买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东远硕上池健康科技有限公司

摘要：本发明涉及数据处理技术领域，具体涉及一种车辆出险的人伤理赔信息智能管理方法，包括：获取历史已决理赔用户数据和第一财年已决理赔用户数据；对历史已决理赔用户数据和第一财年已决理赔用户数据进行分类；获取不同类型已决理赔用户在第一财年的每个月的理赔人数最终预测值；根据不同类型已决理赔用户在第一财年的每个月的理赔人数最终预测值得到第一财年的预估准备金；根据第一财年的预估准备金，调整公司的决策。本发明有助于保险公司更准确地估计理赔风险和准备金金额，避免准备金金额过度或不足的问题。

主权项：1.一种车辆出险的人伤理赔信息智能管理方法，其特征在于，该方法包括以下步骤：获取历史已决理赔用户数据和第一财年已决理赔用户数据；将第一财年已决理赔用户数据分类为若干种类型，得到第一财年每种类型的已决理赔用户数据序列；对历史已决理赔用户数据分类得到历史每年每种类型历史已决理赔用户数据序列；根据历史每年每种类型历史已决理赔用户数据序列得到历史每种类型已决理赔用户每个月理赔人数数据序列；根据第一财年每种类型的已决理赔用户数据序列得到实际理赔人数数据序列；根据历史每种类型已决理赔用户每个月理赔人数数据序列得到预测理赔人数数据序列；根据实际理赔人数数据序列和预测理赔人数数据序列得到修正参数；根据预测理赔人数数据序列和实际理赔人数数据序列的差异性和修正参数得到每种类型已决理赔用户在第一财年的每个月的理赔人数最终预测值；根据历史每年每种类型历史已决理赔用户数据序列得到每种类型已决理赔用户的预测治疗时长数据、预测医疗费用数据和预测医疗损失数据；根据每种类型已决理赔用户在第一财年的每个月的理赔人数最终预测值和每种类型已决理赔用户的预测治疗时长数据、预测医疗费用数据和预测医疗损失数据得到第一财年的预估准备金；根据第一财年的预估准备金，调整公司的决策；所述将第一财年已决理赔用户数据分类为若干种类型，得到第一财年每种类型的理赔用户数据序列，包括的具体步骤如下：使用基于动态时间规整的聚类方法，将第一财年已决理赔用户数据分类为种类型，得到第一财年种类型的已决理赔用户数据序列为；其中表示第一财年第种类型的已决理赔用户数据；所述对历史已决理赔用户数据分类得到历史每年每种类型历史已决理赔用户数据序列，包括的具体步骤如下：针对历史已决理赔用户数据，分别计算历史已决理赔用户数据与第一财年每种类型的已决理赔用户数据的相似度，实现对历史已决理赔用户数据的分类得到历史每年第种类型历史已决理赔用户数据序列；其中，表示第年第种类型的已决理赔用户数据；所述根据历史每年每种类型历史已决理赔用户数据序列得到历史每种类型已决理赔用户每个月理赔人数数据序列，包括的具体步骤如下：根据历史每年每种类型历史已决理赔用户数据序列得到历史第种类型已决理赔用户每个月理赔人数数据序列，其中表示第种类型的历史已决理赔用户在5年中第个月的理赔人数数据；所述根据第一财年每种类型的已决理赔用户数据序列得到实际理赔人数数据序列，包括的具体步骤如下：提取第一财年第种类型已决理赔用户每个月的理赔人数数据，按照倒序进行排列记为第种类型实际理赔人数数据序列，其中，表示第种类型已决理赔用户第一财年第个月的理赔人数数据；所述根据历史每种类型已决理赔用户每个月理赔人数数据序列得到预测理赔人数数据序列，包括的具体步骤如下：根据历史每种类型已决理赔用户每个月理赔人数数据序列得到ARIMA模型，使用模型对第种类型的已决理赔用户在第一财年每个月的理赔人数数据进行预测，得到第一财年第种类型在每个月的预估理赔人数数据，按照倒序进行排列作为对比数据，记为第种类型预测理赔人数数据序列，其中，是指第种类型的已决理赔用户在ARIMA预测模型预测出的核算评估日所在月份会出现的理赔用户人数数据，是指第种类型的已决理赔用户在ARIMA预测模型预测出的核算评估日所在月份之前的第1个月份会出现的理赔用户人数数据，是指第种类型的已决理赔用户在ARIMA预测模型预测出的核算评估日所在月份之前的第2个月份会出现的理赔用户人数数据，是指第种类型的已决理赔用户在ARIMA预测模型预测出的核算评估日所在月份之前的第3个月份会出现的理赔用户人数数据，是指第种类型的已决理赔用户在ARIMA预测模型预测出的核算评估日所在月份之前的第11个月份会出现的理赔用户人数数据，核算评估日在第一财年的12月份；所述根据实际理赔人数数据序列和预测理赔人数数据序列得到修正参数，包括的具体步骤如下：根据实际理赔人数数据序列和预测理赔人数数据序列得到修正参数的计算表达式为： 式中，表示第种类型已决理赔用户在第一财年的第个月的修正参数；表示实际理赔人数数据序列和预测理赔人数数据序列中第种类型已决理赔用户在第一财年的第个月的理赔人数数据的差异值；表示第种类型已决理赔用户在第一财年的第个月的预测理赔用户人数数据；表示第种类型已决理赔用户在第一财年的第个月的实际理赔用户人数数据；表示第种类型预测理赔人数数据序列的标准差；和为预设参数；所述根据预测理赔人数数据序列和实际理赔人数数据序列的差异性和修正参数得到每种类型已决理赔用户在第一财年的每个月的理赔人数最终预测值，包括的具体步骤如下：根据预测理赔人数数据序列和实际理赔人数数据序列的差异性得到第种类型已决理赔用户在第一财年的第个月的理赔人数最终预测值，其计算表达式为： 式中，表示第种类型已决理赔用户在第一财年的第个月的理赔人数最终预测值；表示第种类型已决理赔用户在第一财年的第个月的修正参数；表示第种类型已决理赔用户在第一财年的第个月的预测理赔用户人数数据；表示第种类型已决理赔用户在第一财年的第个月的实际理赔用户人数数据；表示第种类型已决理赔用户在第一财年的相关性权重；表示第种类型已决理赔用户在第一财年的预测理赔人数数据序列和实际理赔人数数据序列的差异性；表示第种类型实际理赔人数数据序列的标准差；表示第种类型预测理赔人数数据序列的标准差；表示第种类型预测理赔人数数据序列和第种类型实际理赔人数数据序列的协方差；为预设参数；表示以自然常数为底数的指数函数；为预设参数；所述根据历史每年每种类型历史已决理赔用户数据序列得到每种类型已决理赔用户的预测治疗时长数据、预测医疗费用数据和预测医疗损失数据，包括的具体步骤如下：根据历史每年第种类型历史已决理赔用户数据序列，分别计算前五年在11月和12月第种类型已决理赔用户的治疗时长数据的均值、医疗费用数据的均值和医疗损失数据的均值，分别作为第种类型已决理赔用户的预测治疗时长数据、预测医疗费用数据和预测医疗损失数据；其次，计算第一财年第种类型已决理赔用户治疗时长数据均值；所述根据每种类型已决理赔用户在第一财年的每个月的理赔人数最终预测值和每种类型已决理赔用户的预测治疗时长数据、预测医疗费用数据和预测医疗损失数据得到第一财年的预估准备金，包括的具体步骤如下：根据不同类型已决理赔用户在第一财年的每个月的理赔人数最终预测值得到第一财年的预估准备金，其计算表达式为： 式中，表示第一财年的预估准备金；表示第一财年中已决理赔用户的类型数量；表示第种类型已决理赔用户的预测医疗费用数据；表示第种类型已决理赔用户的预测医疗损失数据；表示第种类型已决理赔用户的预测治疗时长数据；表示第一财年第种类型已决理赔用户治疗时长数据均值；表示在第一财年的第个月第种类型已决理赔用户的权重值；表示第种类型已决理赔用户在第一财年的第个月的理赔人数最终预测值。

全文数据：

权利要求：

百度查询： 山东远硕上池健康科技有限公司 一种车辆出险的人伤理赔信息智能管理方法