本发明涉及票据系统，具体为一种基于神经网络的票据成交概率预测系统。
背景技术：
1、电子承兑汇票作为承兑汇票的电子形式出现，有效地解决了纸质票携带困难且容易造假的问题。同城票据网作为电子承兑汇票交易平台，也有效解决了用户融资难，“票背飞”、“款打飞”等容易上当受骗的问题。然而，随着越来越多的用户选择同城票据网进行交易，越来越多的票源被发布到同城票据网，带来了越来越多的承兑人与票据类型。由此给用户带来了新的三个问题：
2、1.用户需要从当天的同承兑人、承兑人类型、票价区间、剩余天数的海量票源中查询交易完成的订单来判断自己当天挂的价格，并且不知道挂的价格的成交概率是多少；
3、2.在当天早上很难进行第1点的判断，因为此时成交的票据较少；
4、3.一些交易量相对较小的承兑人当天甚至找不到成交的记录进行参考。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本发明提供了一种基于神经网络的票据成交概率预测系统，解决了上述背景技术中提出的问题。
3、(二)技术方案
4、为实现上述目的，本发明提供如下技术方案：一种基于神经网络的票据成交概率预测系统，包括历史数据清洗与归一化模块、神经网络训练模块、票据甄别与概率预测模块以及训练模型装载模块，且所述历史数据清洗与归一化模块由记录模块、分类模块、存储模块以及清洗归一模块组成，历史数据清洗与归一化模块通过网络信息与神经网络训练模块连接，所述神经网络训练模块通过网络信息与训练模型装载模块连接，所述票据甄别与概率预测模块通过网络信息与训练模型装载模块连接，票据甄别与概率预测模块由用户票据类型自动甄别模块和用户票据成交概率预测模块组成。
5、优选的，所述神经网络训练模块包括数据划分模块。
6、优选的，所述神经网络训练模块包括交叉验证模块。
7、优选的，神经网络训练模块包括训练数据存储模块。
8、优选的，所述票据甄别与概率预测模块包括用户信息识别模块。
9、优选的，所述票据甄别与概率预测模块包括有票据信息加密模块。
10、本发明使用步骤如下：步骤一：先利用大数据流框架对于近三个月的历史数据进行清洗，首先调整各承兑人票据类型之间的数量比，其次将不同数量级的属性进行归一化处理，具体原因表现在：各属性及各指标之间存在量纲差，若不进行数据处理，如果存在较大的数量级，量纲大的指标会在整体实验和结果分析时尤为突出，出现凸点，量纲小的指标就显得相对弱势，从而影响实验分析结果的准确性和选择的方向性；如果数据数值太大，也会引发数值问题；只有将数据进行归一化处理，才可以更有效地寻求最优解，提高模型训练和预测的准确性。
11、步骤二：然后针对票据中包含的属性，根据票面属性的数量，利用tensorflow确立了四层(2层及以上的隐藏层可以拟合任意的非线性关系，例如复杂的多分类问题。但隐藏层数量越多，计算量越大，模型结构越复杂，因此本实验中，设置隐藏层数为2)神经网络的训练方式，通过有效划分数据集，合理设置训练集与验证集的数据比例，启用交叉验证的方式，从训练集中选取小部分数据作为验证集，交叉验证不仅提供大量的验证集，帮助网络训练得到更合适的参数，从一定程度上还可以防止模型的过拟合，进一步提升模型的精准度。
12、步骤三：然后票据甄别与概率预测模块用已经生成的矩阵调用预测模型，给出对应的预测概率，让用户使用时不再需要开两个窗口，一遍重复的翻看历史成交记录，甚至当天早些时候还没有，一遍猜测自己的价格成交概率多大，在用户上传票据之后，会直观的给出用户概率数据，给予用户强有力的参考。
13、(三)有益效果
14、与现有技术相比，本发明提供了一种基于神经网络的票据成交概率预测系统，具备以下有益效果：
15、1、该一种基于神经网络的票据成交概率预测系统，先利用大数据流框架对于近三个月的历史数据进行清洗，首先调整各承兑人票据类型之间的数量比，其次将不同数量级的属性进行归一化处理，具体原因表现在：各属性及各指标之间存在量纲差，若不进行数据处理，如果存在较大的数量级，量纲大的指标会在整体实验和结果分析时尤为突出，出现凸点，量纲小的指标就显得相对弱势，从而影响实验分析结果的准确性和选择的方向性；如果数据数值太大，也会引发数值问题；只有将数据进行归一化处理，才可以更有效地寻求最优解，提高模型训练和预测的准确性，然后针对票据中包含的属性，根据票面属性的数量，利用tensorflow确立了四层(2层及以上的隐藏层可以拟合任意的非线性关系，例如复杂的多分类问题。但隐藏层数量越多，计算量越大，模型结构越复杂，因此本实验中，设置隐藏层数为2)神经网络的训练方式，通过有效划分数据集，合理设置训练集与验证集的数据比例，启用交叉验证的方式，从训练集中选取小部分数据作为验证集，交叉验证不仅提供大量的验证集，帮助网络训练得到更合适的参数，从一定程度上还可以防止模型的过拟合，进一步提升模型的精准度，然后票据甄别与概率预测模块用已经生成的矩阵调用预测模型，给出对应的预测概率，让用户使用时不再需要开两个窗口，一遍重复的翻看历史成交记录，甚至当天早些时候还没有，一遍猜测自己的价格成交概率多大，在用户上传票据之后，会直观的给出用户概率数据，给予用户强有力的参考。
1.一种基于神经网络的票据成交概率预测系统，其特征在于：包括历史数据清洗与归一化模块、神经网络训练模块、票据甄别与概率预测模块以及训练模型装载模块，且所述历史数据清洗与归一化模块由记录模块、分类模块、存储模块以及清洗归一模块组成，历史数据清洗与归一化模块通过网络信息与神经网络训练模块连接，所述神经网络训练模块通过网络信息与训练模型装载模块连接，所述票据甄别与概率预测模块通过网络信息与训练模型装载模块连接，票据甄别与概率预测模块由用户票据类型自动甄别模块和用户票据成交概率预测模块组成。
2.根据权利要求1所述的一种基于神经网络的票据成交概率预测系统，其特征在于：所述神经网络训练模块包括数据划分模块。
3.根据权利要求1所述的一种基于神经网络的票据成交概率预测系统，其特征在于：所述神经网络训练模块包括交叉验证模块。
4.根据权利要求1所述的一种基于神经网络的票据成交概率预测系统，其特征在于：神经网络训练模块包括训练数据存储模块。
5.根据权利要求1所述的一种基于神经网络的票据成交概率预测系统，其特征在于：所述票据甄别与概率预测模块包括用户信息识别模块。
6.根据权利要求1所述的一种基于神经网络的票据成交概率预测系统，其特征在于：所述票据甄别与概率预测模块包括有票据信息加密模块。
7.根据权利要求1所述的一种基于神经网络的票据成交概率预测系统，其使用步骤如下：