CN103297623A - 话务预测方法及装置 - Google Patents
话务预测方法及装置 Download PDFInfo
- Publication number
- CN103297623A CN103297623A CN 201310191473 CN201310191473A CN103297623A CN 103297623 A CN103297623 A CN 103297623A CN 201310191473 CN201310191473 CN 201310191473 CN 201310191473 A CN201310191473 A CN 201310191473A CN 103297623 A CN103297623 A CN 103297623A
- Authority
- CN
- China
- Prior art keywords
- traffic
- holidays
- day
- festivals
- predetermined period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明揭示了一种话务预测方法及装置，其中该方法包括：根据历史温度数据，确定温度修正系数；根据所述温度修正系数，确定预测周期每日话务量。利用本发明提供的话务预测方法及装置，对如电力等因天气等因素影响较大的行业可以进行准确的话务预测，根据预测的话务需求对座席人员进行合理有效排班，从而提高了座席的排班管理，提高了工作效率。此外，本发明实施例在话务预测中还增加了对节假日的话务预测，克服了传统话务预测方法对话务波动较大，同时受节假日影响明显话务预测精度不高的问题，保证了较高的话务预测精度。
Description
技术领域
本发明涉及通信技术领域，且特别涉及一种话务预测方法及装置。
背景技术
随着呼叫中心规模的日益扩大和服务水平、运营管理的要求不断提高，如何在现有人力条件下达到服务水平目标、合理安排人力、优化现场管理成为排班师面临的巨大挑战。呼叫中心人力资源管理，也就是常说的排班包含了话务预测、人力安排、现场管理三个基本步骤。
作为受理用户电话呼叫的窗口部门，衡量呼叫中心最直观的的指标就是服务水平。按照爱尔兰法则，服务水平受到话务量、平均处理时长和座席人员数目的影响。准确的预测话务量是进行人力安排的依据，也是达到期望服务水平的根本。
呼叫中心行业已有的时间序列预测方法如：上期值法、平均值法、移动平均法、指数平滑法、趋势指数平滑等方法都存在一定的应用局限性，都不是常用的预测方法。
现有的专利文献包括：专利申请号为200710025875.7的中国专利申请“一种大型呼叫中心的热线来话预测方法”、专利申请号为2007100228126.X的中国专利申请“智能化话务预测方法”、专利申请号为201210332485.5的中国专利申请“基于话务建模与话务预测的GSM小区参数优化方法”、专利申请号位201210474098.5的中国专利申请“用于供电服务中心短期话务量预测方法”。
申请号为200710025875.7号中国专利申请存在以下不足：该文提出了一种大型呼叫中心话务预测的方法，但是没有考虑到呼叫中心的来话量受到节假日因素的影响。
申请号为2007100228126.X号中国专利申请存在以下不足：该文提出了一种智能化话务预测方法，但是所用到的模型均为线性模型，不能适用于较复杂的实际情况。
申请号为201210332485.5号中国专利申请存在以下不足：该文提出了一种预测小区话务量的方法，不适用于大型呼叫中心的来话量预测。
上文中的三种方法虽然都建立了话务预测模型来预测未来的话务呼入量，但是都没有考虑到电力行业的呼叫中心受到天气影响的情况，不能对电力行业的呼叫中心来话量进行准确预测。
申请号为201210474098.5号中国专利申请存在以下不足：该文提出了一种电力行业呼叫中心的话务预测方法，但是没有考虑到呼叫中心的来话量受到节假日因素影响的情况。
虽然呼叫中心有很多好的话务预测模型，但是针对电力行业这种受到天气影响比较显著的行业，这些预测模型的预测偏差都比较大。在天气比较异常的情况下，如高温天，人们用电量剧增，容易造成电力负荷过大，从而造成停电事故。这种情况下，话务量就会猛增。并且，传统的预测模型较少的考虑到第一种节假日，如农历春节对于话务量及趋势的影响。
由于传统的预测模型对于电力行业的话务量预测不准确，因此对于排班师无法合理有效的安排人力资源，提升话务接通率，不能在满足呼叫中心对低成本和高接通率双重要求的基础上对座席代表的安排作出合理规划。
发明内容
本发明旨在解决现有技术中，对如电力等因天气、节假日等因素影响较大的行业的话务预测不准确，进而造成无法根据实际话务需求对座席人员进行合理有效排班的技术问题。
