(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 202211303727.8 (22)申请日 2022.10.24 (71)申请人 中国农业银行股份有限公司重庆市 分行 地址 400010 重庆市渝中区新 华路103号 (72)发明人 韩雨潇　 (74)专利代理 机构 成都金英专利代理事务所 (普通合伙) 51218 专利代理师 詹权松 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 40/02(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01)G06K 9/62(2022.01) (54)发明名称 一种分配ATM 机现金存放 量的优化方法 (57)摘要 本发明公开了一种分配ATM机 现金存放量的 优化方法， 通过分析网点区域的相关数据， 优化 ATM机的现金存储分配， 从而避免让部分网点区 域的ATM现金存储过少或过剩； 首先， 根据ATM机 所在区域的人口数量， 经济发展状况， 网点日均 人流量和现金流量等数据分析网点业务办理情 况， 通过ATM机器上每日的存取款业务流水数据 分析客户的存取习惯； 对以上数据进行预处理， 并建立相应的预测模型， 通过迁移学习利用深度 神经网络对 该网点日均存取量进行预测， 然后对 网点区域所有ATM机进行相应的现金分配。 此外， 为了进一步提升网点的服务质量， 对ATM机的剩 余存储金额进行监控， 在剩余存储 金额到达临界 值时， 发出预警， 并提醒银行工作人员及时增添 金额。 权利要求书1页 说明书3页 附图1页 CN 115496297 A 2022.12.20 CN 115496297 A 1.一种分配ATM机现金存放量的优化方法， 其特征在于， 通过分析网点区域相关数据对 网点ATM机现金存放 量进行预测分析， 包括以下步骤： 步骤一： 分析网点 业务办理情况， 获取网点 业务办理数据特 征； 步骤二： 分析ATM流水 数据， 获取ATM流水 数据特征； 步骤三： 对网点业务办理数据与ATM流水数据进行预处理， 将网点业务办理数据与ATM 流水数据整合； 步骤四： 将处 理过后的数据输入深度学习模型进行训练； 步骤五： 使用训练好的深度学习模型对ATM现金存放 量进行预测分析。 2.根据权利要求1所述的一种分配ATM机现金存放量的优化方法， 其特征在于， 所述步 骤一分析网点业务办理情况还包括： 选择部 分网点作为测试样本数据； 所述样本数据包括： 网点地理位置， 网点服务客户群体， 网点业务办理类型， 网点交易业务成交量， 网点客户数 量以及网点工作人员数量。 3.根据权利要求1所述的一种分配ATM机现金存放量的优化方法， 其特征在于， 所述步 骤二分析ATM流水数据还包括： 选择部 分网点作为测试样 本数据， 获取ATM流水数据； 所述样 本数据包括： 网点ATM机月存取量， 网点ATM机月交易成交数量， 网点ATM机月办理业务客户 数量， 网点ATM 机月现金存放 量。 4.根据权利要求1所述的一种分配ATM机现金存放量的优化方法， 其特征在于， 所述步 骤三数据预处 理还包括对脏数据的处 理以及数据标准 化。 5.根据权利要求4所述的一种分配ATM机现金存放量的优化方法， 其特征在于， 所述脏 数据的处 理包括： 填写缺失值， 清除噪声数据。 6.根据权利要求1所述的一种分配ATM机现金存放量的优化方法， 其特征在于， 所述步 骤四深度学习模型包括： 卷积神经网络， VG G网络， Go ogLeNet网络 。权　利　要　求　书 1/1 页 2 CN 115496297 A 2一种分配ATM机现 金存放量的优化方 法 技术领域 [0001]本发明涉及人工智能技 术领域， 尤其涉及一种分配ATM 机现金存放 量的优化方法。 背景技术 [0002]目前银行ATM自助存取款机器都是通过银行工作人员根据需求来投放ATM机的现 金数额， 经常出现钱被取光的情况， 需要 人工拨打客服电话或联系营业厅进行维护。 对于一 些取款需求较大的网点， 若ATM现金存放量不充裕， 而客户有急用却办理不了取钱业务， 则 会降低其满意程度， 从而损失银行的客户资源。 同时， 也会致使银行工作人员频繁执行ATM 机的现金投放任务， 增加工作人员的工作量。 而对于取款需求较小的网点， ATM现金存储太 过充裕， 则会浪费资源， 不能发挥其实际效益。 发明内容 [0003]为解决上述问题， 本发明提出了一种分配ATM 机现金存放 量的优化方法。 [0004]一种分配ATM机现金存放量的优化方法， 通过分析 网点区域相关数据对网点ATM机 现金存放 量进行预测分析， 包括以下步骤： 步骤一： 分析网点 业务办理情况， 获取网点 业务办理数据特 征； 步骤二： 分析ATM流水 数据， 获取ATM流水 数据特征； 步骤三： 对网点业务办理数据与ATM流水数据进行预处理， 将网点业务办理数据与 ATM流水数据整合； 步骤四： 将处 理过后的数据输入深度学习模型进行训练； 步骤五： 使用训练好的深度学习模型对ATM现金存放 量进行预测分析。 [0005]进一步， 所述步骤一分析网点业务办理情况还包括： 选择部分网点作为测试样本 数据； 所述样本数据包括： 网点地理位置， 网点服务客户群体， 网点业务办理类型， 网点交易 业务成交量， 网点 客户数量以及网点工作人员数量。 [0006]进一步， 所述步骤二分析ATM流水数据还包括： 选择部分网点作为测 试样本数据， 获取ATM流水数据； 所述样 本数据包括： 网点ATM机月存 取量， 网点ATM机月交易 成交数量， 网 点ATM机月办理业 务客户数量， 网点ATM 机月现金存放 量。 [0007]进一步， 所述步骤三数据预处 理还包括对脏数据的处 理以及数据标准 化。 [0008]进一步， 所述脏数据的处 理包括： 填写缺失值， 清除噪声数据。 [0009]进一步， 所述步骤四深度学习模型包括： 卷积神经网络， VG G网络， Go ogLeNet网络 。 [0010]本发明的有益效果： 本发明提出了一种分配ATM机现金存放量的优化方法， 通过分 析网点区域的相关数据， 优化ATM机的现金存储分配， 从而避免让部分网点区域的ATM现金 存储过少或过剩； 首先， 根据ATM机所在区域的人口数量， 经济发展状况， 网点日均人流量和 现金流量等数据分析网点业务办理情况， 通过ATM机器上每日的存取款业务流水数据分析 客户的存 取习惯； 对以上数据进 行预处理， 并建立相应的预测模型， 通过迁移学习利用深度 神经网络对该网点日均存取量进 行预测， 然后对网点区域所有ATM机进 行相应的现金分配。说　明　书 1/3 页 3 CN 115496297 A 3