明具有以下有益效果：

本发明提供的获取预警阈值的方法及装置，获取预警指标，建立与预警指标对应的支持向量机预测模型，以及根据支持向量机预测模型获取与预警指标对应的预警阈值，较新颖地将获取动态自适应预警阈值的问题转化为预测问题，解决了现有技术需要人工设置预警阈值且设置的预警阈值不能自适应调整的技术问题，无需人工设置和调整预警阈值，智能化程度高。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构建本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构建对本发明的不当限定。在附图中：

图1是本发明优选实施例的获取预警阈值的方法流程图；

图2是本发明优选实施例针对的精简实施例的获取预警阈值的方法流程图；

图3是本发明优选实施例的获取预警阈值的装置结构框图。

附图标记说明：

10、预警指标获取装置；20、预测模型建立装置；30、预警阈值获取装置。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

参照图1，本发明的优选实施例提供了一种获取预警阈值的方法，包括：

步骤S101，获取预警指标；

步骤S102，建立与预警指标对应的支持向量机预测模型；

步骤S103，根据支持向量机预测模型获取与预警指标对应的预警阈值。

本发明提供的获取预警阈值的方法，通过获取预警指标，建立与预警指标对应的支持向量机预测模型，以及根据支持向量机预测模型获取与预警指标对应的预警阈值，较新颖地将获取动态自适应预警阈值的问题转化为预测问题，解决了现有技术需要人工设置预警阈值且设置的预警阈值不能自适应调整的技术问题，无需人工设置和调整预警阈值，智能化程度高。

本实施例之所以建立与预警指标对应的支持向量机预测模型，主要是可以根据其预测与预警指标对应的预警阈值。现有技术中，具有预警功能模块的系统中的预警阈值往往都是人为根据经验预设的，故设置的预警阈值可能不够科学合理；而且现有技术中的预警阈值一旦设定，基本固定，也即当系统需要调整预警阈值时，只能人为手动改变预警阈值。毫无疑问，采用这种人工方式设置预警阈值的动态自适应差，智能化程度低，本实施例通过建立支持向量机预测模型，可以自动获得预警阈值，不仅科学合理，而且本实施例预测的预警阈值根据支持向量机预测模型的输入条件的变化而变化，能根据外界输入条件进行自适应调整，智能化程度高。

需要说明的是，本实施例不限于采用支持向量机预测模型获取与预警指标对应的预警阈值，例如还可以采用最小二乘法或其他拟合法获取与预警指标对应的预警阈值。

可选地，建立与预警指标对应的支持向量机预测模型包括：

获取与预警指标对应的训练样本；

根据训练样本训练支持向量机模型，获得支持向量机预测模型。

为了获取相对科学合理的预警阈值，本实施例根据支持向量机预测模型获取预警阈值时，首先需要采集训练样本对支持向量机预测模型进行训练。需要说明的是，为了提高支持机预测模型的预测精度，本实施例采集的训练样本的数量应当尽可能大，从而可以将支持向量机预测模型中的参数调整到相对最优值。

可选地，获取与预警指标对应的训练样本包括：

预设与预警指标关联的影响因素条目；

获取与预警指标对应的预警样本阈值，以及与预警样本阈值对应的属性值，其中，属性值为根据影响因素条目采集的与预警样本阈值对应的结果；

将预警样本阈值以及与预警样本阈值对应的属性值作为与预警指标对应的训练样本。

现有技术中，人为根据经验设置与预警指标对应的预警阈值，往往会考虑一些影响预警指标的影响因素。例如，针对销售系统中的库存量预警指标，管理人员一般会根据影响库存量预警指标的因素（例如时间、节日、促销活动因素等）设置预警阈值；而针对销售系统中的销售额预警指标，管理人员则可能根据影响销售额预警指标的因素（例如地域发展水平、销售人口数目、规模因素等）设置预警阈值，具体见表1，需要说明的是，表1中列举的与预警指标关联的影响因素条目主要是针对销售领域或销售系统中的预警指标设置的，其他领域或系统中的与预警指标关联的影响因素条目也由用户自定义。

