一种基于数据建模现金配钞的方法、智能终端、存储介质

摘要

本发明公开了一种基于数据建模现金配钞的方法、智能终端、存储介质，所述方法包括：获取历史交易源数据，基于所述历史交易源数据构建数据仓库；提取所述数据仓库中数据的维度特征值，将所述维度特征值输入到现金配钞模型，得到输出建模数据；对所述建模数据进行评估，得到现金配钞结果，所述现金配钞结果用于网点ATM机的现金分配。本发明实施例中的基于数据建模的现金分配是将数据的维度特征值输入到现金配钞模型中，以实现自动的现金分配方案，实现网点ATM机的精准配钞，节约人工成本，避免了资源浪费。

说明书

技术领域

本发明涉及人工智能技术领域，尤其涉及的是一种基于数据建模现金配钞的方法、智能终端、存储介质。

背景技术

在日常生活中，每个人或多或少都会与银行打交道。而现金业务，则是大多数人都办理过的业务：去银行ATM、柜台存钱、取钱，这些现金业务占了银行业务中相当大的比例。在银行的日常运维管理中，ATM的加钞、网点的配额，这个量的多少难以把握，依赖管理人员的经验水平，量配多了则占用了大量现金头寸，量配少了则影响了现金支付、ATM的开机率。如何准确预测这个量，成为了一个“难题”。如何将机器训练的跟加钞人员一样，自动学习历史交易数据的周期性、规律性等特征。从而代替加钞人员，从而达到解决此类经验密集型的工作的同时，解放人力，为银行创造更多的附加价值。传统的人工经验难以很快传授给学习者，需要一定的周期自学习，周而复始形成自己的经验。此过程耗时费力，不利于现代信息化的发展。此外，人工素质的参差不齐，导致加钞并不稳定，占用过多现金头寸及缺钞的问题。导致一定的资源浪费问题。

此外，目前商业银行使用的取款设备循环机(CRS)占比超过80％，随着传统单取功能的ATM被逐渐淘汰，这个比例还会继续上涨。对于存取款循环机，现有技术能做到的就是单独预测存款需求和取款需求，但存取净流量并没有作为被预测的需求量。很多商业银行将缺钞作为一件无法容忍事件，因此加大了循环机的预测难度。目前常规的做法并不能很好的解决商业银行的现金配钞需求。

因此，现有技术还有待改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于数据建模现金配钞的方法、智能终端、存储介质，旨在解决现有技术中人工素质的参差不齐，导致加钞并不稳定，占用过多现金头寸及缺钞的问题，导致一定的资源浪费问题的问题。本发明解决问题所采用的技术方案如下：

第一方面，本发明实施例提供一种基于数据建模现金配钞的方法，其中，所述方法包括：

获取历史交易源数据，基于所述历史交易源数据构建数据仓库；

提取所述数据仓库中数据的维度特征值，将所述维度特征值输入到现金配钞模型，得到输出建模数据；

对所述建模数据进行评估，得到现金配钞结果，所述现金配钞结果用于网点ATM机的现金分配。

在一种实现方式中，所述获取历史交易源数据包括：

当网络通讯中断时，获取离线历史交易源数据；

当网络连通时，获取在线历史交易源数据；

存储所述离线历史交易源数据和所述在线历史交易源数据，得到历史交易源数据。

在一种实现方式中，所述基于所述历史交易源数据构建数据仓库包括：

构建数据仓库；

对所述历史交易源数据进行整合处理，得到整合后数据；

将所述整合后数据存储在所述数据仓库。

在一种实现方式中，所述提取所述数据仓库中数据的维度特征值包括：

获取所述数据仓库中的存储数据；

将所述存储数据进行预处理，得到预处理数据；

获取所述预处理数据的维度特征，得到维度特征值。

在一种实现方式中，所述将所述存储数据进行预处理，得到预处理数据包括：

对所述存储数据进行零值，极值和离散值处理，得到预处理数据。

在一种实现方式中，所述获取所述预处理数据的维度特征，得到维度特征值包括：

获取所述预处理数据本身的特征值，所述数据本身的特征值包括ATM机和网点的信息；

获取所述预处理数据的环境特征值，所述数据的环境特征值包括节假日信息，天气信息和区域划分信息；

基于所述预处理数据本身的特征值和所述预处理数据的环境特征值得到维度特征值。

在一种实现方式中，所述将所述维度特征值输入到现金配钞模型，得到输出建模数据包括：

获取输入样本数据和输出样本数据；

根据所述输入样本数据和所述输出样本数据训练模型，生成现金配钞模型；

将所述维度特征值输入到现金配钞模型，得到输出建模数据。

在一种实现方式中，所述对所述建模数据进行评估，得到现金配钞结果，所述现金配钞结果用于网点ATM机的现金分配包括：

获取真实样本数据；

当所述模型输出数据和所述真实样本数据的平均绝对误差率大于预设值，则将所述模型输出数据输入到所述现金配钞模型的输入端，进行再次训练、学习；

当所述模型输出数据和所述真实样本数据的平均绝对误差率小于等于预设值，则停止训练、学习，并将所述模型输出数据作为现金配钞结果输出，所述结果用于网点ATM机的现金分配。

