基于人工智能的成本归集精准提升方法及系统技术方案

技术编号:42834363 阅读:39 留言:0更新日期:2024-09-24 21:07
本发明专利技术涉及数据处理技术领域,更具体地,本发明专利技术涉及基于人工智能的成本归集精准提升方法及系统,方法包括:获取电力成本数据,将电力成本数据按照所属成本类别生成成本数据点,构建成本数据点集合,对成本数据点集合进行聚类,计算成本数据点集合中各个维度的成本数据点的重要程度,获取重要程度在各个维度数据中的占比作为各个维度数据的权重,计算初始聚类中心的偏心程度;基于权重和初始聚类中心的偏心程度,获取初始聚类中心的可用程度,根据可用程度完成聚类,得到聚类结果,将现有的成本归集结果与聚类结果进行比对,复核对比差异部分。本发明专利技术通过对初始聚类中心进行评估,聚类结果更加准确,提高了成本归集的精准程度。

【技术实现步骤摘要】

本专利技术涉及数据处理。更具体地,本专利技术涉及基于人工智能的成本归集精准提升方法及系统


技术介绍

1、电力行业中的企业通常成本构成复杂、资源管理特殊等特点,为了实现优化资源管理、提高运营效率、增强财务透明度等目的,电力行业的企业通常需要高精准程度的成本归集。

2、现有公开号为cn112948441a的中国专利申请文件公开了一种面向财务数据的多维数据归集方法及设备,用以解决现有的财务数据归集方法效率低下且开发成本高的技术问题。方法包括:确定针对财务数据中的各维度,预先构建的维度数据表;从维度中选取查询维度,并根据查询维度构建查询方案表;根据查询方案表中的若干查询维度,从由财务单据构成的数据源表中,分别获取相应查询维度对应的数据,并将数据存至临时表中;对临时表中的数据进行处理,将处理结果同步至与查询方案表对应的归集表中。

3、上述方法中仅解决了如何查询不同维度数据的归集结果,但是在归集过程中,需要对成本数据进行聚类,但成本归集常涉及大量的财务数据,会出现部分数据漏记或重记等情况,影响成本归集的精准性,目前常用k-means++算法来本文档来自技高网...

【技术保护点】

1.基于人工智能的成本归集精准提升方法,其特征在于,包括:

2.根据权利要求1所述的基于人工智能的成本归集精准提升方法,其特征在于,计算所述成本数据点集合中各个维度的成本数据点的重要程度,包括:

3.根据权利要求1所述的基于人工智能的成本归集精准提升方法,其特征在于,其中,重要程度还包括:

4.根据权利要求1所述的基于人工智能的成本归集精准提升方法,其特征在于,所述各个维度数据的权重满足下述关系式:

5.根据权利要求1所述的基于人工智能的成本归集精准提升方法,其特征在于,对所述成本数据点集合进行聚类,包括:

6.根据权利要求1所...

【技术特征摘要】

1.基于人工智能的成本归集精准提升方法,其特征在于,包括:

2.根据权利要求1所述的基于人工智能的成本归集精准提升方法,其特征在于,计算所述成本数据点集合中各个维度的成本数据点的重要程度,包括:

3.根据权利要求1所述的基于人工智能的成本归集精准提升方法,其特征在于,其中,重要程度还包括:

4.根据权利要求1所述的基于人工智能的成本归集精准提升方法,其特征在于,所述各个维度数据的权重满足下述关系式:

5.根据权利要求1所述的基于人工智能的成本归集精准提升方法,其特征...

【专利技术属性】
技术研发人员:胡率钟童庆王涛高茜李博龙
申请(专利权)人:湖北华中电力科技开发有限责任公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1