随着电力改革不断深入,售电市场已逐渐放开,需要电力企业以市场为导向、以客户需求为中心,加速推进供电服务工作全面改进和营销服务水平提升。本文根据国网电力公司存在客服人员安排不合理且投诉较为严重的现象,提出构建基于国网服务大数据的客户投诉预测模型,实现对未来一周客户投诉量的预测。本文研究工作如下:1.选取ARIMA时间序列、多元线性回归、BP神经网络这三种在预测方面具有代表性的数据挖掘算法,分别构建客户投诉预测模型:ARIMA(p,d,q)模型是通过对时间序列进行d次差分,得到平稳的序列,根据自相关和偏自相关函数确定自回归项p,移动平均项数q的值;多元线性回归模型通过逐步回归法对25个初始自变量进行筛选,得到10个自变量,利用最小二乘法对模型系数进行估计,得到多元线性回归方程式;BP神经网络模型是根据PCA降维后得到十个主成分,得出输出层节点数为10个,进而设计网络拓扑结构,进行百次网络训练得到的。通过对三种模型的预测值和真实值的相对误差进行对比,得出BP神经网络模型有95.26%的预测值和真实值的相对误差小于40%。2.针对BP神经网络容易陷入局部极小值的问题,本文引入遗传算法,通过遗传算法对原始种群进行编码、初始化、选择、交叉、变异等操作,求得最优的BP神经网络初始权值和阈值,然后对BP神经网络进行训练,构建基于GA-BP神经网络的客户投诉预测模型,通过对BP神经网络和GA-BP神经网络预测值和真实值相对误差进行比较,得出GA-BP神经网络有99.12%的预测值和真实值的相对误差小于40%。因此,GA-BP神经网络模型为最优的客户投诉预测模型。将该模型应用到客户投诉预测中,有效解决了电力公司客服人员安排不合理和投诉现象较为严重的问题。