第二方面，本发明实施例还提供一种基于数据建模现金配钞的装置，其中，所述装置包括：

历史交易源数据获取单元，用于获取历史交易源数据，基于所述历史交易源数据构建数据仓库；

建模单元，用于提取所述数据仓库中数据的维度特征值，将所述维度特征值输入到现金配钞模型，得到输出建模数据；

数据评估单元，用于对所述建模数据进行评估，得到现金配钞结果，所述现金配钞结果用于网点ATM机的现金分配。

第三方面，本发明实施例还提供一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如上述任意一项所述的一种基于数据建模现金配钞的方法。

第四方面，本发明实施例还提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如上述中任意一项所述的一种基于数据建模现金配钞的方法。

本发明的有益效果：本发明实施例首先获取历史交易源数据，基于所述历史交易源数据构建数据仓库；然后提取所述数据仓库中数据的维度特征值，将所述维度特征值输入到现金配钞模型，得到输出建模数据；最后对所述建模数据进行评估，得到现金配钞结果，所述现金配钞结果用于网点ATM机的现金分配；可见，本发明实施例中的基于数据建模的现金分配是将数据的维度特征值输入到现金配钞模型中，以实现自动的现金分配方案，实现网点ATM机的精准配钞，节约人工成本，避免了资源浪费。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1本发明实施例提供一种基于数据建模现金配钞的方法流程示意图

图2本发明实施例提供的一种基于数据建模现金配钞的装置的原理框图。

图3本发明实施例提供的智能终端的内部结构原理框图。

具体实施方式

本发明公开了一种基于数据建模现金配钞的方法、智能终端、存储介质，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

由于现有技术中，传统的人工经验难以很快传授给学习者，需要一定的周期自学习，周而复始形成自己的经验。此过程耗时费力，不利于现代信息化的发展。此外，人工素质的参差不齐，导致加钞并不稳定，占用过多现金头寸及缺钞的问题，导致一定的资源浪费问题。

为了解决现有技术的问题，本实施例提供了一种基于数据建模现金配钞的方法，通过所述方法，本发明中现金配钞方法基于数据建模的现金分配是将数据的维度特征值输入到现金配钞模型中，以实现自动的现金分配方案，实现网点ATM机的精准配钞，节约人工成本，避免了资源浪费。实际中，现金配钞是商业银行现金运营管理中的核心问题之一，设计自助设备的加钞运营和网点尾箱的现金管理。银行在离行附近或者其他的网点会设置ATM机，在银行的日常运维管理中，ATM的加钞、网点的配额，量的多少很难把握，如果依赖管理人员的经验，还是会出现量配多或配少的问题，如果配多了则该网点会占用大量的新进寸头，如果配少了，则影响现金支付量和ATM机的开机率，因此迫切需要一种智能方法能够代替人工操作，实现智能控制现金的配钞。科学合理的现金预测有利于降低商业银行的现金备付金占用，提高现金使用效率，在充分保证渠道服务质量的前提下，减少自助设备加钞清机和网点尾箱的现金调拨频次，全面降低现金运营管理成本。具体实施时，首先获取历史交易源数据，基于所述历史交易源数据构建数据仓库；然后提取所述数据仓库中数据的维度特征值，将所述维度特征值输入到现金配钞模型，得到输出建模数据；最后对所述建模数据进行评估，得到现金配钞结果，所述现金配钞结果用于网点ATM机的现金分配；可见，本发明实施例中的基于数据建模的现金分配是将数据的维度特征值输入到现金配钞模型中，以实现自动的现金分配方案，实现网点ATM机的精准配钞，节约人工成本，避免了资源浪费。

举例说明，自助设备和网点柜面是目前商业银行最主要的两种现金交易渠道，其中自助取款机对应“净付出”模式，而存取款循环一体机和网点柜面则对应“应收付循环”模式。本发明研发的大数据分析平台针对这两种典型的现金出纳模式，分别基于历史收付交易数据构建相应的配钞预测模型，解决对预期现金周期内自助设备加钞和网点尾箱现金配额的预测问题。

