企业经营风险智能预警的单一参数衰减累加法制造技术

本发明专利技术涉及一种企业经营风险智能预警的单一参数衰减累加法，属于智能控制领域。其特征是包括以下步骤：步骤1：判断事件的相关性；步骤2：判断影响值的阈值。本发明专利技术自动分析，代替人工。对周边合作企业进行自动分析，自动扫描，自动获取数据并计算风险，比人工计算更加迅速，更加准确。智能分析，不断进化。采用人工智能算法，由于人工智能技术本身的特点，算法模型本身会随着应用次数的增加，会自动学习新的数据并积累经验，精准度会逐渐增加。

【技术实现步骤摘要】
企业经营风险智能预警的单一参数衰减累加法
本专利技术涉及一种企业经营风险智能预警的单一参数衰减累加法，属于智能控制领域。
技术介绍
大型国有企业，尤其是央企，其经营规模巨大、涉及行业广泛，需要与社会各界大量企业进行合作，进行买卖经营活动。由于央企在进行采购、销售过程中，所涉及的企业数量巨大，无法逐一分析周边企业所存在的风险，存在因周边企业经营困难、企业倒闭导致的国有资产流失。以国网山东省电力公司为例，该公司与1847家企业签订了产品供应合同，1124家企业直接或简介签订了工程施工合同，与145家企业签订了电能采购合同，与近100万家电力客户签订了供用电合同。这些周边企业若是因自身经营不善，陷入倒闭或者经营不善的境地，无法履行合同，就会导致电费无法回收、采购物资无法到货、施工工程烂尾等情况，造成国有资产流失。目前，大型国有企业没有办法自动分析其大量周边企业经营状况，无法对周边的经营风险进行预警。
技术实现思路
本专利技术要提供一种可以克服上述缺陷，采用人工智能的算法，对已经收集到的周边企业多维度信息进行计算。通过大量的历史数据样本进行训练之后，得到一个成熟的人工智能模型，从而可以自动得出对每个企业经营状况的分析结果，并对经营风险较高的企业发出内部预警，提前管控与风险企业的业务流程，以便及时止损。为了实现上述目的，本专利技术采取如下技术方案：一种企业经营风险智能预警的单一参数衰减累加法，其特征是，包括以下步骤：步骤1：判断事件的相关性具体的：情况1判定不相关事件的独立衰减其中Q(x)为时间影响值随时间延长的衰减函数，X为时间，x＝0表示当前时间节点；a1代表第一次事件的影响程度，t1代表第一次事件的发生时间；a2代表第二次事件的影响程度，t2代表第二次事件的发生时间；n为衰减系数，此系数要依据最后的判定结果做出调整；情况2判定相关事件的衰减同样的，a1代表第一次事件的影响程度，t1代表第一次事件的发生时间；a2代表第二次事件的影响程度，t2代表第二次事件的发生时间；第二次事件的影响值应在a2的基础上增加a1的剩余影响；若有多个事件，Q(x)就为所有事件影响值的求和步骤2：判断影响值的阈值其中h(x)是风险预测结果，其值为1，则代表存在风险，其值为0则判断没有风险；Q(0)为在x时间节点为0(当前时间)全部风险事件衰减的求和。Q0为风险阈值；步骤3：依据实际结果调整衰减系数H(x)是真是风险事件发生的情况依据实际风险事件与预测风险是否一致来调整衰减系数n若连续两个样本输出结果，h(x)＝H(x)，预测风险与实际风险一致，也就是预测结果命中，则需要将衰减系数n缩小为n’，若连续两次未命中，那么则需要将衰减系数你扩大为n”A'＝{x|μ-3σ-0.1nσ<x<μ+3σ+0.1nσ}依据调整之后的衰减系数，再次预测、比对，直至调整至H(x)＝h(x)。本专利技术的有益效果为：自动分析，代替人工。对周边合作企业进行自动分析，自动扫描，自动获取数据并计算风险，比人工计算更加迅速，更加准确。2、智能分析，不断进化。采用人工智能算法，由于人工智能技术本身的特点，算法模型本身会随着应用次数的增加，会自动学习新的数据并积累经验，精准度会逐渐增加。附图说明图1为本方法中模型图。具体实施方式为了便于理解，下面通过实施例，结合附图，对本专利技术的技术方案作进一步具体说明：如图1企业经营风险智能预警这个系统，所采用的人工智能算法是“不平衡数据模糊预测分类建模方法”，而本专利所称的“单一参数衰减累加法”是上述“分类建模方法”中一类建模方法。针对数据类型：企业经历的有正面、负面影响的法律事件、行政事件、信用事件等。步骤一、判断事件的相关性情况一、不相关事件的独立衰减其中Q(x)为时间影响值随时间延长的衰减函数，X为时间，x＝0表示当前时间节点。a1代表第一次事件的影响程度，t1代表第一次事件的发生时间。a2代表第二次事件的影响程度，t2代表第二次事件的发生时间。n为衰减系数，此系数要依据最后的判定结果做出调整。情况二，相关事件的衰减同样的，a1代表第一次事件的影响程度，t1代表第一次事件的发生时间。a2代表第二次事件的影响程度，t2代表第二次事件的发生时间。不同之处在于两次事件是相互关联的。第二次事件的影响值应在a2的基础上增加a1的剩余影响。若有多个事件，Q(x)就为所有事件影响值的求和。步骤二、判断影响值的阈值其中h(x)是风险预测结果，其值为1，则代表存在风险，其值为0则判断没有风险。Q(0)为在x时间节点为0(当前时间)全部风险事件衰减的求和。Q0为风险阈值。步骤三、依据实际结果调整衰减系数H(x)是真是风险事件发生的情况依据实际风险事件与预测风险是否一致来调整衰减系数n若连续两个样本输出结果，h(x)＝H(x)，预测风险与实际风险一致，也就是预测结果命中，则需要将衰减系数n缩小为n’，若连续两次未命中，那么则需要将衰减系数你扩大为n”A'＝{x|μ-3σ-0.1nσ<x<μ+3σ+0.1nσ}依据调整之后的衰减系数，再次预测、比对，直至调整至H(x)＝h(x)。上述实施例只是对本专利技术技术方案的举例说明或解释，而不应理解为对本专利技术技术方案的限制，显然，本领域技术人员可对本专利技术进行修改和变型而不脱离本专利技术的精神和保护范围。倘若这些修改和变型属于本专利技术权利要求极其等同技术的范围之内，则本专利技术也包含这些修改和变型在内。本文档来自技高网...

