ارایه روشی هوشمند برای تخمین میزان خطای شبکه پرداخت الکترونیکی

در این مقاله، روشی هوشمند برای تخمین میزان خطای واقعی حس شده توسط کاربر در سامانه پرداخت الکترونیکی بانکی کشور ارایه شده است. با توجه به اهمیت سامانه پرداخت الکترونیکی بانکی، نیاز به مدلی برای تخمین الگوی رفتاری کاربران احساس می شود تا با ارزیابی میزان منبع خطاهای رخ داده، دید جامع تری از شبکه پرداخت ارایه کند. در این مقاله با بررسی مقایسه روند تراکنش های صورت گرفته در روزهای عملکرد بدون خطای شبکه بانکی نیز روزهایی که در شبکه خطا رخ می دهد، خطای واقعی موجود در شبکه نیز ظرفیت موردنیاز برای شبکه شناسایی می شود. در ابتدا بازه زمانی کل روز به زیربازه های کوچک تر تقسیم در هر یک از این زیربازه ها تابع توزیع احتمالاتی تراکنشها با استفاده از آزمون آماری کولموگروف- اسمیرنف تعیین می شود. برای ساخت مدل هوشمند تخمی نگر، در ابتدا کل روزهای هفته به چهار خوشه روزهای تعطیل، قبل از تعطیل، بعد از تعطیل بقیه روزها خوشه بندی می شوند. سپس برای هر روز بدون رخداد خطا در شبکه، مقادیر شاخص احتمالاتی محاسبه شده این اعداد برای روزهای متوالی هر خوشه به صورت یک سری زمانی کنار هم قرار می گیرند. این سری زمانی به عنوان داده های آموزش مدل هوشمند تخمین گر در فرآیند تخمین مقدار واقعی تراکنش ها در روزهای دارای خطا، در نظر گرفته می شود. در این مقاله از روش ماشین بردار پشتیبان به عنوان ابزار هوشمند یادگیری تخمین استفاده شده است. برای تخمین میزان تراکن شهای یک بانک برای یک روز دارای خطا، با استفاده از مدل هوشمند معرفی شده مقادیر شاخص های احتمالاتی در زیر بازه های زمانی موردنظر تخمین زده می شود تعداد واقعی کل تراکنش ها در ثانیه های مختلف آن روز نیز میزان خطای رخداده بدست می آید. این روش بر روی داده های چند بانک نمونه در ایران پیاده سازی شده نتایج حاصل شده گویای کارایی بسیار بالای این روش است.

کلیدواژه ها:

روش هوشمند ، تخمین تراکنش های خطا ، الگوی رفتار کاربران ، شبکه پرداخت الکترونیکی ، خوشه بندی ، سری زمانی