为解决现有技术中的技术问题，本发明提供一种话务预测方法，包括：根据历史温度数据，确定温度修正系数；根据所述温度修正系数，确定预测周期每日话务量。
进一步的，所述的方法，还包括：判断预测周期是否含有第一种节假日；当不含有第一种节假日时，执行平日预测步骤；当含有第一种节假日时，执行第一种节假日调整步骤。
进一步的，所述平日话务量预测，包括：根据所述温度修正系数，确定历史每天的温度修正话务量；根据所述历史每天的温度修正话务量，确定预测周期每月的话务量均值基础量；根据历史数据，计算月规律性，确定预测周期每月每天的总话务量基准值；根据历史数据，确定星期修正系数；根据所述温度修正系数、预测周期每月每天的总话务量基准值、星期修正系数，确定预测周期每日话务量。
进一步的，所述第一种节假日调整，包括：分开第一种节假日期间和非第一种节假日期间，计算同期比值，确定预测周期第一种节假日期间和非第一种节假日期间的预测话务均值；根据历史数据，确定星期修正系数；根据历史同期的日话务总量及所述星期修正系数，确定修正后的日话务总量；根据上述修正后的日话务总量，确定历史同期中的第一种节假日期间和非第一种节假日期间的日话务占比；对于第一种节假日期间和非第一种节假日期间，根据所述预测话务均值、天数及所述日话务占比，确定日话务量基准值；根据所述日话务量基准值、所述星期修正系数和所述温度修正系数，确定预测周期每日话务量。
进一步的，所述的方法还包括：第二种节假日调整，包括：根据历史数据确定，确定第二种节假日调整系数；根据所述预测周期每日话务量及所述第二种节假日调整系数，确定第二种节假日调整后的预测周期每日话务量。
进一步的，所述的方法，还包括：时段话务量预测，其包括：根据每一温度，每一时段，确定对应温度的时段话务占比；根据所述预测周期每日话务量及对应温度的时段话务占比，确定预测周期每天的时段话务量。
本发明还提供一种话务预测装置，其包括：确定单元，用于根据历史温度数据，确定温度修正系数；预测单元，用于根据所述温度修正系数，确定预测周期每日话务量。
进一步的，所述的装置，还包括：判断单元，用于判断预测周期是否含有第一种节假日；当不含有第一种节假日时，由所述预测单元，执行平日预测步骤；当含有第一种节假日时，由所述预测单元，执行第一种节假日调整步骤。
进一步的，所述预测单元用于执行所述平日话务量预测，包括：根据所述温度修正系数，确定历史每天的温度修正话务量；根据所述历史每天的温度修正话务量，确定预测周期每月的话务量均值基础量；根据历史数据，计算月规律性，确定预测周期每月每天的总话务量基准值；根据历史数据，确定星期修正系数；根据所述温度修正系数、预测周期每月每天的总话务量基准值、星期修正系数，确定预测周期每日话务量。
进一步的，所述预测单元用于执行第一种节假日调整，包括：分开第一种节假日期间和非第一种节假日期间，计算同期比值，确定预测周期第一种节假日期间和非第一种节假日期间的预测话务均值；根据历史数据，确定星期修正系数；根据历史同期的日话务总量及所述星期修正系数，确定修正后的日话务总量；根据上述修正后的日话务总量，确定历史同期中的第一种节假日期间和非第一种节假日期间的日话务占比；对于第一种节假日期间和非第一种节假日期间，根据所述预测话务均值、天数及所述日话务占比，确定日话务量基准值；根据所述日话务量基准值、所述星期修正系数和所述温度修正系数，确定预测周期每日话务量。
进一步的，所述预测单元还用于执行第二种节假日调整，包括根据历史数据确定，确定第二种节假日调整系数；根据所述预测周期每日话务量及所述第二种节假日调整系数，确定第二种节假日调整后的预测周期每日话务量。
进一步的，所述的装置，还包括：预测单元还用于时段话务量预测，其包括：根据每一温度，每一时段，确定对应温度的时段话务占比；根据所述预测周期每日话务量及对应温度的时段话务占比，确定预测周期每天的时段话务量。
综上所述，利用本发明提供的话务预测方法及装置，对如电力等因天气等因素影响较大的行业可以进行准确的话务预测，根据预测的话务需求对座席人员进行合理有效排班，从而提高了座席的排班管理，提高了工作效率。此外，本发明实施例在话务预测中还增加了对节假日的话务预测，克服了传统话务预测方法对话务波动较大，同时受节假日影响明显话务预测精度不高的问题，保证了较高的话务预测精度。
附图说明
图1所示为本发明一实施例提供的话务预测方法的流程图；
图2所示为本发明另一实施例提供的话务预测方法的流程图；
图3所示为本发明另一实施例提供的平日话务预测方法的流程图；
图4所示为本发明另一实施例提供的第一种假日调整方法流程图；
图5所示为本发明另一实施例提供的第二种假日调整方法流程图；
