CN110335083A - 一种基于云平台的物价大数据分析系统及其方法 - Google Patents
一种基于云平台的物价大数据分析系统及其方法 Download PDFInfo
- Publication number
- CN110335083A CN110335083A CN201910619546.8A CN201910619546A CN110335083A CN 110335083 A CN110335083 A CN 110335083A CN 201910619546 A CN201910619546 A CN 201910619546A CN 110335083 A CN110335083 A CN 110335083A
- Authority
- CN
- China
- Prior art keywords
- price
- year
- data
- unit
- tendency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于云平台的物价大数据分析系统及其方法,包括数据交换单元、首页单元、价格走势单元、区域对比单元、价格预警单元、新增预警规则单元及预警规则管理单元;所述数据交换单元将云平台传输的物价数据交换至物价大数据分析系统。本发明采用云端大数据分析架构,数据真实、鲜活,为搞好物价宏观调控提供了强有力的支撑;还可为不同的用户提供服务;发布商品相关的行业信息以及有可能影响商品价格的预警信息为社会提供公共价格预警服务。
Description
技术领域
本发明涉及大数据分析领域,具体为一种基于云平台的物价大数据分析系统及其方法。
背景技术
随着国民经济高速增长,在价格形成机制转换步伐加快的同时。潜在的通货膨胀压力释放加速,市场物价上涨呈现出强劲势头,搞好宏观调控是十分必要的。如何解决物价数据分析及预测成为了本领域技术人员一个重要课题。
发明内容
本发明提供了一种基于云平台的物价大数据分析系统及其方法,以解决现有技术不足。
本发明为实现上述目的,通过以下技术方案实现:
一种基于云平台的物价大数据分析系统,其特征在于:包括数据交换单元、首页单元、价格走势单元、区域对比单元、价格预警单元、新增预警规则单元及预警规则管理单元;所述数据交换单元将云平台传输的物价数据交换至物价大数据分析系统。
所述首页单元包括各地区价格总览、市场性质、产品分类、产品名称、近六个月价格走势、近10天价格走势、同比与环比走势。
所述价格走势单元包括天价格走势、月均价走势、年均价走势、近30天日均线、月同比走势、月环比走势;
所述天价格走势根据市场性质、产品名称及地区分类,展示30天价格走势;
所述月均价走势根据市场性质、产品名称及地区分类,展示12个月价格走势;
所述年均价走势根据市场性质、产品名称及地区分类,展示历年价格走势;
所述近30天日均线根据市场性质、产品名称及地区分类,展示近30天价格K线值,所述K线的每条线均展示每日数据近7天的最高、最低、第一天、最后一天的值;
所述月同比走势根据市场性质、产品名称及地区分类,展示12个月的月同比走势;
所述月环比走势根据市场性质、产品名称及地区分类,展示12个月的月环比走势。
所述区域对比单元包括日均价对比、月均价对比、年均价对比及历年月均价对比;
所述日均价对比根据市场性质、产品名称,展示不同地区的日均价对比;
所述月均价对比根据市场性质、产品名称,展示不同地区的月均价对比;
所述年均价对比根据市场性质、产品名称,展示不同地区的年均价对比;
所述历年月均价对比根据市场性质、产品名称,展示不同地区的历年均价走势。
所述价格走势单元设置价格预测,所述价格预测包括未来三天物价的预测、对当前月和次月预测、对当前年和次年预测,所述未来三天物价的预测在天价格走势展示,所述对当前月和次月预测在月均价走势展示,所述对当前年和次年预测在年均价走势展示。
