基于D-S证据合成技术风险预警指标系统技术方案

本发明专利技术公开了基于D

【技术实现步骤摘要】
基于D
‑
S证据合成技术风险预警指标系统


[0001]本专利技术涉及风险预警指标领域，具体涉及基于D
‑
S证据合成技术风险预警指标系统。

技术介绍

[0002]D
‑
S证据合成技术是一种不精确推理理论，也称为Dempster/Shafer证据理论(D
‑
S证据理论)，属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。作为一种不确定推理方法，证据理论的主要特点是：满足比贝叶斯概率论更弱的条件；具有直接表达“不确定”和“不知道”的能力；
[0003]在进行风险预警指标的生成计算过程中也会使用到D
‑
S证据合成技术。
[0004]现有的风险预警指标系统，生成的预警指标类型较为单一，导致生成的预警指标参考不够高，准确性也不够高，给风险预警指标系统的使用带了一定的影响，因此，提出基于D
‑
S证据合成技术风险预警指标系统。

技术实现思路

[0005]本专利技术所要解决的技术问题在于：如何解决现有的风险预警指标系统，生成的预警指标类型较为单一，导致生成的预警指标参考不够高，准确性也不够高，给风险预警指标系统的使用带了一定的影响的问题，提供了基于D
‑
S证据合成技术风险预警指标系统。
[0006]本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括企业信息采集模块、数据接收模块、数据分析模块、结果导出模块、模型组建模块、模型比对模块、模型库、指标生成模块、总控模块、信息发送模块、数据库、登录模块、身份验证模块与警报发送模块；
[0007]所述企业信息采集模块用于采集企业信息，企业信息包括企业经营范围信息、企业成立时间信息、企业往年利润信息、企业科研投入信息；
[0008]所述数据接收模块用于接收企业信息，并将企业信息发送到数据分析模块；
[0009]所述数据分析模块对企业信息进行分析先通过D
‑
S证据合成技术进行分析处理，得到第一风险预警指标信息；
[0010]所述数据接收模块同时将企业信息发送到模型组建模块，所述模型组件模块接收到企业信息后对企业信息进行处理，生成实时企业模型信息，所述实时企业模型信息被发送到模型比对模块；
[0011]所述模型库中预存了预设企业模型，所述模型比对模块获取到实时企业模型信息后从模型库中提取出预设企业模型，进行匹配处理，得到匹配结果信息，所述匹配结果信息被发送到指标生成模块；
[0012]所述指标生成模块接收到匹配结果信息后提取出匹配出的模型等级信息，根据等级信息生成第二风险预警指标信息；
[0013]所述第一风险预警指标信息生成后被发送到数据库；
[0014]所述第二风险预警指标信息生成后总控模块控制信息发送模块将其发送到数据
库；
[0015]所述登录模块用于用户输入登录信息，所述身份验证模块对用户输入的登录信息进行验证，验证通过用户即允许提取数据库中的风险预警指标信息，连续验证失败时，即生成警报信息，警报信息被发送到警报发送模块，警报发送模块将警报信息发送到预设接收终端。
[0016]进一步在于，所述模型组件模块接收到企业信息后对企业信息处理成实时企业模型信息的具体处理过程如下：
[0017]步骤一：提取出采集到的企业信息，并从企业信息中提取出企业经营范围信息、企业成立时间信息、企业往年利润信息、企业科研投入信息；
[0018]步骤二；提取出企业经营范围信息，将其导入到互联网中，从互联网中随机提取出x个相同经营范围的企业，并获取到相同经营范围的企业的年利润信息，将其标记为Kx，x≥5，通过公式(K1+K2
……
Kx)/x＝K
均
，对K
均
进行分析得到第一模型分；
[0019]步骤三：提取出企业成立时间信息，将其标记为T，对T进行分析得到第二模型分；
[0020]步骤四：提取出企业往年利润信息，将其标记为P，计算出P与K
均
之间的差值得到PK
差
，对PK
差
进行分析得到第三模型分；
[0021]步骤五：提取出企业科研投入信息，将其标记为M，对企业科研投入信息M进行分析得到第四模型分；
[0022]步骤六：计算出第一模型分、第二模型分、第三模型分与第四模型分之和得到实时模型分，即实时企业模型信息。
[0023]进一步在于，所述第一模型分、第二模型分、第三模型分与第四模型分的具体处理过程如下：
[0024]S1：提取出K
均
，当K
均
大于预设值时，第一模型分为A1分，当K
均
在预设值范围内时，第一模型分为A2分，当K
均
小于预设值时，第一模型分为A3分，A1＞A2＞A3；
[0025]S2：提取出企业成立时间信息T，当T大于预设值时，第二模型分为预设值B1，当T在预设值范围内时，第二模型分为B2分，当T小于预设值时，第二模型分为B3分，B1＞B2＞B3；