图6所示为本发明另一实施例提供的时段话务预测方法流程图；
图7所示为本发明另一实施例提供的话务预测装置的结构示意图。
具体实施方式
鉴于现有技术中，对如电力等因天气、节假日等因素影响较大的行业的话务预测不准确，进而造成无法根据实际话务需求对座席人员进行合理有效排班。本发明在话务预测中加入了对温度因素的考量，引入了温度修正系数，设计新的算法，并加入了节假日调整，适用于受天气温度、节假日等因素影响较大的行业的话务预测，大大提高了预测的精确性。
为使本发明的目的、特征更明显易懂，下面结合附图对本发明的具体实施方式作进一步的说明。
请参见图1，其所示为本发明一实施例提供的话务预测方法的流程图。
该话务预测方法，包括：
步骤S110，根据历史温度数据，确定温度修正系数。
在本发明实施例中，确定温度修正系数是通过对于历史每天和预测周期每天的温度数据离散化，查找历史数据中所有不同的温度，再对于每一温度，计算相应的温度修正系数。
步骤S120，根据所述温度修正系数，确定预测周期每日话务量。
通过上述实施例提供的方法可以在进行话务预测时加入了温度因素的考量，修正了话务预测的结果，提高了在受温度等因素影响较大的领域的话务预测的准确性。
进一步的，在本发明实施例中，请参见图2，话务预测方法还包括：
步骤S200，判断预测周期是否含有第一种节假日，在本实施例中，第一种节假日为春节、国庆等重大节假日。
当不含有第一种节假日时，执行平日话务量预测步骤S300；
当含有第一种节假日时，执行第一种节假日调整步骤S400。
通过上述步骤，加入了节假日的考量因素，从而避免了受节假日影响明显话务预测精度不高的问题，保证了较高的话务预测精度。
在本发明实施例中，请参见图3，在步骤S300，所述平日话务量预测，具体包括：
步骤S310，根据所述温度修正系数，确定历史每天的温度修正话务量。
步骤S320，根据所述历史每天的温度修正话务量，确定预测周期每月的话务量均值基础量。
步骤S330，根据历史数据，计算月规律性，确定预测周期每月每天的总话务量基准值。
步骤S340，根据历史数据，确定星期修正系数。
步骤S350，根据所述温度修正系数、预测周期每月每天的总话务量基准值、星期修正系数，确定预测周期每日话务量。
通过上述步骤可以精确预测在存在温度影响因素的前提下，且在没有重大节日的平日的日话务量。
请参见图4，其所示为本发明一实施例提供的第一种假日调整方法流程图。
步骤S400，所述第一种节假日调整，包括：
步骤S410，分开第一种节假日期间和非第一种节假日期间，计算同期比值，确定预测周期第一种节假日期间和非第一种节假日期间的预测话务均值。
步骤S420，根据历史数据，确定星期修正系数。
步骤S430，根据将历史同期的日话务总量及所述星期修正系数，确定修正后的日话务总量。
步骤S440，根据上述修正后的日话务总量，确定历史同期中的第一种节假日期间和非第一种节假日期间的日话务占比。
步骤S450，对于第一种节假日期间和非第一种节假日期间，根据所述预测话务均值、天数及所述日话务占比，确定日话务量基准值。
步骤S460，根据所述日话务量基准值、所述星期修正系数和所述温度修正系数，确定预测周期每日话务量。
通过上述步骤，在话务预测过程中，加入第一种节假日即重大节假日的考量因素，通过历史话务数据，确定重大节假日的日话务量基准值，从而确定包含重大节假日的预测周期每日话务量，克服了传统话务预测方法对话务波动较大，同时受节假日影响明显话务预测精度不高的问题，保证了较高的话务预测精度。
请参见图5，所示为本发明另一实施例提供的第二种假日调整方法流程图。
本发明实施例中的话务预测方法还包括：步骤S500，第二种节假日调整，其具体包括：
步骤S510，根据历史数据，确定第二种节假日调整系数；
步骤S520，根据所述预测周期每日话务量及所述第二种节假日调整系数，确定第二种节假日调整后的预测周期每日话务量。
在本实施例中，所述第二种节假日为预测周期中非重大节假日如春节、国庆等，及非周末的一般节日。通过上述步骤，可以对包含有一般节日的期间的话务量做到精确的预测。
请参见图6，其所示为本发明另一实施例提供的时段话务预测方法流程图；
本发明实施例中的话务预测方法还包括：步骤S600，时段话务量预测，其具体包括：
步骤S610，根据每一温度，每一时段，确定对应温度的时段话务占比；
步骤S620，根据所述预测周期每日话务量及对应温度的时段话务占比，确定预测周期每天的时段话务量。
通过上述步骤，可以将话务预测进一步精确细分，在预测的日话务量的基础上预测到每天的时段话务量，由此，给话务座席排班等应用提供更加精确的依据，进一步保证了后续排班的精确性和合理性。