示例性方法

本实施例提供一种基于数据建模现金配钞的方法，该方法可以应用于ATM机现金配钞的智能终端。具体如图1所示，所述方法包括：

步骤S100、获取历史交易源数据，基于所述历史交易源数据构建数据仓库；

具体地，由于历史交易源数据的格式多种多样，比如：EXCEL、关系型数据库、HIVE等等，首先，需要对上述历史交易源数据进行分析，其次才能在历史交易源数据的基础上进行二次提取、加工并转换成我们想要的那一部分数据，将所述数据存储在数据仓库中。

为了获取更加丰富的交易源数据，所述获取历史交易源数据包括如下步骤：

步骤S101、当网络通讯中断时，获取离线历史交易源数据；

步骤S102、当网络连通时，获取在线历史交易源数据；

步骤S103、存储所述离线历史交易源数据和所述在线历史交易源数据，得到历史交易源数据。

实际中，数字货币安全技术通过加解密技术、安全芯片技术、防重复交易等技术，保障数字货币交易中的安全性和真实性。数字货币交易技术为数字货币业务各个环节提供了在线和离线两种不同的技术方案，使交易不受网络条件的限制。如，银行有存储数据，这部分数据不参与立即性的信息服务运作，就是离线数据；而银行中实时读写数据，供用户随意读取，满足计算平台对数据访问的速度要求，这部分数据就是在线数据。因此，当网络通讯中断时，获取离线历史交易源数据，在网络连通时，可以获取在线历史交易源数据。将上述两种数据存储，得到历史交易源数据。

为了更加纯净的数据，所述基于所述历史交易源数据构建数据仓库包括如下步骤：

步骤S111、构建数据仓库；

步骤S112、对所述历史交易源数据进行整合处理，得到整合后数据；

步骤S113、将所述整合后数据存储在所述数据仓库。

例如，一种构建数据仓库的方法，ETL(Extract-Transform-Load)方法，通过将数据进行抽取转化装载，将源数据向数据仓库数据转换的过程。本实施例中对历史交易源数据进行整合处理，得到整合后数据，所述整合即为ETL处理。ETL负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。其中，数据抽取是从数据源中抽取数据的过程，其抽取方式有全量抽取，增量抽取，其目的都是将数据转换成ETL工具能够识别的格式数据。ETL转换作业则包含了数据的清洗和转换，数据清洗的目的是过滤掉不符合条件或者错误的数据。而数据转换则是对简单数据的不一致的转换，数据粒度转换和耗时的数据关联整合或拆分动作。ETL加载作业则是使用INSERT或者LOAD的方式将数据导入目标表。ETL流程控制则是控制整个ETL流程，进行集中化管理，控制流程不能游离于系统外部。经过上述ETL处理之后，将所述整合后的数据存储在所述数据仓库中。

本发明实施例中的现金配钞方法是基于数据建模的，具体如图1所示，所述方法包括如下步骤：

步骤S200、提取所述数据仓库中数据的维度特征值，将所述维度特征值输入到现金配钞模型，得到输出建模数据；

由于自助设备和网点柜面的现金付出量和收入量本身是不确定的，受到地区环境、人口密度、季节周期等诸多复杂因素的共同影响，很难对各影响因子进行有效选择，并对各因子的影响权重进行量化分析。尤其对于开通循环功能的存取款一体机和网点柜面，其现金周期内的配钞需求量与现金付出量之间并非简单的线性关系，这使得对这一类现金交易渠道的配钞预测更加困难。因此，本发明需要提取所述数据仓库中数据的维度特征值，将所述维度特征值输入我们建立的现金配钞模型中，便可得到输出建模数据。

为了更好的进行数据建模，所述提取所述数据仓库中数据的维度特征值包括如下步骤：

步骤S201、获取所述数据仓库中的存储数据；

步骤S202、将所述存储数据进行预处理，得到预处理数据；

步骤S203、获取所述预处理数据的维度特征，得到维度特征值。

在实际应用时，先获取数据仓库中的存储数据，然后对所述存储数据进行一些预先的处理，在研究数据模型时，通常会发现对因变量y有明显影响作用的特征，通常称自变量x为特征，特征工程的目的是发现重要特征。通过对存取款数据的分析，得出几个会影响存取款量的维度特征，因此，需要获取所述预处理数据的维度特征，得到维度特征值。

