一种基于物流集装箱供应链的金融风险控制方法技术

本发明专利技术涉及集装箱物流风控领域，具体公开了一种基于物流集装箱供应链的金融风险控制方法，从区块链网络中获取物流集装箱供应链的金融风险数据，构建货物价值预算神经网络模型预测货物价值，获取客户实时的受控箱量，基于货物价值预算模型预算出客户的受控金额以预防风险；获取货物装箱照片，构建货物图像识别统计神经网络模型识别图像中货物的数量，建立风险控制模型，根据差值等级、受控箱量等级和历史交易风险数据综合评估客户风险，确定物流集装箱供应链的风险控制指标。解决了现有技术供应链金融信用风险评价的效果不佳，缺乏足够的信息技术使得数据难以收集和监控的问题。的信息技术使得数据难以收集和监控的问题。的信息技术使得数据难以收集和监控的问题。

【技术实现步骤摘要】
一种基于物流集装箱供应链的金融风险控制方法


[0001]本专利技术涉及集装箱物流风控领域，尤其涉及一种基于物流集装箱供应链的金融风险控制方法。

技术介绍

[0002]传统物流中信息共享程度低、交互速度慢，信息真实性与可靠性得不到保障，从而导致物流链上各参与主体难以互相信任，从而导致供应链金融风险不可控。集装箱的供应链金融风险控制模型是基于区块链及深度学习平台构建的模型，它主要是由深度学习平台训练海量订单数据，通过各项指标比较准确的预估出集装箱货物价格，并利用区块链技术的特性帮助物流链上的各参与方之间建立信任。
[0003]中国专利技术公开号CN115147208A，公开了一种基于人工智能的供应链金融信用风险评价方法，确定供应链金融信用风险的评价特征集合；获得目标风险评价数据集合；对其进行数据预处理，可将预处理后的数据作为标准样本数据集合；利用动态变异的粒子群算法得到最优支持向量机参数值，并根据其构建优化后支持向量机模型；利用集成学习算法，对优化后支持向量机模型进行训练，得到强分类器模型；将标准样本数据集合输入至强分类器模型，构建智能信用评价模型，进行后续供应链金融信用风险的评价。达到了提高供应链金融信用风险评价的准确性和精确度，进而提升供应链金融信用风险评价的质量等技术效果。
[0004]但上述技术至少存在如下技术问题：难以准确的估算货物价值，在针对供应链金融信用风险评价的准确性不足，进而造成供应链金融信用风险评价的效果不佳，缺乏足够的信息技术使得数据难以收集和监控，对物流链各参与方的监管造成了一定的影响。

技术实现思路

[0005]本专利技术通过提供一种基于物流集装箱供应链的金融风险控制方法，解决了现有技术难以准确的估算货物价值，在针对供应链金融信用风险评价的准确性不足，进而造成供应链金融信用风险评价的效果不佳，缺乏足够的信息技术使得数据难以收集和监控，对物流链各参与方的监管造成了一定的影响的问题，能够准确、迅速得出货物价值，从事前、事中、事后全方面进行风险预警和控制，提高了物流集装箱供应链的金融风险控制效率。
[0006]本专利技术具体包括以下技术方案：一种基于物流集装箱供应链的金融风险控制方法，包括以下步骤：S1. 从区块链网络中获取物流集装箱供应链的金融风险数据，构建货物价值预算神经网络模型预测货物价值，获取客户实时的受控箱量，基于货物价值预算模型预算出客户的受控金额以预防风险；S2. 获取货物装箱照片，构建货物图像识别统计神经网络模型识别图像中货物的数量，建立风险控制模型，根据差值等级、受控箱量等级和历史交易风险数据综合评估客户风险，确定物流集装箱供应链的风险控制指标。
[0007]进一步，所述步骤S1具体包括：根据订单数据和货物价值表，通过深度学习算法生成货物价值预算模型。
[0008]进一步，所述步骤S1具体包括：构建货物价值预算神经网络模型，将订单数据输入到货物价值预算神经网络中，经过深度学习和训练，最终输出对应的货物价值；货物价值预算神经网络包括输入层、转换层、预测层和输出层。
[0009]进一步，所述步骤S1具体包括：通过与船公司接口对接，获取客户实时的受控箱量，将客户受控箱量的货物信息输入到货物价值预算模型中，预算出客户的受控金额以预防风险。
[0010]进一步，所述步骤S2具体包括：通过识别货物装箱照片，提取货物的装运方式来识别货物是否瞒报、虚报的情况。
[0011]进一步，所述步骤S2具体包括：构建货物图像识别统计神经网络模型，将经过预处理的货物装箱图像输入货物图像识别统计神经网络模型中，经过神经网络的深度学习，最终输出对应输入的图像中货物的数量。
[0012]进一步，货物图像识别统计神经网络包括输入层、卷积层、判断层、填充层、池化层、全连接层和输出层。
[0013]进一步，所述步骤S2具体包括：根据货物装箱照片识别统计出的货物数量与货物订单数据中填写的货物数量进行对比，若差值处于预设的阈值范围内，则货物不存在瞒报、虚报的情况，否则结合客户的实时受控箱量对客户进行风险评估，若评估得到客户信用风险较高，则在客户申请信贷借款时，判定为申请欺诈，从而拒绝发放贷款。
[0014]进一步，所述步骤S2具体包括：建立风险控制模型，根据差值等级、受控箱量等级和历史交易风险数据综合评估客户风险，标定风险场景下的预警范围，从而确定物流集装箱供应链的风险指标集合。
[0015]本专利技术至少具有如下技术效果或优点：基于区块链及深度学习平台构建物流集装箱供应链的金融风险控制模型，使用互联网平台进行集装箱货物估值，并利用区块链技术的特性帮助物流链上的各参与方之间建立信任，构建货物价值预算神经网络模型预测客户的受控金额以预防风险，可以迅速得出货物价值，不需要耗费大量的时间来对货物进行逐一预测，极大程度减少了工作量，对于多项属性的数据可以很好的进行拟合，保证货物价值预测的准确性。
[0016]构建货物图像识别统计神经网络模型识别图像中货物的数量，建立风险控制模型，根据差值等级、受控箱量等级和历史交易风险数据综合评估客户风险，打破供应链每个环节信息的孤岛壁垒，集成和优化供应链的业务流程，为用户提供数字化和自动化的供应链管理服务和金融服务，提高企业风控管理的可靠性和效率。
[0017]本专利技术的技术方案能够有效解决现有技术难以准确的估算货物价值，在针对供应链金融信用风险评价的准确性不足，进而造成供应链金融信用风险评价的效果不佳，缺乏足够的信息技术使得数据难以收集和监控，对物流链各参与方的监管造成了一定的影响的问题，能够准确、迅速得出货物价值，从事前、事中、事后全方面进行风险预警和控制，提高
了物流集装箱供应链的金融风险控制效率。
附图说明
[0018]图1为本专利技术所述的一种基于物流集装箱供应链的金融风险控制方法流程图；图2 为本专利技术所述的货物价值预算神经网络训练过程示意图图3 为本专利技术所述的货物图像识别统计神经网络模型流程图。
具体实施方式
[0019]本申请实施例中的技术方案为解决上述问题，总体思路如下：基于区块链及深度学习平台构建物流集装箱供应链的金融风险控制模型，使用互联网平台进行集装箱货物估值，并利用区块链技术的特性帮助物流链上的各参与方之间建立信任，构建货物价值预算神经网络模型预测客户的受控金额以预防风险，可以迅速得出货物价值，不需要耗费大量的时间来对货物进行逐一预测，极大程度减少了工作量，对于多项属性的数据可以很好的进行拟合，保证货物价值预测的准确性；构建货物图像识别统计神经网络模型识别图像中货物的数量，建立风险控制模型，根据差值等级、受控箱量等级和历史交易风险数据综合评估客户风险，打破供应链每个环节信息的孤岛壁垒，集成和优化供应链的业务流程，为用户提供数字化和自动化的供应链管理服务和金融服务，提高企业风控管理的可靠性和效率。
[0020]为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0021]参照附图1，本专利技术所述的一种基于物流本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物流集装箱供应链的金融风险控制方法，其特征在于，包括以下步骤：S1. 从区块链网络中获取物流集装箱供应链的金融风险数据，构建货物价值预算神经网络模型预测货物价值，获取客户实时的受控箱量，基于货物价值预算模型预算出客户的受控金额以预防风险；S2. 获取货物装箱照片，构建货物图像识别统计神经网络模型识别图像中货物的数量，建立风险控制模型，根据差值等级、受控箱量等级和历史交易风险数据综合评估客户风险，确定物流集装箱供应链的风险控制指标。2.如权利要求1所述的一种基于物流集装箱供应链的金融风险控制方法，其特征在于，所述步骤S1具体包括：根据订单数据和货物价值表，通过深度学习算法生成货物价值预算模型。3.如权利要求1所述的一种基于物流集装箱供应链的金融风险控制方法，其特征在于，所述步骤S1具体包括：构建货物价值预算神经网络模型，将订单数据输入到货物价值预算神经网络中，经过深度学习和训练，最终输出对应的货物价值；货物价值预算神经网络包括输入层、转换层、预测层和输出层。4.如权利要求1所述的一种基于物流集装箱供应链的金融风险控制方法，其特征在于，所述步骤S1具体包括：通过与船公司接口对接，获取客户实时的受控箱量，将客户受控箱量的货物信息输入到货物价值预算模型中，预算出客户的受控金额以预防风险。5.如权利要求1所述的一种基于物流集装箱供应链的金融风险控制方...

【专利技术属性】
技术研发人员：郑子彬，陈鑫睿，陈章杰，陈伟俊，刘意峰，
申请(专利权)人：广州一链通互联网科技有限公司，
类型：发明
国别省市：