综上所述，利用本发明提供的话务预测方法，对如电力等因天气温度等因素影响较大的行业可以进行准确的话务预测，根据预测的话务需求对座席人员进行合理有效排班，从而提高了座席的排班管理，提高了工作效率。此外，本发明实施例在话务预测中还增加了对节假日的话务预测，克服了传统话务预测方法对话务波动较大，同时受节假日影响明显话务预测精度不高的问题，保证了较高的话务预测精度。
请参加图7，其所示为本发明另一实施例提供的话务预测装置的结构示意图。
该话务预测装置700，其包括：确定单元710，用于根据历史温度数据，确定温度修正系数；预测单元720，用于根据所述温度修正系数，确定预测周期每日话务量。
在本发明实施例中，所述的装置，还包括：判断单元，用于判断预测周期是否含有第一种节假日；当不含有第一种节假日时，由所述预测单元，执行平日预测步骤；当含有第一种节假日时，由所述预测单元，执行第一种节假日调整步骤。
在本发明实施例中，所述预测单元用于执行所述平日话务量预测，包括：根据所述温度修正系数，确定历史每天的温度修正话务量；根据所述历史每天的温度修正话务量，确定预测周期每月的话务量均值基础量；根据历史数据，计算月规律性，确定预测周期每月每天的总话务量基准值；根据历史数据，确定星期修正系数；根据所述温度修正系数、预测周期每月每天的总话务量基准值、星期修正系数，确定预测周期每日话务量。
在本发明实施例中，所述预测单元用于执行第一种节假日调整，包括：分开第一种节假日期间和非第一种节假日期间，计算同期比值，确定预测周期第一种节假日期间和非第一种节假日期间的预测话务均值；根据历史数据，确定星期修正系数；根据历史同期的日话务总量及所述星期修正系数，确定修正后的日话务总量；根据上述修正后的日话务总量，确定历史同期中的第一种节假日期间和非第一种节假日期间的日话务占比；对于第一种节假日期间和非第一种节假日期间，根据所述预测话务均值、天数及所述日话务占比，确定日话务量基准值；根据所述日话务量基准值、所述星期修正系数和所述温度修正系数，确定预测周期每日话务量。
在本发明实施例中，所述预测单元还用于执行第二种节假日调整，包括根据历史数据确定，确定第二种节假日调整系数；根据所述预测周期每日话务量及所述第二种节假日调整系数，确定第二种节假日调整后的预测周期每日话务量。
在本发明实施例中，所述的装置，还包括：预测单元还用于时段话务量预测，其包括：根据每一温度，每一时段，确定对应温度的时段话务占比；根据所述预测周期每日话务量及对应温度的时段话务占比，确定预测周期每天的时段话务量。
综上所述，利用本发明提供的话务预测方法及装置，对如电力等因天气等因素影响较大的行业可以进行准确的话务预测，根据预测的话务需求对座席人员进行合理有效排班，从而提高了座席的排班管理，提高了工作效率。此外，本发明实施例在话务预测中还增加了对节假日的话务预测，克服了传统话务预测方法对话务波动较大，同时受节假日影响明显话务预测精度不高的问题，保证了较高的话务预测精度。
以上任一实施例所提供的方法可以通过以上所述的话务预测装置来实现，其功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰，因此本发明的保护范围当视权利要求书所界定者为准。
Claims (12)
1.一种话务预测方法，其特征在于，包括：
根据历史温度数据，确定温度修正系数；
根据所述温度修正系数，确定预测周期每日话务量。
2.根据权利要求1所述的方法，其特征在于，还包括：判断预测周期是否含有第一种节假日；
当不含有第一种节假日时，执行平日预测步骤；
当含有第一种节假日时，执行第一种节假日调整步骤。
3.根据权利要求2所述的方法，其特征在于，所述平日话务量预测，包括：
根据所述温度修正系数，确定历史每天的温度修正话务量；
根据所述历史每天的温度修正话务量，确定预测周期每月的话务量均值基础量；
根据历史数据，计算月规律性，确定预测周期每月每天的总话务量基准值；
根据历史数据，确定星期修正系数；
根据所述温度修正系数、预测周期每月每天的总话务量基准值、星期修正系数，确定预测周期每日话务量。
4.根据权利要求2所述的方法，其特征在于，所述第一种节假日调整，包括：
分开第一种节假日期间和非第一种节假日期间，计算同期比值，确定预测周期第一种节假日期间和非第一种节假日期间的预测话务均值；
根据历史数据，确定星期修正系数；
根据历史同期的日话务总量及所述星期修正系数，确定修正后的日话务总量；
根据上述修正后的日话务总量，确定历史同期中的第一种节假日期间和非第一种节假日期间的日话务占比；
对于第一种节假日期间和非第一种节假日期间，根据所述预测话务均值、天数及所述日话务占比，确定日话务量基准值；
根据所述日话务量基准值、所述星期修正系数和所述温度修正系数，确定预测周期每日话务量。