为了得到充分的数据维度特征值，所述将所述存储数据进行预处理，得到预处理数据包括：

步骤S2021、对所述存储数据进行零值，极值和离散值处理，得到预处理数据。

数据预处理包括数据清洗，主要在数据进入算法流程前对数据进行去噪、填充缺失值、类型变换等。理想的ATM交易数据是一年365天每天都有交易数据，但是实际情况由于设备故障、停电、整修等客观原因ATM无法做到每天都正常对外交易或者由于故障导致当天交易量极低，低于理论水平。所以对交易数据进行缺失值填充，数据去噪等操作对后续的建模、预测提高稳定性和准确率。数据预处理还包括数据集成，即将多个数据源中的数据结合，并存放在一个一致的数据存储中。数据预处理还包括数据规约，即获得更小的数据集，但是仍保持原数据的完整性。数据预处理的最后一步是对数据进行零值、极值和离散值处理，使之达到算法要求。

为了使所述数据建模的输入数据更加丰富，所述获取所述预处理数据的维度特征，得到维度特征值包括如下步骤：

步骤S2031、获取所述预处理数据本身的特征值，所述数据本身的特征值包括ATM机和网点的信息；

步骤S2032、获取所述预处理数据的环境特征值，所述数据的环境特征值包括节假日信息，天气信息和区域划分信息；

步骤S2033、基于所述预处理数据本身的特征值和所述预处理数据的环境特征值得到维度特征值。

通过对存取款数据的分析，得出以下几个会影响存取款量的维度特征：机型、品牌、在离行标志、所属区域，这些即是数据本身的特征值，此外还通过其他技术提取了节假日信息、天气信息、以及基于区域自学习算法，将设备进行自学习自动分组，这些数据则属于数据的环境特征值。从地理位置上拉近两点之间的距离。传统的银行ATM区域划分都是按照主观的意识进行划分，比如:商业区、学校、医院、居民区……看似划分很合理，但是同一区域划分内对于ATM的存取款量的影响其实并不见得是一样的，如三甲医院的ATM交易量一般而言都比小医院的存取款交易量大。通过聚类相关的算法来解决区域分组问题：将地理位置靠的很近的ATM设备基于算法自动划分为一组，可以定期改变分组，调优算法。因为某一地理位置区域范围内的人流量、重大活动等事件的影响相对公平。基于所述预处理，数据本身的特征值和所述预处理数据的环境特征值得到维度特征值。

为了实现智能现金配钞方案，所述将所述维度特征值输入到现金配钞模型，得到输出建模数据包括如下步骤：

步骤S211、获取输入样本数据和输出样本数据；

步骤S212、根据所述输入样本数据和所述输出样本数据训练模型，生成现金配钞模型；

步骤S213、将所述维度特征值输入到现金配钞模型，得到输出建模数据。

人工神经网络在信号处理、模式识别、自动控制及最优化等方面都取得越来越多的应用。从本质上讲，人工神经网络模型是一种非线性的动态系统，可通过对数据样本的训练来建立模型，本发明实施例中通过获取输入样本数据和输出样本数据，将上述数据进行训练产生现金配钞模型。人工神经网络为非线性，非平稳时间序列的建模和预测提供了一种新的模型与方法。基于循环神经网络，设计了现金预测的神经网络层结构，该迭代过程随着样本数据的累积不停的进行训练，是一个连续连贯的过程。预测本身就是为了控制现金库存的占用，本发明的核心是将现金流量预测与最佳现金持有量相结合，从而达到解决库存占用及配钞量的问题。为满足商业银行库存控制的需求,预测现金流量以控制库存为目的，确定适当的加钞金额，即所加钞金额在一定时间内既满足其生产经营需要，又能够使现金使用的效率和效益最高。加钞金额公式根据净支出流量(支出-收入)和最佳现金持有量(目标库存)反向计算出加钞金额。方案核心目标：在加钞周期的限制下，使现金使用的日均库存余额达到规定的目标库存。

数学模型：

加钞金额计算详细推导如下：

公式中，Amt为加钞金额，Z为最佳现金持有量，C为加钞周期，T为周期内的现金需求总和：

推导过程：

在一个加钞周期C内：

第一天的库存：K

第二天的库存：K

第n天的库存：K

日均库存为K＝(K

在计算最佳现金持有量时，我们的目标是让日均库存趋近于目标库存，也就是最佳现金持有量。在这里，为了合理计算加钞金额，我们同样让日均库存K＝Z，由此可得：

n*Amt-[n*T

所以：

通过上述建立的现金配钞模型，其实现目标为：确定加钞金额使日均库存趋近于目标库存，最佳现金持有量越高，对应所需加钞金额越高，因此需要综合考虑加钞周期和最佳现金持有量来评估加钞金额，实现现金的充分利用。本发明实施例中，将所述维度特征值输入到现金配钞模型，就得到输出建模数据。