其中，本实施例中所指的与同行参照指标条目对应的属性值具体是指规模相同或相似的同行针对相同预警指标设置的预警阈值。例如已知美容院A针对某月的销售额指标设置的销售额预警阈值为10万，而现需要对与A美容院规模相似的美容院B设置当月销售额预警阈值时，则可以参照与美容院B规模相同或相似的美容院A设置的当月销售额预警阈值（10万）。此外，本实施例所指的与历史数据因素条目对应的属性值是指与预警指标对应的历史预警阈值，例如针对库存量预警指标设置的历史预警阈值为50件，则该数据即为与历史数据因素条目对应的属性值，在实际的实施过程中，当系统采集到多个与预警指标对应的历史预警阈值时，则可以取历史预警阈值的平均值作为与历史数据因素条目对应的属性值。

由此可见，不同的预警指标往往关联不同的影响因素，故本实施例在获取与预警指标对应的训练样本时，首先预设与预警指标关联的影响因素条目，然后获取与预警指标对应的预警样本阈值，以及与预警样本阈值对应的属性值，其中，属性值为根据影响因素条目采集的与预警样本阈值对应的结果，最后再将预警样本阈值以及与预警样本阈值对应的属性值作为与预警指标对应的训练样本。

表1

本实施例通过预设与预警指标关联的影响因素条目，以及获取与与预警指标对应的预警样本阈值，以及与预警样本阈值对应的属性值，其中，属性值为根据影响因素条目采集的与预警样本阈值对应的结果，并将预警样本阈值以及与预警样本阈值对应的属性值作为与预警指标对应的训练样本，充分考虑了影响预警样本阈值的与预警指标关联的影响因素，使得从各个维度对与预警样本阈值对应的属性值进行采集，为提高支持向量机预测模型的准确度和预测精度提供重要的数据来源基础。

可选地，获取与预警指标对应的训练样本之后，根据训练样本训练支持向量机模型之前还包括：

对训练样本进行归一化处理。

由于本实施采集的与影响因素条目对应的属性值可能是定性的结果，也可能是定量的结果，故本实施例在获取与预警指标对应的训练样本之后，根据训练样本训练支持向量机模型之前对训练样本进行归一化处理。而为了方便后续根据训练样本训练支持向量机模型，本实施例一般选择将与影响因素条目对应的属性值按照预设的规则进行定量化处理。例如，本实施例为了对与地域发展水平因素条目对应的属性值（发达、相对发达、不发达、特别不发达等）进行归一化处理时，可以将采集的与影响因素条目对应的属性值均设置在范围0-100之间，具体参照表2。其中，本实施例预设的归一化规则由用户自定义，且预设的归一化后的属性值范围也由用户根据需求确定。

表2

可选地，影响因素条目包括：

时间、地点、天气、地域发展水平、节日、促销活动、人员、规模、历史数据、同行参照指标因素条目中的一种或多种。

本实施例中的影响因素条目不限于时间、地点、天气、地域发展水平、节日、促销活动、人员、规模、历史数据、同行参照指标因素条目中的一种或多种，例如还可以包括口碑、客户资源配置等等。

可选地，根据支持向量机预测模型获取与预警指标对应的预警阈值包括：

采集与预警指标关联的影响因素条目对应的影响值；

将影响值输入支持向量机预测模型，获得与预警指标对应的预警阈值。

具体地，当需要获取与预警指标对应的预警阈值时，本实施例首先采集与预警指标关联的影响因素条目对应的影响值，然后将影响值输入支持向量机预测模型，获得与预警指标对应的预警阈值。从而实现了根据与预警指标关联的影响因素条目对应的影响值自动获取动态的预警阈值，不仅科学合理而且智能化程度高。

下面针对一个精简实施例对本发明的获取预警阈值的方法进行更进一步说明。

参照图2，本实施例中获取预警阈值的方法包括：

步骤S201，获取预警指标。

具体地，本实施例获取的预警指标可以为一个，也可以为多个，具体根据用户需求进行获取。且针对每一个预警指标获得与其对应的预警阈值的方法相同，本实施例假设获取的预警指标为销售额预警指标。

步骤S202，预设与预警指标关联的影响因素条目。

具体地，假设预先设置的与销售额预警指标关联的影响因素条目为历史数据、地域发展程度、节日、促销因素、同行参照指标条目，具体见表1。

步骤S203，获取与预警指标对应的预警样本阈值，以及与预警样本阈值对应的属性值，其中，属性值为根据影响因素条目采集的与预警样本阈值对应的结果，并将预警样本阈值以及与预警样本阈值对应的属性值作为与预警指标对应的训练样本。

具体地，假设本实施例获取到与预警阈值对应的三组预警样本阈值，以及与每一组预警样本阈值对应的属性值，其中，属性值为根据影响因素条目采集的与预警样本阈值对应的结果，具体见表3。