5.根据权利要求1所述的方法，其特征在于，还包括：第二种节假日调整，包括
根据历史数据确定，确定第二种节假日调整系数；
根据所述预测周期每日话务量及所述第二种节假日调整系数，确定第二种节假日调整后的预测周期每日话务量。
6.根据权利要求1所述的方法，其特征在于，还包括：时段话务量预测，其包括：
根据每一温度，每一时段，确定对应温度的时段话务占比；
根据所述预测周期每日话务量及对应温度的时段话务占比，确定预测周期每天的时段话务量。
7.一种话务预测装置，其特征在于，包括：
确定单元，用于根据历史温度数据，确定温度修正系数；
预测单元，用于根据所述温度修正系数，确定预测周期每日话务量。
8.根据权利要求7所述的装置，其特征在于，还包括：判断单元，用于判断预测周期是否含有第一种节假日；
当不含有第一种节假日时，由所述预测单元，执行平日预测步骤；
当含有第一种节假日时，由所述预测单元，执行第一种节假日调整步骤。
9.根据权利要求8所述的装置，其特征在于，所述预测单元用于执行所述平日话务量预测，包括：
根据所述温度修正系数，确定历史每天的温度修正话务量；
根据所述历史每天的温度修正话务量，确定预测周期每月的话务量均值基础量；
根据历史数据，计算月规律性，确定预测周期每月每天的总话务量基准值；
根据历史数据，确定星期修正系数；
根据所述温度修正系数、预测周期每月每天的总话务量基准值、星期修正系数，确定预测周期每日话务量。
10.根据权利要求8所述的装置，其特征在于，所述预测单元用于执行第一种节假日调整，包括：
分开第一种节假日期间和非第一种节假日期间，计算同期比值，确定预测周期第一种节假日期间和非第一种节假日期间的预测话务均值；
根据历史数据，确定星期修正系数；
根据历史同期的日话务总量及所述星期修正系数，确定修正后的日话务总量；
根据上述修正后的日话务总量，确定历史同期中的第一种节假日期间和非第一种节假日期间的日话务占比；
对于第一种节假日期间和非第一种节假日期间，根据所述预测话务均值、天数及所述日话务占比，确定日话务量基准值；
根据所述日话务量基准值、所述星期修正系数和所述温度修正系数，确定预测周期每日话务量。
11.根据权利要求7所述的装置，其特征在于，所述预测单元还用于执行第二种节假日调整，包括
根据历史数据确定，确定第二种节假日调整系数；
根据所述预测周期每日话务量及所述第二种节假日调整系数，确定第二种节假日调整后的预测周期每日话务量。
12.根据权利要求7所述的装置，其特征在于，还包括：预测单元还用于时段话务量预测，其包括：
根据每一温度，每一时段，确定对应温度的时段话务占比；
根据所述预测周期每日话务量及对应温度的时段话务占比，确定预测周期每天的时段话务量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201310191473 CN103297623A (zh) | 2013-05-21 | 2013-05-21 | 话务预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201310191473 CN103297623A (zh) | 2013-05-21 | 2013-05-21 | 话务预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103297623A true CN103297623A (zh) | 2013-09-11 |
Family
ID=49097908
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201310191473 Pending CN103297623A (zh) | 2013-05-21 | 2013-05-21 | 话务预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103297623A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103955821A (zh) * | 2014-04-01 | 2014-07-30 | 华为技术有限公司 | 一种充值方法和充值终端以及充值服务器 |
| CN104469024A (zh) * | 2014-11-20 | 2015-03-25 | 广州供电局有限公司 | 基于供电用电量的话务量监测方法和系统 |
| CN104636450A (zh) * | 2015-01-26 | 2015-05-20 | 上海新炬网络信息技术有限公司 | 一种数据库表空间监控方法 |
