呼叫中心多因子话务预测方法

摘要

本发明涉及话务系统，公开了呼叫中心多因子话务预测方法，其通过周规律修正系数、月规律修正系数、节假日影响系数和特殊事件影响系数计算并输出话务量预测结果，控制器内包括专业维护模块、预测项目配置模块、节假日维护模块、多因子数据采集模块、特殊事件管理模块、话务量预测模块和与输出装置连接的预测结果展现模块。本发明应用场景广泛，能够满足电信通讯、航空、金融和电力等不同行业呼叫中心话务量预测的需要。

主权项

呼叫中心多因子话务预测方法，其特征在于：确定历史时间段和预测时间段，采集历史时间段内的话务数据，采集历史时间段和预测时间段中的节假日数据、特殊事件数据和影响话务量的多因子数据；对历史话务数据进行异常分析并修正；通过改进的主成分分析方法，先对多因子数据进行均值化处理，再进行标准化转换，最后构造标准化的变量协方差进行分析并转化为历史因子指标向量；采用最小二乘支持向量机算法并对转化后的历史因子指标向量进行回归建模，得到预测时间段的话务量基准值；计算周规律修正系数，提取历史时间段所有月份中有完整星期的星期话务数据，剔除月初月末日期以及节假日日期，计算各星期话务量的离散系数数组，剔除离散系数超出预设的阈值α以上的星期话务数据，计算剩余星期话务量中的同一星期属性的话务量占比均值和均方差，然后计算星期属性离散系数数组，以星期属性离散系数数组中最小值的日期为基准点计算得到周规律修正系数；月规律修正系数，选择距离预测时间段最近的历史n(n≤6)个月的话务数据作为月规律修正系数计算的数据来源，采用周修正系数对选取的历史话务数据进行修正计算，剔除周规律的影响，把每个完整月的日期序号(1、2、...、28、29、30、31)重新编序，采用正序和逆序相结合的方式对日期进行编序，将相同序号值的数据进行聚类，计算每个序号对应话务量数组的平均值aver₁,aver₂,...,aver_‑2,aver_‑1，然后再计算数组aver₁,aver₂,...,aver_‑2,aver_‑1的平均值aver，将数组aver₁,aver₂,...,aver_‑2,aver_‑1中小于平均值aver的数据更新为aver‑(aver‑aver_j)/4，同时更新平均值aver为aver_update，通过公式(j＝1,2,...,‑2,‑1)计算得到月规律修正系数；节假日影响系数，如果历史话务数据中含有相同节假日，假设有m个相同节假日，先剔除周、月规律的影响和异常话务数据，再针对每个相同节假日，选取该节假日前后各l天的历史话务数据，计算每个节假日对应的影响系数，然后求平均值作为该节假日影响系数；特殊事件影响系数，通过对历史话务数据的分析，得出历史时间段中的特殊事件，再通过特殊事件对话务量的影响得出特殊事件影响系数；通过周规律修正系数、月规律修正系数、节假日影响系数和特殊事件影响系数计算并输出话务量预测结果。