申请/专利权人：湖南招采猫信息技术有限公司

申请日：2024-02-07

公开（公告）日：2024-03-19

公开（公告）号：CN117726461A

主分类号：G06Q40/08

分类号：G06Q40/08;G06F18/10;G06F18/214;G06N3/006;G06N3/047;G06N3/0499;G06N3/084;G06N3/09;G06Q30/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了一种用于电子招采辅助的金融风险预测方法及系统，方法包括数据采集、数据预处理、最优金融风险预测因子识别、金融风险预测和电子招采决策支持。本发明涉及金融风险预测技术领域，具体是指一种用于电子招采辅助的金融风险预测方法及系统，本发明采用显著性分析、标准化处理结合过采样处理的方法进行数据预处理，调整了数据的结构和内容，同时提升了数据的质量；采用二元灰狼优化算法从优化数据中选择对预测更有用的数据特征来降低后续学习任务的难度并提高模型效率；采用基于二元灰狼优化算法改进的极限学习预测模型的方法进行金融风险预测，克服了极限学习方法在应用于金融风险预测中的固有缺陷。

主权项：1.一种用于电子招采辅助的金融风险预测方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集；步骤S2：数据预处理；步骤S3：最优金融风险预测因子识别；步骤S4：金融风险预测；步骤S5：电子招采决策支持；在步骤S1中，通过数据采集，得到金融风险预测原始数据；在步骤S2中，所述数据预处理，用于将企业金融数据转化为统一的、可供自动分析的数据结构，具体为采用显著性分析、标准化处理和过采样处理操作对所述金融风险预测原始数据进行数据预处理，得到优化金融风险预测数据；在步骤S3中，所述最优金融风险预测因子识别，用于通过特征选择，从优化数据中选择对预测更有用的数据特征来降低后续学习任务的难度并提高模型效率，具体为采用二元灰狼优化算法，依据所述优化金融风险预测数据，进行最优金融风险预测因子识别，得到优化预测特征；所述二元灰狼优化算法，包括灰狼算法基本模型和交叉算子；所述灰狼算法基本模型，用于表示基本灰狼算法求解待解问题，所述待解问题具体指金融风险预测因子的最优解问题；所述交叉算子，用于优化所述灰狼算法基本模型，具体为通过计算多种因子，优化灰狼算法基本模型；在步骤S4中，所述金融风险预测，用于进行金融风险预测，具体为采用基于二元灰狼优化算法改进的极限学习预测模型的方法，依据所述优化金融风险预测数据，并结合所述优化预测特征进行预测，得到金融风险预测数据；在步骤S5中，所述电子招采决策支持，用于依据金融风险预测结果，得到电子招采规划策略。

全文数据：

权利要求：

百度查询： 湖南招采猫信息技术有限公司 一种用于电子招采辅助的金融风险预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD