一种融合用电信息的企业信用评估方法与系统技术方案

本发明专利技术公开了一种融合用电信息的企业信用评估方法与系统，方法包含：步骤1：获取企业用户的用电行为原始数据；步骤2：对用电行为原始数据进行预处理后得到用电行为数据；步骤3：获取企业用户的放款标签，并将用电行为数据匹配关联至放款标签得到建模样本数据，将建模样本数据分割为训练样本与测试样本；步骤4：依据训练样本构建采用一种基于改进灰狼算法优化RBF神经网络的基于融合用电信息的企业信用评估预测模型；步骤5：将测试样本输入至企业信用评估预测模型中进行测试得到企业信用评估模型；步骤6：获取目标企业用电行为数据并输入至企业信用评估模型中得到评估数据；系统包含数据处理模块、模型构建模块、评估模块。评估模块。评估模块。

【技术实现步骤摘要】
一种融合用电信息的企业信用评估方法与系统


[0001]本专利技术涉及企业信用评估领域，具体涉及一种融合用电信息的企业信用评估方法与系统。

技术介绍

[0002]传统金融中小微贷款客户风险管理过程中，主要通过季度贷后检查、月度经营检查、电催外访等方式，通过三大财务表分析后进行每季度例行风险管理，以及按各管理要求不同收集贷款客户上月的能耗表单进行贷后经营检查；中小微客户地理位置分散，行业分布分散、经营主体多样，中小微型企业和银行之间存在严重的信息不对称，导致对这类中小微型企业的贷后管理难度非常大，金融机构存在贷前空壳公司信用骗贷、贷后企业生产经营情况无法监测、突发性经营危机信息掌握不及时，导致商业银行存在“存量贷款客户管理难”的问题；
[0003]电力数据具有实时性、准确性、客观性的特点和很强的溢出效应，用电情况与企业的生产经营情况息息相关，一般来说，用电量可以客观反映企业的生产情况，交费行为和特征可以一定程度反映企业的经营情况；
[0004]因此，需要开发出一款针对现有中小企业电力数据信用评估方法及系统，就成为本领域技术人不断研发的目标。

技术实现思路

[0005]本专利技术要解决的技术问题是传统金融中小微贷款客户风险管理过程中，会导致对这类中小微型企业的贷后管理难度非常大，金融机构存在贷前空壳公司信用骗贷、贷后企业生产经营情况无法监测、突发性经营危机信息掌握不及时，导致商业银行存在“存量贷款客户管理难”的问题，本专利技术提供一种融合用电信息的企业信用评估方法，本专利技术还提供一种融合用电信息的企业信用评估系统，针对正在用电的企业客户进行基于客户本身和客户所处行业，以电力视角度量电量、电费、违约和业扩等行为，进而综合反映企业电力综合智能评分及风险等级，用以解决现有技术导致的缺陷。
[0006]为解决上述技术问题本专利技术提供以下的技术方案：
[0007]第一方面，一种融合用电信息的企业信用评估方法，其中，包含以下步骤：
[0008]步骤1：获取企业用户的用电行为原始数据；
[0009]步骤2：对所述用电行为原始数据进行预处理后得到用电行为数据；
[0010]步骤3：获取企业用户的放款标签，并将所述用电行为数据匹配关联至所述放款标签得到建模样本数据，将所述建模样本数据分割为训练样本与测试样本；
[0011]步骤4：依据所述训练样本构建采用一种基于改进灰狼算法优化RBF神经网络的基于融合用电信息的企业信用评估预测模型；
[0012]步骤5：将所述测试样本输入至所述企业信用评估预测模型中进行测试得到企业信用评估模型；
[0013]步骤6：获取目标企业用电行为数据并输入至所述企业信用评估模型中得到评估数据。
[0014]上述的一种融合用电信息的企业信用评估方法，其中，所述用电行为原始数据包含电量数据、电费数据、用户容量、用户行业、违约用电信息、缴欠费信息。
[0015]上述的一种融合用电信息的企业信用评估方法，其中，步骤2对所述用电行为原始数据依次进行缺失值处理、错误数据处理、相同类别数据处理、数据筛选得到所述用电行为数据。
[0016]上述的一种融合用电信息的企业信用评估方法，其中，依据所述训练样本构建采用一种基于改进灰狼算法优化RBF神经网络的基于融合用电信息的所述企业信用评估预测模型的具体方法如下：
[0017]初始化RBF网络结构，选取n个所述训练样本作为输入数据，初始化隐含层神经元个数l、数据中心c、数据宽度σ、网络权重ω；
[0018]将数据中心c、数据宽度σ、网络权重ω编码生成灰狼的位置矢量，设置灰狼种群规模，其中，种群成员的维数为RBF神经网络待优化参数c、σ和ω的维数之和，对灰狼个体的空间分布进行混沌初始化，采用实数编码方法，把径向基函数的数据中心c
i
、数据宽度σ
i
、输出层的网络权值ω
i
编成染色体，用实数来表示每个个体的基因值，基因值编码方式为：
[0019]X＝(c
11
,
…
,c
1n
,c
21
,
…
,c
hn
,σ
11
,
…
,σ
1n
,σ
21
,
…
,σ
ln
,w
11
,
…
,w
1n
,w
21
,
…
,w
ln
)；
[0020]将所述训练样本进行归一化处理，数据中心和数据宽度对应的位置初始化范围在(0,1)之间，而连接隐含层和输出层的权重参数在(
‑
1,1)之间初始化，构造训练数据将其输入到RBF中进行训练，选取训练误差作为灰狼算法的适应度函数计算个体的适应度值；
[0021]利用改进的灰狼优化算法RBF网络参数，设置期望达到的网络精度与最大训练次数，训练网络直到满足预设条件后停止，在解空间中搜索适应度最小值ε；
[0022]将最后适应度值最小的灰狼个体对应的位置矢量还原成网络参数，赋予RBF神经网络，作为网络的初始参数，得到的改进的灰狼优化RBF神经网络模型即为企业信用评估预测模型。
[0023]第二方面，一种融合用电信息的企业信用评估系统，其中，包含数据处理模块、模型构建模块、评估模块；
[0024]所述数据处理模块用于获取企业用户的用电行为原始数据，并对所述用电行为原始数据进行预处理后得到用电行为数据；还用于获取企业用户的放款标签，并将所述用电行为数据匹配关联至所述放款标签得到建模样本数据，将所述建模样本数据分割为训练样本与测试样本；
[0025]所述模型构建模块用于依据所述训练样本构建采用一种基于改进灰狼算法优化RBF神经网络的基于融合用电信息的企业信用评估预测模型；还用于将所述测试样本输入至所述企业信用评估预测模型中进行测试得到企业信用评估模型；
[0026]所述评估模块用于获取目标企业用电行为数据并输入至所述企业信用评估模型中得到评估数据。
[0027]第三方面，一种芯片，其中，包含：处理器，用于从存储器中调用并运行计算机程序，使得安装有所述芯片的设备执行：第一方面中任一项所述方法。
[0028]本专利技术一种融合用电信息的企业信用评估方法及系统提供的技术方案具有以下
技术效果：
[0029]充分利用电力大数据所具有的可信度高、时效性强、连续性好、完整性好、覆盖面广等特点，解决了银行在贷前审核阶段的信息相对滞后、人力成本和时间成本较高、客户群体覆盖不全面等技术问题；
[0030]基于用电大数据对企业经营状况进行量化分析，进而帮助银行、金融机构等信贷机构和征信机构对企业的履约能力和履约意愿进行准确评估，从而形成的量化可靠的信用评估；
[0031]结合市场需求，开展电力大数据产品模型设计、算法设计、功能设计和分析本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合用电信息的企业信用评估方法，其特征在于，包含以下步骤：步骤1：获取企业用户的用电行为原始数据；步骤2：对所述用电行为原始数据进行预处理后得到用电行为数据；步骤3：获取企业用户的放款标签，并将所述用电行为数据匹配关联至所述放款标签得到建模样本数据，将所述建模样本数据分割为训练样本与测试样本；步骤4：依据所述训练样本构建采用一种基于改进灰狼算法优化RBF神经网络的基于融合用电信息的企业信用评估预测模型；步骤5：将所述测试样本输入至所述企业信用评估预测模型中进行测试得到企业信用评估模型；步骤6：获取目标企业用电行为数据并输入至所述企业信用评估模型中得到评估数据。2.如权利要求1所述的一种融合用电信息的企业信用评估方法，其特征在于，所述用电行为原始数据包含电量数据、电费数据、用户容量、用户行业、违约用电信息、缴欠费信息。3.如权利要求2所述的一种融合用电信息的企业信用评估方法，其特征在于，步骤2对所述用电行为原始数据依次进行缺失值处理、错误数据处理、相同类别数据处理、数据筛选得到所述用电行为数据。4.如权利要求3所述的一种融合用电信息的企业信用评估方法，其特征在于，依据所述训练样本构建采用一种基于改进灰狼算法优化RBF神经网络的基于融合用电信息的所述企业信用评估预测模型的具体方法如下：初始化RBF网络结构，选取n个所述训练样本作为输入数据，初始化隐含层神经元个数l、数据中心c、数据宽度σ、网络权重ω；将数据中心c、数据宽度σ、网络权重ω编码生成灰狼的位置矢量，设置灰狼种群规模，其中，种群成员的维数为RBF神经网络待优化参数c、σ和ω的维数之和，对灰狼个体的空间分布进行混沌初始化，采用实数编码方法，把径向基函数的数据中心c
i
、数据宽度σ
i
、输出层的网络权值ω
i
编成染色体，用实数来表示每个个体的基因值，基因值编码方式为：X＝(c
11
,
…
,c
1n
,c
21
,
…
,c
...

【专利技术属性】
技术研发人员：江远强，韩逸，项衡，
申请(专利权)人：百维金科上海信息科技有限公司，
类型：发明
国别省市：