| CN105847598A (zh) * | 2016-04-05 | 2016-08-10 | 浙江远传信息技术股份有限公司 | 呼叫中心多因子话务预测方法及其装置 |
| CN106713677A (zh) * | 2016-05-24 | 2017-05-24 | 国家电网公司客户服务中心 | 一种电力客户服务中心呼入话务量的预测方法 |
| CN106709826A (zh) * | 2015-11-13 | 2017-05-24 | 湖南餐启科技有限公司 | 一种餐厅营业额预估方法及其装置 |
| CN106817499A (zh) * | 2015-11-30 | 2017-06-09 | 华为技术有限公司 | 一种话务资源调度方法及预测调度装置 |
| US10055504B2 (en) | 2015-04-09 | 2018-08-21 | International Business Machines Corporation | Aggregation of traffic impact metrics |
| CN114595901A (zh) * | 2022-05-09 | 2022-06-07 | 广州云趣信息科技有限公司 | 基于深度学习的话务预测方法、装置及可读存储介质 |
| CN114781678A (zh) * | 2021-12-30 | 2022-07-22 | 友邦人寿保险有限公司 | 基于预测模型的来电量预测方法、系统、终端及介质 |
-
2013
- 2013-05-21 CN CN 201310191473 patent/CN103297623A/zh active Pending
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103955821A (zh) * | 2014-04-01 | 2014-07-30 | 华为技术有限公司 | 一种充值方法和充值终端以及充值服务器 |
| CN104469024A (zh) * | 2014-11-20 | 2015-03-25 | 广州供电局有限公司 | 基于供电用电量的话务量监测方法和系统 |
| CN104636450A (zh) * | 2015-01-26 | 2015-05-20 | 上海新炬网络信息技术有限公司 | 一种数据库表空间监控方法 |
| CN104636450B (zh) * | 2015-01-26 | 2018-01-19 | 上海新炬网络信息技术股份有限公司 | 一种数据库表空间监控方法 |
| US10055504B2 (en) | 2015-04-09 | 2018-08-21 | International Business Machines Corporation | Aggregation of traffic impact metrics |
| CN106709826A (zh) * | 2015-11-13 | 2017-05-24 | 湖南餐启科技有限公司 | 一种餐厅营业额预估方法及其装置 |
| CN106817499A (zh) * | 2015-11-30 | 2017-06-09 | 华为技术有限公司 | 一种话务资源调度方法及预测调度装置 |
| CN105847598A (zh) * | 2016-04-05 | 2016-08-10 | 浙江远传信息技术股份有限公司 | 呼叫中心多因子话务预测方法及其装置 |
| CN105847598B (zh) * | 2016-04-05 | 2017-04-19 | 浙江远传信息技术股份有限公司 | 呼叫中心多因子话务预测方法 |
| CN106713677A (zh) * | 2016-05-24 | 2017-05-24 | 国家电网公司客户服务中心 | 一种电力客户服务中心呼入话务量的预测方法 |
| CN114781678A (zh) * | 2021-12-30 | 2022-07-22 | 友邦人寿保险有限公司 | 基于预测模型的来电量预测方法、系统、终端及介质 |
| CN114595901A (zh) * | 2022-05-09 | 2022-06-07 | 广州云趣信息科技有限公司 | 基于深度学习的话务预测方法、装置及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103297623A (zh) | 话务预测方法及装置 | |
| CN108364085B (zh) | 一种外卖配送时间预测方法和装置 | |
| Halfin et al. | Heavy-traffic limits for queues with many exponential servers | |
