一种基于时间序列模型的供电服务客户话务量预测方法与流程

1.本发明涉及供电服务技术领域，具体为一种基于时间序列模型的供电服务客户话务量预测方法。


背景技术：

2.供电服务是电力经营机制中的一个重要环节,是电力安全的保证.，是电力生产部门与客户之间的特殊纽带，随着社会经济的持续繁荣和人民群众生活品质的提升以及对电力依存度的不断提高，越来越多的用电客户对电力服务的需求和要求都不断提高。
3.供电局为提高服务质量通常设立客服中心用于接听用户的来电，解决用电客户的需求，但目前现有的客服中心无法对客户话务量进行预测导致在来电高峰期时话务员数量不足，无法及时解决用电客户的需求，抑或在来电低峰期时部分话务员闲置，造成人员资源的浪费，经济效益较低。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了一种基于时间序列模型的供电服务客户话务量预测方法，解决了目前客服中心无法预测话务量的问题。
6.(二)技术方案
7.为实现以上目的，本发明通过以下技术方案予以实现：一种基于时间序列模型的供电服务客户话务量，包括信息表模块、信息处理模块、通讯模块、信息筛选模块、信息载入模块和日期模块，所述信息表模块与信息处理模块之间通过通讯模块互相连接，所述信息表模块与信息筛选模块之间通过通讯模块互相连接，所述信息载入模块与信息表模块之间通过通讯模块互相连接，所述日期模块与信息筛选模块之间通过通讯模块互相连接；
8.所述信息表模块包括有客服工单信息表和历史客服工单信息表，其中客服工单信息表为最新业务来电量，历史客服工单信息表为历史业务来电量；
9.所述信息载入模块包括有信息记录模块和信息储存模块。
10.优选的，所述信息表模块为储存硬盘，所述信息处理模块为数据计算处理器，所述通讯模块包括wifi通信、蓝牙通信和5g/4g通信中的一种或多种。
11.优选的，所述信息筛模块为数据筛选处理器，所述日期模块为记载着电费出单日的日历。
12.优选的，一种基于时间序列模型的供电服务客户话务量预测方法，包括以下步骤：
13.s1.信息筛选
14.通过日期模块确定当前时间是否临近电费出单日，没有临近电费出单日则通过信息筛选模块从信息表模块的历史客服工单信息表内筛选出历史当前日期前后十天的来电量以及近期最新十天的来电量；如果临近电费出单日则通过信息筛选模块从信息表模块的历史客服工单信息表内筛选出历史当前季节的电费出单日前后十天的来电量以及近期最
新十天的来电量；
15.s2.预测计算
16.通过信息处理模块对筛选出来的数据进行计算，采用滚动学习的ar模型，依据自身历史观测值反映对预测目标的影响和作用，进而预测下个工作日或工作周的来电量；
17.s3.客服调度
18.明确下个工作日或下个工作周的话务量走势，对客服中心的服务资源进行调度。
19.优选的，一种基于时间序列模型的供电服务客户话务量预测方法，所述信息载入模块的工作方法，包括以下步骤：
20.s1.记录信息
21.通过信息记录模块记录单次来电的时间、日期和通话时长；
22.s2.信息储存
23.信息记录模块记录信息后通过通讯模块将来电信息储存进信息表模块内的历史客服工单信息表。
24.(三)有益效果
25.本发明提供了一种基于时间序列模型的供电服务客户话务量预测方法。具备以下有益效果：
26.1、本发明通过日期模块确定当前时间是否临近电费出单日，没有临近电费出单日则通过信息筛选模块从信息表模块的历史客服工单信息表内筛选出历史当前日期前后十天的来电量以及近期最新十天的来电量；如果临近电费出单日则通过信息筛选模块从信息表模块的历史客服工单信息表内筛选出历史当前季节的电费出单日前后十天的来电量以及近期最新十天的来电量，通过信息处理模块对筛选出来的数据进行计算，采用滚动学习的ar模型，依据自身历史观测值反映对预测目标的影响和作用，进而预测下个工作日或工作周的来电量，对客服中心的服务资源进行调度，保证客服中心的话务员充分利用，避免人员浪费，基于季节、时间和是否为临近电费出单日进行预测，采用多个因素进行预测使得预测的误差较小，并且能够同时适应全省话务预测和市级来电量预测，具有较高的实用性。
