(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211215013.1 (22)申请日 2022.09.30 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 申请人 建信金融科技有限责任公司 (72)发明人 陈鹏　陈萍　蔡科　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 蔡舒野 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06N 20/00(2019.01) (54)发明名称 任务处理方法、 装置、 设备及存 储介质 (57)摘要 本发明实施例公开了一种任务处理方法、 装 置、 设备及存储介质。 该方法包括： 获取第一时间 段的历史任务量均值数据和历史任务量极值数 据； 根据第一时间段的历史任务量极值数据， 获 得第二时间段的预测任务量极值数据； 根据第一 时间段的历史任务量均值数据， 获得第二时间段 的预测任务量均值数据； 根据预测任务量均值数 据和预测任务量极值数据， 确定第二时间段的任 务调整配置信息。 本发明实施例提高了对任务量 的预测准确度， 从而提高了对任务处理的稳定 性。 权利要求书3页 说明书23页 附图5页 CN 115392591 A 2022.11.25 CN 115392591 A 1.一种任务处 理方法， 其特 征在于， 包括： 获取第一时间段的历史任务 量均值数据和历史任务 量极值数据； 根据所述第一时间段的历史任务量极值数据， 获得第二时间段的预测任务量极值数 据； 根据所述第一时间段的历史任务量均值数据， 获得第二时间段的预测任务量均值数 据； 根据所述预测任务量均值数据和所述预测任务量极值数据， 确定所述第 二时间段的任 务调整配置信息 。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 一时间段的历史任务量极 值数据， 获得第二时间段的预测任务 量极值数据， 包括： 根据所述第一时间段的历史任务量极值数据， 和极值分布函数对应的密度函数， 得到 所述极值分布函数中参数的估计值； 根据所述极值分布函数中参数的估计值， 对所述极值分布函数进行 更新； 采用更新的极值分布函数， 获得第二时间段的预测值数据； 根据所述第二时间段的预测值数据， 检测多个分位点值， 确定为所述第二时间段的预 测任务量极值数据。 3.根据权利要求2所述的方法， 其特征在于， 在根据 所述第一时间段的历史任务量极值 数据， 和极值分布 函数对应的密度函数， 得到所述极值分布 函数中参数的估计值之前， 还包 括： 根据所述第 一时间段的历史任务量极值数据， 检测所述历史任务量极值数据的极值数 据频率衰减特 征； 在多个分布函数中， 将各所述分布函数对应的极大值吸收域与 所述极值数据频率衰减 特征进行匹配； 根据匹配结果， 在多个分布函数中， 确定极值分布函数。 4.根据权利要求2所述的方法， 其特征在于， 所述根据所述第 一时间段的历史任务量极 值数据， 和极值分布函数对应的密度函数， 得到所述极值分布函数中参数的估计值， 包括： 根据所述第 一时间段的历史任务量极值数据和所述极值分布函数， 检测所述极值分布 函数中参数的第一局部最优解； 根据所述第一局部最优解更新所述极值分布函数； 根据所述第 一时间段的历史任务量极值数据， 计算更新后的极值分布函数对应的密度 函数的数值； 以所述更新后的极值分布函数对应的密度函数取最大值为目标， 迭代更新所述参数的 数值， 直至所述更新后的极值分布函数对应的密度函数 的数值最大， 并将当前时刻下所述 参数的数值， 确定为所述参数 的第一全局 最优解， 并作为所述极值分布函数中参数 的估计 值。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述第 一时间段的历史任务量极 值数据和所述极值分布函数， 检测所述极值分布函数中参数的第一局部最优解， 包括： 根据所述第 一时间段的历史任务量极值数据和所述极值分布函数， 计算极值目标函数 的数值， 所述极值目标函数包括信息熵函数或样本 差值函数；权　利　要　求　书 1/3 页 2 CN 115392591 A 2以所述极值目标函数取最大值为目标， 迭代更新所述参数的数值， 直至所述极值目标 函数的数值最大， 并将当前时刻下所述参数 的数值， 确定为所述极值分布函数中参数 的第 一局部最优解。 6.根据权利要求2所述的方法， 其特征在于， 在根据所述第二时间段的预测值数据， 检 测多个分位 点值， 确定为所述第二时间段的预测任务 量极值数据之后， 还 包括： 获取所述第二时间段的真实任务 量极值数据； 针对每个所述分位点值， 在所述真实任务量极值数据中统计大于分位点值的真实任务 量极值的数量； 计算所述数量与所述真实任务 量极值数据的总数的比值； 根据所述比值， 计算所述分位 点值的偏离程度； 将所述分位 点值的偏离程度， 添加到所述第二时间段的预测任务 量极值数据中。 7.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 一时间段的历史任务量均 值数据， 获得第二时间段的预测任务 量均值数据， 包括： 根据所述第一时间段的历史任务量均值数据， 和均值分布函数对应的密度函数， 得到 所述均值分布函数中参数的估计值； 根据所述均值分布函数中参数的估计值， 对所述均值分布函数进行 更新； 采用更新的均值分布函数， 获得第 二时间段内多个单元时间段的预测均值分布置信区 间， 并作为所述第二时间段的预测任务 量均值数据。 8.根据权利要求7所述的方法， 其特征在于， 所述根据所述第 一时间段的历史任务量均 值数据， 和均值分布函数对应的密度函数， 得到所述均值分布函数中参数的估计值， 包括： 根据所述第 一时间段的历史任务量均值数据和所述均值分布函数， 检测所述均值分布 函数中参数的第二局部最优解； 根据所述第二局部最优解更新所述均值分布函数； 根据所述第 一时间段的历史任务量均值数据， 计算更新后的均值分布函数对应的密度 函数的数值； 以所述更新后的均值分布函数对应的密度函数取最大值为目标， 迭代更新所述参数的 数值， 直至所述更新后的均值分布函数对应的密度函数 的数值最大， 并将当前时刻下所述 参数的数值， 确定为所述参数 的第二全局 最优解， 并作为所述均值分布函数中参数 的估计 值。 9.根据权利要求7所述的方法， 其特征在于， 在获得第 二时间段内多个单元时间段的预 测均值分布置信区间之后， 还 包括： 获取所述第二时间段的真实任务 量均值数据； 将所述真实任务 量均值数据与各 所述单元时间段的预测置信区间的端点进行比较； 根据比较结果， 对所述均值分布函数中参数的数值进行调整； 基于调整后的均值分布函数， 更新所述第二时间段的预测任务 量均值数据。 10.根据权利要求7所述的方法， 其特征在于， 在获得第二时间段内多个单元时间段的 预测均值分布置信区间之后， 还 包括： 获取各所述单元时间段内的真实单 元均值数据； 根据各所述单元时间段内的真实单元均值数据与对应预测均值分布置信区间的端点权　利　要　求　书 2/3 页 3 CN 115392591 A 3