【技术保护点】
1.一种企业经营风险智能预警的单一参数衰减累加法，其特征是，包括以下步骤：步骤1：判断事件的相关性具体的：情况1判定不相关事件的独立衰减

【技术特征摘要】
1.一种企业经营风险智能预警的单一参数衰减累加法，其特征是，包括以下步骤：步骤1：判断事件的相关性具体的：情况1判定不相关事件的独立衰减其中Q(x)为时间影响值随时间延长的衰减函数，X为时间，x＝0表示当前时间节点；a1代表第一次事件的影响程度，t1代表第一次事件的发生时间；a2代表第二次事件的影响程度，t2代表第二次事件的发生时间；n为衰减系数，此系数要依据最后的判定结果做出调整；情况2判定相关事件的衰减同样的，a1代表第一次事件的影响程度，t1代表第一次事件的发生时间；a2代表第二次事件的影响程度，t2代表第二次事件的发生时间；第二次事件的影响值应在a2的基础上增加a1的剩余影响；若有多个事件，Q(x)就为所有事件影...

【专利技术属性】
技术研发人员：周涛，孙宏志，王贞民，邱远民，王先明，张洪民，杨冰，孙伟杰，刘惠萍，律诗，解惠，李洪伟，
申请(专利权)人：国网山东省电力公司淄博供电公司，国家电网有限公司，
类型：发明
国别省市：山东,37