1.一种电网客服话务量区间预测方法，其特征在于，包括：获取历史话务数据和话务量影响因素数据，并对所述历史话务数据和所述话务量影响因素数据进行缺失值补充，得到完整历史话务数据和完整话务量影响因素数据；对所述完整话务量影响因素数据进行相似日聚类得到所述完整话务量影响因素数据的聚类结果；将所述完整历史话务数据和所述完整话务量影响因素数据的聚类结果输入构建好的预测模型中，以使所述预测模型对所述完整历史话务数据和所述完整话务量影响因素数据的聚类结果进行特征提取得到特征数据后，采用分位数回归模型对所述特征数据进行计算得到不同分位数点的条件分位数，再采用非参数核密度估计方法对所述条件分位数进行计算得到区间预测结果，将所述区间预测结果发送给电网客户服务排班系统，以使电网客户服务排班系统根据所述区间预测结果进行话务排班调度；所述对所述完整话务量影响因素数据进行相似日聚类得到所述完整话务量影响因素数据的聚类结果，具体为：将所述完整话务量影响因素数据进行标准化后，选取多个中心点；将各个所述完整话务量影响因素数据分配到小于预设距离的中心点，得到多个簇并重新计算每个簇的中心点，作为所述完整话务量影响因素数据的聚类结果；采用分位数回归模型对所述特征数据进行计算得到不同分位数点的条件分位数，具体为：利用分位数回归函数对所述特征数据进行求解，得到不同分位数点的回归系数向量，其中，所述分位数回归函数为：其中， P p 表示第P个特征数据的概率， 表示 P p 的第 τ 个条件分位数， τ 的范围为(0，1)， β ( τ )是回归系数的向量， 表示第p个特征数据；对所述不同分位数点的回归系数向量进行求解得到不同分位数点的条件分位数，其中，求解公式为：其中，L为神经网络损失函数值， 表示第p个特征数据，N表示特征数据的总数量， 为不对称函数表示为：其中，s表示函数γ随机生成的自变量， 表示回归系数；采用非参数核密度估计方法对所述条件分位数进行计算得到区间预测结果，具体为：利用非参数核密度估计函数对所述条件分位数进行计算得到区间预测结果，其中，核密度估计函数为：其中， V ( u a )为第a个待预测日话务量的概率分布， u a 为概率函数自变量， N a 为a个待预测时刻的相似日数量，h为带宽，取h=0.01， K ()为核函数，取核函数为高斯函数， G P 为样本向量， G P =[ , , …, ]， 、 、 … 分别表示第1、2、3、…，p个特征数据的回归系数。
2.如权利要求1所述的电网客服话务量区间预测方法，其特征在于，所述对所述历史话务数据和所述话务量影响因素数据进行缺失值补充，得到完整历史话务数据和完整话务量影响因素数据，具体为:通过利用相邻正常数据拟合多项式来获得所述历史话务数据的近似值和所述话务量影响因素数据的近似值；将所述近似值作为缺失值补充至所述历史话务数据和所述话务量影响因素数据后，得到完整历史话务数据和完整话务量影响因素数据。
3.如权利要求1所述的电网客服话务量区间预测方法，其特征在于，所述预测模型是通过训练获得，具体为：将所述完整历史话务数据和所述完整话务量影响因素数据的聚类结果分为训练集和测试集；构建预测模型，并将所述完整历史话务数据和所述完整话务量影响因素数据的聚类结果输入所述预测模型中进行计算得到实际区间预测结果；根据误差函数将实际区间预测结果与期望区间预测结果进行对比得到误差，并根据所述误差更新模型参数，直到达到训练次数得到训练好的预测模型。
4.一种电网客服话务量区间预测系统，其特征在于，包括数据获取模块、聚类模块和预测区间计算模块，其中，所述数据获取模块用于获取历史话务数据和话务量影响因素数据，并对所述历史话务数据和所述话务量影响因素数据进行缺失值补充，得到完整历史话务数据和完整话务量影响因素数据；所述聚类模块用于对所述完整话务量影响因素数据进行相似日聚类得到所述完整话务量影响因素数据的聚类结果；所述预测区间计算模块用于将所述完整历史话务数据和所述完整话务量影响因素数据的聚类结果输入构建好的预测模型中，以使所述预测模型对所述完整历史话务数据和所述完整话务量影响因素数据的聚类结果进行特征提取得到特征数据后，采用分位数回归模型对所述特征数据进行计算得到不同分位数点的条件分位数，再采用非参数核密度估计方法对所述条件分位数进行计算得到区间预测结果，将所述区间预测结果发送给电网客户服务排班系统，以使电网客户服务排班系统根据所述区间预测结果进行话务排班调度；所述聚类模块包括中心点选取单元和聚类结果生成单元，所述中心点选取单元用于将所述完整话务量影响因素数据进行标准化后，选取多个中心点；所述聚类结果生成单元用于将各个所述完整话务量影响因素数据分配到小于预设距离的中心点，得到多个簇并重新计算每个簇的中心点，作为所述完整话务量影响因素数据的聚类结果；采用分位数回归模型对所述特征数据进行计算得到不同分位数点的条件分位数，具体为：利用分位数回归函数对所述特征数据进行求解，得到不同分位数点的回归系数向量，其中，所述分位数回归函数为：其中， P p 表示第P个特征数据的概率， 表示 P p 的第 τ 个条件分位数， τ 的范围为(0，1)， β ( τ )是回归系数的向量， 表示第p个特征数据；对所述不同分位数点的回归系数向量进行求解得到不同分位数点的条件分位数，其中，求解公式为：其中，L为神经网络损失函数值， 表示第p个特征数据，N表示特征数据的总数量， 为不对称函数表示为：其中s表示函数γ随机生成的自变量， 表示回归系数；采用非参数核密度估计方法对所述条件分位数进行计算得到区间预测结果，具体为：利用非参数核密度估计函数对所述条件分位数进行计算得到区间预测结果，其中，核密度估计函数为：其中， V ( u a )为第a个待预测日话务量的概率分布， u a 为概率函数自变量， N a 为a个待预测时刻的相似日数量， h 为带宽，取 h =0.01， K ()为核函数，取核函数为高斯函数， G P 为样本向量， G P =[ , , …, ]， 、 、 … 分别表示第1、2、3、…，p个特征数据的回归系数。
5.如权利要求4所述的电网客服话务量区间预测系统，其特征在于，所述数据获取模块包括近似值计算单元和填充单元，所述近似值计算单元用于通过利用相邻正常数据拟合多项式来获得所述历史话务数据的近似值和所述话务量影响因素数据的近似值；所述填充单元用于将所述近似值作为缺失值补充至所述历史话务数据和所述话务量影响因素数据中，得到完整历史话务数据和完整话务量影响因素数据。