27.2、本发明通过信息记录模块记录单次来电的时间、日期和通话时长，通过通讯模块将来电信息储存进信息表模块内的历史客服工单信息表，以便于后续对于话务量进行预测，值得大力推广。
附图说明
28.图1为本发明的系统框图；
29.图2为本发明的信息表模块结构框图；
30.图3为本发明的信息载入模块结构框图；
31.图4为本发明的来话量预测方法示意图；
32.图5为本发明的信息载入模块的工作方法示意图。
具体实施方式
33.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。
34.实施例一：
35.如图1
‑
3所示，本发明实施例提供一种基于时间序列模型的供电服务客户话务量，包括信息表模块、信息处理模块、通讯模块、信息筛选模块、信息载入模块和日期模块，信息表模块与信息处理模块之间通过通讯模块互相连接，信息表模块与信息筛选模块之间通过通讯模块互相连接，信息载入模块与信息表模块之间通过通讯模块互相连接，日期模块与信息筛选模块之间通过通讯模块互相连接；
36.信息表模块包括有客服工单信息表和历史客服工单信息表，其中客服工单信息表为最新业务来电量，历史客服工单信息表为历史业务来电量；
37.信息载入模块包括有信息记录模块和信息储存模块。
38.信息表模块为储存硬盘，信息处理模块为数据计算处理器，通讯模块包括wifi通信、蓝牙通信和5g/4g通信中的一种或多种。
39.信息筛模块为数据筛选处理器，日期模块为记载着电费出单日的日历。
40.实施例二：
41.如图4所示，本发明实施例提供一种基于时间序列模型的供电服务客户话务量预测方法，包括以下步骤：
42.s1.信息筛选
43.通过日期模块确定当前时间是否临近电费出单日，没有临近电费出单日则通过信息筛选模块从信息表模块的历史客服工单信息表内筛选出历史当前日期前后十天的来电量以及近期最新十天的来电量；如果临近电费出单日则通过信息筛选模块从信息表模块的历史客服工单信息表内筛选出历史当前季节的电费出单日前后十天的来电量以及近期最新十天的来电量；
44.s2.预测计算
45.通过信息处理模块对筛选出来的数据进行计算，采用滚动学习的ar模型，依据自身历史观测值反映对预测目标的影响和作用，进而预测下个工作日或工作周的来电量；
46.s3.客服调度
47.明确下个工作日或下个工作周的话务量走势，对客服中心的服务资源进行调度，通过日期模块确定当前时间并通过信息筛选模块从信息表模块的历史客服工单信息表内筛选出历史来电量数据，通过信息处理模块对筛选出来的数据进行计算，算出该组数据的均方根进行预测，对客服中心的服务资源进行调度，通过平稳性检验和时间序列算法分析后进行模型构建及更新，根据多轮测试，滚动学习的ar模型更适合用于预测每日电费来电量，该模型的均方根误差最小，且运行速度快，保证客服中心的话务员充分利用，避免人员浪费，基于季节、时间和是否为临近电费出单日进行预测，采用多个因素进行预测使得预测的误差较小，并且能够同时适应全省话务预测和市级来电量预测，具有较高的实用性。
48.实施例三：
49.如图5所示，本发明实施例提供一种基于时间序列模型的供电服务客户话务量预测方法，信息载入模块的工作方法，包括以下步骤：
50.s1.记录信息
51.通过信息记录模块记录单次来电的时间、日期和通话时长；
52.s2.信息储存
53.信息记录模块记录信息后通过通讯模块将来电信息储存进信息表模块内的历史客服工单信息表，以便于后续对于话务量进行预测。
54.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。