企业经营风险智能预警的合理区间迭代方法技术

本发明专利技术涉及一种企业经营风险智能预警的合理区间迭代方法，属于智能控制领域。其特征是包括步骤1：学习统计历史数据，并按照区间做成柱状图分布；步骤2：将历史数据拟合成正态分布曲线得到正态分布曲线为；步骤3：依据原材料价格波动系数，修正正态分布曲线；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合理区间迭代方法
本专利技术涉及一种企业经营风险智能预警的合理区间迭代方法，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，采用新的处理方法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合理区间迭代方法，其特征是包括以下步骤：步骤1：学习统计历史数据，并按照区间做成柱状图分布其中x为价格，G(x)为价格区段对应的历史数量值；a为分段函数的分段间距，μ为数据平局值，C1到C4为各分段的数量常数，是由历史数据集统计得来；步骤2：将历史数据拟合成正态分布曲线得到正态分布曲线为其中μ数据的平均值，σ是均方差使得差值函数为最小值，从而求得f(x)函数的中σ；步骤3：依据原材料价格波动系数，修正正态分布曲线其中p为修正系数；步骤4：设定合理区间设定合理区间为AA＝{x|μ-3σ<x<μ+3σ}步骤五、判定是否存在风险，输出预测风险值预测风险值函数为h(x)若价格落在合理区间以内，则认为风险值为零，预测不存在风险；若价格落在合理区间以外，则预测存在风险；步骤6：反馈验证合理区间在实际工作中验证结果，实际风险值函数为H(x)x0x1x2x3………..xn为实际计算时的样本价格；合理区间A要根据H(x)实际样本是否发生了风险事件。例如，产品质量以次充好、虚假代工等；将样本x0x1x2x3………..xn逐一进行验证；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，则需要将合理区间A向内缩小为A’，A'＝{x|μ-3σ+0.1nσ<x<μ+3σ-0.1nσ}若连续两次未命中，那么则需要将合理区间向外扩大为A”A'＝{x|μ-3σ-0.1nσ<x<μ+3σ+0.1nσ}其中n为第n次验证样本后累计的调整数值通过重复：预测-验证-预测-验证的过程，迭代优化合理区间A的范围，使得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为步骤1中柱状图；图2为步骤2中正态分布曲线图；图3为步骤3中正态分布曲线图；图4为步骤4中合理区间分布图；图5为步骤5中调整数值示意图。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1-5所示步骤一、学习统计历史数据，并按照区间做成柱状图分布其中x为价格，G(x)为价格区段对应的历史数量值。a为分段函数的分段间距，μ为数据平局值，C1到C4为各分段的数量常数，是由历史数据集统计得来。步骤二、将历史数据拟合成正态分布曲线得到正态分布曲线为其中μ数据的平均值，σ是均方差使得差值函数为最小值，从而求得f(x)函数的中σ。步骤三、依据原材料价格波动系数，修正正态分布曲线其中p为修正系数步骤四、设定合理区间设定合理区间为AA＝{x|μ-3σ<x<μ+3σ}步骤五、判定是否存在风险，输出预测风险值预测风险值函数为h(x)若价格落在合理区间以内，则认为风险值为零，预测不存在风险。若价格落在合理区间以外，则预测存在风险。步骤六、反馈验证合理区间在实际工作中验证结果，实际风险值函数为H(x)x0x1x2x3………..xn为实际计算时的样本价格。合理区间A要根据H(x)实际样本是否发生了风险事件。例如，产品质量以次充好、虚假代工等。将样本x0x1x2x3………..xn逐一进行验证。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，则需要将合理区间A向内缩小为A’，A'＝{x|μ-3σ+0.1nσ<x<μ+3σ-0.1nσ}若连续两次未命中，那么则需要将合理区间向外扩大为A”A'＝{x|μ-3σ-0.1nσ<x<μ+3σ+0.1nσ}其中n为第n次验证样本后累计的调整数值。通过在实际应用中，不断的重复：预测-验证-预测-验证的过程，不断迭代优化合理区间A的范围，使得H(x)＝h(x)，预测结果与实际结果最大程度接近。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合理区间迭代方法，其特征是包括以下步骤：步骤1：学习统计历史数据，并按照区间做成柱状图分布

【技术特征摘要】
1.一种企业经营风险智能预警的合理区间迭代方法，其特征是包括以下步骤：步骤1：学习统计历史数据，并按照区间做成柱状图分布其中x为价格，G(x)为价格区段对应的历史数量值；a为分段函数的分段间距，μ为数据平局值，C1到C4为各分段的数量常数，是由历史数据集统计得来；步骤2：将历史数据拟合成正态分布曲线得到正态分布曲线为其中μ数据的平均值，σ是均方差使得差值函数为最小值，从而求得f(x)函数的中σ；步骤3：依据原材料价格波动系数，修正正态分布曲线其中p为修正系数；步骤4：设定合理区间设定合理区间为AA＝{x|μ-3σ<x<μ+3σ}步骤五、判定是否存在风险，输出预测风险值预测风险值函数为h(x)若价格落在合理区间以内，则认为风险值为零，预测不存在风险；若价格落在合理区间以外，则预测存在风险；步骤6：...

【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，解惠，刘惠萍，杨冰，孙伟杰，律诗，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