| CN101729690B (zh) | 一种排班系统和方法 | |
| CN107123982A (zh) | 一种基于设备异动的配电网可靠性经济效益分析方法 | |
| CN107194502B (zh) | 一种居民用户电力负荷预测方法 | |
| CN102711177A (zh) | 基于业务预测的负载均衡方法 | |
| CN109118012B (zh) | 一种工业动态多维度能耗成本预测方法、系统、存储介质和终端 | |
| CN109445884A (zh) | 一种功能标签展示方法及终端设备 | |
| KR20180028583A (ko) | 지능형 전력사용 환경에서 수용가 맞춤형 전력량 스케쥴링 시스템 | |
| CN101860623A (zh) | 感知系统情境的智能手机电池使用时间指示方法及系统 | |
| Akhoondi et al. | A heuristic algorithm for master production scheduling problem with controllable processing times and scenario-based demands | |
| CN116050947A (zh) | 车辆调度效果的评价方法、装置、计算机设备和存储介质 | |
| Li et al. | Robust optimization for integrated construction scheduling and multiscale resource allocation | |
| Wang et al. | Hybrid rescheduling optimization model under disruptions in precast production considering real-world environment | |
| CN118134141B (zh) | 一种分布式储能的微能源网的能源分配方法及系统 | |
| CN117829891A (zh) | 电力负荷数据的预测方法、装置、设备、存储介质和产品 | |
| Wu et al. | On the Distributed Energy Storage Investment and Operations | |
| JP3910948B2 (ja) | 電源計画についての情報処理方法及びコンピュータ・システム | |
| CN110705738B (zh) | 基于人工智能的智能用电激励需求响应方法和系统 | |
| Abolghasemi et al. | How to predict and optimise with asymmetric error metrics | |
| Tempelmeier | A multi-level inventory system with a make-to-order supplier | |
| Rasheed et al. | Artificial intelligence-enabled probabilistic load demand scheduling with dynamic pricing involving renewable resource | |
| CN113962751A (zh) | 电力套餐的零售价格预测方法、装置及存储介质 | |
| CN107979478A (zh) | 一种客户体验指标的确定方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: Shangcheng District of Hangzhou city in Zhejiang Province, 310000 River Road No. 155 building 508 room 5 Applicant after: Zhejiang Utry Information Technologies Co., Ltd. Address before: 508, room 181, horizon building, 310007 Tianmu Road, Zhejiang, Hangzhou Applicant before: Hangzhou Utry Communication Technology Co., Ltd. |
|
| COR | Change of bibliographic data | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130911 |