表3

步骤S204，对训练样本进行归一化处理。

具体地，由于本实施采集的与影响因素条目对应的属性值可能是定性的结果，也可能是定量的结果，故本实施例在获取与预警指标对应的训练样本之后，根据训练样本训练支持向量机模型之前对训练样本进行归一化处理。为了方便后续根据训练样本训练支持向量机模型，本实施例一般选择将与影响因素条目对应的属性值按照预设的规则进行定量化处理，具体地，本实施例将采集的与影响因素条目对应的属性值均设置在范围0-100之间，具体参照表2，故本实施例对训练样本按照表2进行归一化后，可以获得归一化后的训练样本，具体见表4。

表4

需要说明的是，为了提高支持机预测模型的预测精度，本实施例采集的训练样本的数量应当尽可能大，从而可以将支持向量机预测模型中的参数调整到相对最优值。

步骤S205，根据训练样本训练支持向量机模型，获得支持向量机预测模型。

具体地，本实施例通过将预警样本阈值作为支持向量机模型的输出，将与预警样本阈值对应的关联影响因素条目对应的属性值作为支持向量机模型的输入，对支持向量机模型进行训练，从而获得支持向量机预测模型。

步骤S206，采集与预警指标关联的影响因素条目对应的影响值。

具体地，本实施例首先采集与预警指标关联的影响因素条目对应的影响值，然后将影响值输入支持向量机预测模型，获得与预警指标对应的预警阈值。从而实现了根据与预警指标关联的影响因素条目对应的影响值自动获取动态的预警阈值，不仅科学合理而且智能化程度高。

假设本实施例获得的与待预测的预警指标（销售额预警阈值）对应的影响因素条目对应的影响值分别为历史数据因素条目：200万；同行参照指标因素条目：180万；地域发展程度因素条目：发达；节日因素条目：节假日；促销因素条目：有。

步骤S207，将影响值输入支持向量机预测模型，获得与预警指标对应的预警阈值。

具体地，本实施例首先将获得的影响值进行归一化，并将归一化后的影响值作为训练好的支持向量机预测模型的输入，从而自动获得与预警指标对应的预警阈值。通过本发明的实施例可知，当支持向量机预测模型的输入条件（影响值）改变时，其输出（预警阈值）跟随改变。也即，本实施例不仅能根据支持向量机预测模型自动获取与预警指标对应的预警阈值，而且获取的预警阈值能根据外界的环境因素进行动态自适应调整。

本发明提供的自动获取预警阈值的方法，通过获取预警指标，建立与预警指标对应的支持向量机预测模型，以及根据支持向量机预测模型获取与预警指标对应的预警阈值，较新颖地将获取动态自适应预警阈值的问题转化为预测问题，解决了现有技术需要人工设置预警阈值且设置的预警阈值不能自适应调整的技术问题，无需人工设置和调整预警阈值，智能化程度高。

参照图3，本发明的优选实施例提供的获取预警阈值的装置，包括：

预警指标获取装置10，用于获取预警指标；

预测模型建立装置20，用于建立与预警指标对应的支持向量机预测模型；

预警阈值获取装置30，用于根据支持向量机预测模型获取与预警指标对应的预警阈值。

可选地，预测模型建立装置20包括：

训练样本获取装置，用于获取与预警指标对应的训练样本；

训练装置，用于根据训练样本训练支持向量机模型，获得支持向量机预测模型。

可选地，训练样本获取装置包括：

影响因素条目预设装置，用于预设与预警指标关联的影响因素条目；

属性值获取装置，用于获取与预警指标对应的预警样本阈值，以及与预警样本阈值对应的属性值，其中，属性值为根据影响因素条目采集的与预警样本阈值对应的结果；

确定装置，用于将预警样本阈值以及与预警样本阈值对应的属性值作为与预警指标对应的训练样本。

本发明提供的获取预警阈值的装置，通过获取预警指标，建立与预警指标对应的支持向量机预测模型，以及根据支持向量机预测模型获取与预警指标对应的预警阈值，较新颖地将获取动态自适应预警阈值的问题转化为预测问题，解决了现有技术需要人工设置预警阈值且设置的预警阈值不能自适应调整的技术问题，无需人工设置和调整预警阈值，智能化程度高。

本实施例获取预警阈值的装置的具体工作过程和工作原理可参照本实施例的获取预警阈值的方法的工作过程和工作原理。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。