在一个实施例中，如图1所示，所述方法包括如下步骤：

步骤S300、对所述建模数据进行评估，得到现金配钞结果，所述现金配钞结果用于网点ATM机的现金分配。

取一定台数的测试设备，使用预测值与实际值进行对比，计算平均绝对误差率、均方差等，从而判断模型的正确率和稳定性，测试集上数据预测稳定则模型达到预期，若优化数据达不到预期则本次模型训练结果不进行采纳。

为了更好的校正现金配钞模型，所述对所述建模数据进行评估，得到现金配钞结果，所述现金配钞结果用于网点ATM机的现金分配包括如下步骤：

步骤S301、获取真实样本数据；

步骤S302、当所述模型输出数据和所述真实样本数据的平均绝对误差率大于预设值，则将所述模型输出数据输入到所述现金配钞模型的输入端，进行再次训练、学习；

步骤S303、当所述模型输出数据和所述真实样本数据的平均绝对误差率小于等于预设值，则停止训练、学习，并将所述模型输出数据作为现金配钞结果输出，所述结果用于网点ATM机的现金分配。

为满足商业银行库存控制的需求,预测现金流量以控制库存为目的确定适当的加钞金额，即所加钞金额在一定时间内既满足其生产经营需要，又能够使现金使用的效率和效益最高。加钞金额公式根据净支出流量(支出-收入)和最佳现金持有量(目标库存)反向计算出加钞金额。本发明在加钞周期的限制下，使现金使用的日均库存余额达到规定的目标库存。因此，本发明实施例先获取实际网点的ATM交易实际数据，当所述模型输出数据和所述真实样本数据的平均绝对误差率大于预设值，则将所述模型输出数据输入到所述现金配钞模型的输入端，进行再次训练、学习；当所述模型输出数据和所述真实样本数据的平均绝对误差率小于等于预设值，则停止训练、学习，并将所述模型输出数据作为现金配钞结果输出，所述结果用于网点ATM机的现金分配。在另一个实施例中，当所述模型输出数据作为现金配钞模型的输入，不断进行训练、学习，只有当所述模型输出数据和所述真实样本数据的平均绝对误差率小于等于预设值时，才将所述模型输出数据作为现金配钞结果输出，所述结果用于网点ATM机的现金分配，否则不输出所述模型输出数据。

如图2中所示，本发明实施例提供一种基于数据建模现金配钞的装置，该装置包括：历史交易源数据获取单元401，建模单元402，数据评估单元403；历史交易源数据获取单元401，用于获取历史交易源数据，基于所述历史交易源数据构建数据仓库；

建模单元402，用于提取所述数据仓库中数据的维度特征值，将所述维度特征值输入到现金配钞模型，得到输出建模数据；

数据评估单元403，用于对所述建模数据进行评估，得到现金配钞结果，所述现金配钞结果用于网点ATM机的现金分配。

基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图3所示。该智能终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于数据建模现金配钞的方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏，该智能终端的温度传感器是预先在智能终端内部设置，用于检测内部设备的运行温度。

本领域技术人员可以理解，图3中的原理图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取历史交易源数据，基于所述历史交易源数据构建数据仓库；

提取所述数据仓库中数据的维度特征值，将所述维度特征值输入到现金配钞模型，得到输出建模数据；

对所述建模数据进行评估，得到现金配钞结果，所述现金配钞结果用于网点ATM机的现金分配。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

综上所述，本发明公开了一种基于数据建模现金配钞的方法、智能终端、存储介质，所述方法包括：获取历史交易源数据，基于所述历史交易源数据构建数据仓库；提取所述数据仓库中数据的维度特征值，将所述维度特征值输入到现金配钞模型，得到输出建模数据；对所述建模数据进行评估，得到现金配钞结果，所述现金配钞结果用于网点ATM机的现金分配。本发明实施例中的基于数据建模的现金分配是将数据的维度特征值输入到现金配钞模型中，以实现自动的现金分配方案，实现网点ATM机的精准配钞，节约人工成本，避免了资源浪费。本发明在于采集分析商业银行历史现金流量使用情况，对天气、地域、节假日、社保等特征进行提取，从而将现金流量预测与最佳现金持有量计算相结合的方式，代替传统人工经验或单纯交易序列预测的方式。其中一种基于数据建模预测银行现金配钞的方法，可以衍伸出多种变形方案。

应当理解的是，本发明公开了一种基于数据建模现金配钞的方法，应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。