本发明涉及人工智能，具体涉及一种话务量预测系统及方法。
背景技术：
1、随着国家电网客服中心业务运营模式调整，现运营管理系统无法快速响应运营工作需要的背景下，开展话务量预测是实现电网客服柔性化管理的必然要求。
技术实现思路
1、本发明目的在于提供一种电网客服呼入量的预测系统和方法。具体技术方案如下。
2、一种话务量预测系统，包括：
3、历史数据模块，存储一系列历史时间点的影响因素数据和对应的话务量数据；所述外部因素数据包括：天气数据、停电事件数据、营销事件数据、保电数据、账期数据、特殊日数据、系统异常数据、智能服务数据、网上国网数据；
4、数据转换模块，将历史数据转换为无量纲数据；
5、神经网络训练模块，将无量纲的数据输入神经网络训练模块进行训练，得到训练好的模型；
6、预测模块，使用训练好的模型，输入待预测时间点的影响因素数据，输出话务量预测值；
7、预测结果模块，将预测值存储起来。
8、优选地，
9、所述天气数据包括：温度、湿度、风力、风向、预警信息；
10、所述停电事件数据包括：计划停电、临时停电信息；
11、所述营销事件数据包括：电价调整、费控、煤改电、网上国网活动日信息；
12、所述保电数据包括：高考、中考、春节、中秋节、国庆节、重大活动信息；
13、所述账期数据包括：非固定账期、固定账期信息；
14、所述特殊日数据包括：法定节假日、少数民族节日信息；
15、所述系统异常数据包括：省公司营销系统异常、业务支持系统异常信息；
16、所述智能服务数据包括：智能服务的使用频率数据；
17、所述网上国网数据包括：用户在网上国网的活动次数；
18、所述节假日数据包括：节假日为1，非节假日为0。
19、一种话务量预测方法，包括如下过程：
20、步骤1：获取历史数据；一系列历史时间点的影响因素数据和对应的话务量数据；所述外部因素数据包括：天气数据、停电事件数据、营销事件数据、保电数据、账期数据、特殊日数据、系统异常数据、智能服务数据、网上国网数据；
21、步骤2：数据转换，将历史数据转换为无量纲数据；
22、步骤3：将无量纲的数据输入神经网络训练模块进行训练，得到训练好的模型；
23、步骤4：使用训练好的模型，输入待预测时间点的影响因素数据，输出话务量预测值。
24、优选地，所述天气数据包括：温度、湿度、风力、风向、预警信息；
25、所述停电事件数据包括：计划停电、临时停电信息；
26、所述营销事件数据包括：电价调整、费控、煤改电、网上国网活动日信息；
27、所述保电数据包括：高考、中考、春节、中秋节、国庆节、重大活动信息；
28、所述账期数据包括：非固定账期、固定账期信息；
29、所述特殊日数据包括：法定节假日、少数民族节日信息；
30、所述系统异常数据包括：省公司营销系统异常、业务支持系统异常信息；
31、所述智能服务数据包括：智能服务的使用频率数据；
32、所述网上国网数据包括：用户在网上国网的活动次数；
33、所述节假日数据包括：节假日为1，非节假日为0。
34、优选地，所述步骤2中，数据转换模块通过归一化计算方法，具体公式：
35、
36、x是原始数据，x′是转换后数据。
37、优选地，所述步骤2中，数据转换模块通过归一化计算方法，具体公式：
38、
39、x是原始数据，x′是转换后数据，μ是平均值，σ是标准差。
40、本发明有效地解决了国家电网客服中心话务量的预测问题，为客服人员排版等等后续工作提供了数量基础。
1.一种话务量预测系统，其特征在于，包括：
2.根据权利要求1所述的一种话务量预测系统，其特征在于，
3.根据权利要求1所述的一种话务量预测系统，其特征在于，数据转换模块通过归一化计算方法，具体公式：
4.根据权利要求1所述的一种话务量预测系统，其特征在于，数据转换模块通过归一化计算方法，具体公式：
5.一种话务量预测方法，其特征在于，包括如下过程：
6.根据权利要求5所述的一种话务量预测方法，其特征在于，所述步骤1中，所述天气数据包括：温度、湿度、风力、风向、预警信息；
7.根据权利要求5所述一种话务量预测方法，其特征在于，所述步骤2中，数据转换模块通过归一化计算方法，具体公式：
8.根据权利要求5所述一种话务量预测方法，其特征在于，所述步骤2中，数据转换模块通过归一化计算方法，具体公式：
