算法的算法参数的可靠性。如果验证通过，则可将验证通过的算法作为相应业务类型的对应的预测算法，否者重新选择算法并进行训练和验证。
[0035]对于得到的预测算法可存储至预设算法库，以供后续数据输入时进行调用。
[0036]其中，上述时间序列算法可包括以下算法中的中的一种或多种:
[0037]I)简单序时平均数法，即将若干历史时期的统计数值作为观察值，然后求出观察值的算术平均数，并作为下期预测值。该算法可适用于变化不大的趋势预测。如果数据呈现某种上升或下降的趋势，则不宜采用此算。
[0038]2)加权序时平均数法，即把各个时期的历史数据按近期和远期影响程度进行加权，求出平均值，作为下期预测值。
[0039]3)简单移动平均法，即相继移动计算若干时期的算术平均数作为下期预测值，也就是说，对由移动期数的连续移动所形成的各组数据，使用算术平均法计算各组数据的移动平均值，并将其作为下一期预测值。
[0040]4)加权移动平均法，即将简单移动平均数进行加权计算。其中，在确定权数时，近期观察值的权数相对于远期观察值的权数较大。
[0041]5)指数平滑法，即根据历史资料的上期实际数和预测值，用指数加权的办法进行预测。此法实质是由内加权移动平均法演变而来的一种方法，优点是只要有上期实际数和上期预测值，就可计算下期的预测值，这样可以节省很多数据和处理数据的时间，减少数据的存储量，方法简便。是一种广泛使用的短期预测方法。
[0042]6)季节趋势预测法，即根据经济事物每年重复出现的周期性季节变动指数，预测其季节性变动趋势。
[0043]S103，根据预测算法预测所述业务类型对应的输入区间。
[0044]在本发明的一个实施例中，根据预测算法预测所述业务类型对应的输入区间可具体包括:采用预测算法对历史输入数据进行处理以业务类型对应的输入区间。具体地，可在历史输入数据中随机选择部分数据，并使用预测算法对选择的数据进行计算，得到输入区间。
[0045]S104，判断用户输入的数据是否在输入区间之中。
[0046]S105，如果不在输入区间之中，则确定用户输入的数据异常。
[0047]如果用户输入的不在输入区间中，则表明该数据与为输入异常的数据。例如，可能是由于用户误操作或者其他原因导致的输入错误。
[0048]S106，如果在输入区间之中，则接受用户输入的数据。
[0049]如果输入数据在输入区间中，则表明该数据符合历史输入规律，则接受该输入数据。
[0050]本发明实施例的数据校验方法，在接收到用户输入的数据之后，可获取该数据的业务类型，并根据业务类型选择对应的预测算法预测输入区间，如果用户输入的数据不在该输入区间之中，则确定该数据异常，，由此，能够加强不同应用场景下对用户输入的数据的合法性的检查，减少因为输入过程中误操作导致的一些错误，提高数据校验的精度，提高输入数据的可靠性，减少较少通过人工进行异常数据检查的工作量。
[0051 ]图3为根据本发明一个具体实施例的数据校验方法的流程图。
[0052 ]如图3所示，根据本发明实施例的数据校验方法，包括:
[0053]SI，接收待校验数据。
[0054]待校验数据即用户输入的数据。
[0055]S2，获取预测算法。
[0056]根据用户输入的数据的业务类型从算法库获取预测算法。
[0057]S3，计算预测值(输入区间)。
[0058]S4，将预测值与输入数据进行比较。
[0059]S5，根据比较结果判断输入数据是否正在输入区间中。
[0060 ]如果是，则执行S6，如果否，则执行S7。
[0061 ] S6，接受用户输入，校验通过。
[0062]S7，提醒用户进行确认。
[0063]当提醒用户输入数据异常时，用户可对输入数据进行判断，如果输入错误，可对输入数据进行修改，如果输入数据没有问题，则可对输入数据进行确认。
[0064]S8，判断用户是否确认输入数据正确。
[0065 ]如果是，则执行S6，否则执行S9。
[0066]S9，提示用户重新输入。
[0067]图4为根据本发明另一个实施例的数据校验方法的流程图。
[0068]如图4所示，该数据校验方法，在确定用户输入的数据异常之后，还可包括:
[0069]S107，对用户进行数据异常提醒。
[0070]在确定用户输入的数据异常之后，可提醒用户输入数据异常，以便由用户确认输入数据是否正确。
[0071]本发明实施例中对提醒方式不做限定，可以通过语音、提示窗口、弹出文字、特殊标记(如高亮标记)等方式进行数据异常提醒。
[0072]S108，接收用户的确认输入信息，并记录确认次数。
[0073]当提醒用户输入的数据异常时，用户可对输入的数据进行判断，如果输入错误，可对输入的数据进行修改，如果输入饿数据没有问题，则可确认输入。
[0074]在每次接收到用户的确认输入信息后，可进行记录，由此可记录用户对判断异常的数据的确认次数。
[0075]S109，当确认次数大于预设阈值时，对预测算法进行调整。
[0076]当记录的确认次数大于预设阈值时，表明根据当前选择的预测算法生成的输入区间并不准确，因此，需要对预测算法进行调整。具体地，可根据记录的用户确认输入的数据调整所述预测算法的参数。也就是说，对于每次用户将判断异常的数据确认输入时，可记录该数据，并作为相应业务类型的历史数据。当对该业务类型的预测算法进行调整时，可根据增加新数据的历史输入数据重新确定预测算法的算法参数。具体的，可通过图2所示过程中对算法的参数或者模型进行优化，以提高预测算法的可靠性，从而提高数据校验的精度和可靠性。
[0077]本发明实施例的数据校验方法，能够在对用户进行异常输入提醒，并在用户对异常的数据确认输入时，记录用户的确认输入次数，并在用户的确认输入次数超重预设阈值时，对预测算法进行调整，从而进一步提高数据校验的精度和可靠性。
[0078]为了实现上述实施例，本发明还提出一种数据校验装置。
[0079]图5为根据本发明一个实施例的数据校验装置的结构示意图。
[0080]如图5所示，根据本发明实施例的数据校验装置，包括:接收模块10、选择模块20、预测模块30、判断模块40和确定模块50。
[0081]具体地，接收模块10用于接收用户输入的数据，并获取用户输入的数据的业务类型。
[0082]数据录入系统可提供输入界面，输入界面中可包括与不同业务对应的输入框。当接收模块10接收到用户在输入框中输入数据时，可根据输入框对应的业务类型确定用户输入的数据的业务类型。
[0083]选择模块20用于根据业务类型选择对应的预测算法，其中，预算法是根据业务类型的历史输入数据训练得到的。
[0084]具体地，选择模块20可根据业务类型在预先建立的算法库中查找对应的预测算法。
[0085]其中，算法库