[0026]S4：提取出PK
差
，当PK
差
大于预设值时，第三模型分为C1分，当PK
差
在预设值范围内时，第三模型分为C2分，当PK
差
小于预设值时，第三模型分为C3分，C1＞C2＞C3；
[0027]S5：提取出企业科研投入信息M，当企业科研投入信息M大于预设值时，第四模型分为预设值D1，当企业科研投入信息M在预设值范围内时，第四模型分为D2分，当企业科研投入信息M小于预设值时，第四模型分为D3分，D1＞D2＞D3。
[0028]进一步在于，所述模型比对模块进行模型比对的具体过程如下：提取出获取到的实时企业模型信息，将实时企业模型信息标记为G
实
，数据库汇中预存了i个预设模型信息Gi，计算出企业模型信息G
实
与预设模型信息Gi之间的差值，得到i个Ggi
差
，从i个Ggi
差
中获取到数值最小的Ggi
差
，提取出数值最小的Ggi
差
对应的预设模型为匹配结果信息。
[0029]进一步在于，所述指标生成模块接收到匹配结果信息后提取出匹配出的模型等级信息，根据等级信息生成第二风险预警指标信息的具体过程如下：数据库中预存的预设模型信息包括一级模型、二级模型、三级模型与四级模型，级别越高即表示是该种模型对应的企业风险越高，匹配结果对应的预设模型的等级即为第二风险预警指标信息的具体内容信息。
[0030]进一步在于，所述数据库在接收到第一风险预警指标信息与第二风险预警指标信息后，对第一风险预警指标信息与第二风险预警指标信息进行分析处理，当第一风险预警指标信息与第二风险预警指标信息的风险等级不同时，即重新进行第一风险预警指标信息的计算，当再次获取到的第一风险本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于D
‑
S证据合成技术风险预警指标系统，其特征在于，包括企业信息采集模块、数据接收模块、数据分析模块、结果导出模块、模型组建模块、模型比对模块、模型库、指标生成模块、总控模块、信息发送模块、数据库、登录模块、身份验证模块与警报发送模块；所述企业信息采集模块用于采集企业信息，企业信息包括企业经营范围信息、企业成立时间信息、企业往年利润信息、企业科研投入信息；所述数据接收模块用于接收企业信息，并将企业信息发送到数据分析模块；所述数据分析模块对企业信息进行分析先通过D
‑
S证据合成技术进行分析处理，得到第一风险预警指标信息；所述数据接收模块同时将企业信息发送到模型组建模块，所述模型组件模块接收到企业信息后对企业信息进行处理，生成实时企业模型信息，所述实时企业模型信息被发送到模型比对模块；所述模型库中预存了预设企业模型，所述模型比对模块获取到实时企业模型信息后从模型库中提取出预设企业模型，进行匹配处理，得到匹配结果信息，所述匹配结果信息被发送到指标生成模块；所述指标生成模块接收到匹配结果信息后提取出匹配出的模型等级信息，根据等级信息生成第二风险预警指标信息；所述第一风险预警指标信息生成后被发送到数据库；所述第二风险预警指标信息生成后总控模块控制信息发送模块将其发送到数据库；所述登录模块用于用户输入登录信息，所述身份验证模块对用户输入的登录信息进行验证，验证通过用户即允许提取数据库中的风险预警指标信息，连续验证失败时，即生成警报信息，警报信息被发送到警报发送模块，警报发送模块将警报信息发送到预设接收终端。2.根据权利要求1所述的基于D
‑
S证据合成技术风险预警指标系统，其特征在于：所述模型组件模块接收到企业信息后对企业信息进行处理，生成实时企业模型信息的具体处理过程如下：步骤一：提取出采集到的企业信息，并从企业信息中提取出企业经营范围信息、企业成立时间信息、企业往年利润信息、企业科研投入信息；步骤二；提取出企业经营范围信息，将其导入到互联网中，从互联网中随机提取出x个相同经营范围的企业，并获取到相同经营范围的企业的年利润信息，将其标记为Kx，x≥5，通过公式(K1+K2
……
Kx)/x＝K
均
，对K
均
进行分析得到第一模型分；步骤三：提取出企业成立时间信息，将其标记为T，对T进行分析得到第二模型分；步骤四：提取出企业往年利润信息，将其标记为P，计算出P与K
均
之间的差值得到PK
差
，对PK
差
进行分析得到第三模型分；步骤五：提取出企业科研投入信息，将其标记为M，对企业科研投入信息M进行分析得到第四模型分；步骤六：计算出第一模型分、第二模型分、第三模型分与第四模型分之和得到实时模型分，即实时企业模型信息。3.根据权利要求2所述的基于D
‑
S证据合成技术风险预警指标系统，其特征在于：所述第一模型分、第二模型分、第三模型分与第四模型分的具体处理过程如下：S1：提取出K
均
，当K
均
大于预设值时，第一模型分为A1分，当K
均
在预设值范围内时，第一模

【专利技术属性】
技术研发人员：张超，陈绪龙，黄红亮，
申请(专利权)人：安徽经邦软件技术有限公司，
类型：发明
国别省市：