所述价格预警单元根据产品名称、所属地区、预警原因及预警日期分别进行价格连续涨跌预警、价格阀值预警、同比涨跌预警及环比涨跌预警。
所述新增预警规则单元按照地区、产品名称,价格性质设置预警参数。
所述预警规则管理单元记载已设定过产品名称、地区、价格性质及预警参数的信息,通过修改选项对设定信息进行修改。
所述价格性质包括天价格、月价格;
所述预警参数包括同比最大涨幅百分比、同比最大跌幅百分比、环比最大涨幅百分比、环比最大跌幅百分比、最高价警戒线、最低价警戒线、价格连续上涨期数、价格连续下跌期数。
一种基于云平台的物价大数据分析方法,包括以下步骤:
①将收银系统、互联网电子称、智能手机及第三方数据库提供的数据上传至云平台;
②云平台的数据经过数据交换平台将待分析数据交换到物价大数据分析系统;
③将汇聚的数据进行清理,首先对数据源和数据字典进行关联,超出字典标准外的数据进行临时被拒数据管理,再对第三方数据库提供数据的缺失单元数进行补全,最后通过各类批处理任务进行实时清理。
④将清理的数据按指定条件进行数据汇聚配置管理;
⑤经过数据汇聚配置管理的数据,根据价格预测算法,进行云算分析;经过汇聚配置管理后的数据,根据价格统计分析算法,进行云算分析,得到动态预警指标;
⑥设置预警指标规则;
⑦经过汇聚配置管理后的数据,根据预警指标及其价格预测大数据分析算法,进行云算分析后得到预警价格结果。
步骤①所述第三方数据库提供的数据包括气象局、工商市场监督局、土地局提供的数据;
步骤⑥所述预警规则包括同比规则、环比规则、定基比规则及综合因子规则;
所述同比规则包括同比发展速度及同比增长速度,所述同比发展速度计算公式为:(相比月份/对比月份)*100%,所述同比增长速度计算公式为:(相比月份-对比月份/对比月份*100%;
所述环比规则为本期与上期的比较,包括环比发展速度及环比增长率,所述环比发展速度计算公式为:本期/上期*100%,所述环比增长率计算公式为:(本期-上期)/上期*100%,正数为增长率,负数为降低率;
所述定基比规则为报告期水平与某一固定时期水平之比,计算方法是环比指数的乘积。
所述综合因子规则为影响商品价格变化的因素,并对各因素进行聚合关联多维度动态生产规则。
步骤⑤所述价格预测算法基于时间序列模型,根据历史价格数据、拟合模型、通过校正参数进行物价预测计算。
本发明的优点在于:
1、本发明采用云端大数据分析架构,并提供了强大的云算能力,将云平台将数据交换物价大数据分析系统中,数据真实,再通过本发明将数据生成价格趋势图鲜活展示;
2、本发明结合模型算法,深度挖掘分析价格未来走势,为搞好物价宏观调控提供了强有力的支撑;
3、本发明还可为不同的用户提供服务。平台能对用户关注的商品价格进行实时监测,可了解不同地域或不同时间的商品价格;通过价格大数据的分析,可以生成不同的价格趋势图;发布商品相关的行业信息以及有可能影响商品价格的预警信息为社会提供公共价格预警服务。
附图说明
图1为一种基于云平台的物价大数据分析系统的框图;
图2为一种基于云平台的物价大数据分析方法的流程图;
图3为一种基于云平台的物价大数据分析系统首页单元示意图;
图4为一种基于云平台的物价大数据分析系统价格走势单元天价格走势示意图;
图5为一种基于云平台的物价大数据分析系统价格走势单元月均价走势示意图;
图6为一种基于云平台的物价大数据分析系统价格走势单元年均价走势示意图;
图7为一种基于云平台的物价大数据分析系统价格走势单元近30天日均线示意图;
图8为一种基于云平台的物价大数据分析系统价格走势单元月同比走势示意图;
图9为一种基于云平台的物价大数据分析系统价格走势单元月环比走势示意图;
图10为一种基于云平台的物价大数据分析系统区域对比单元日均价对比示意图;
图11为一种基于云平台的物价大数据分析系统区域对比单元月均价对比示意图;
图12为一种基于云平台的物价大数据分析系统区域对比单元年均价对比示意图;
图13为一种基于云平台的物价大数据分析系统区域对比单元历年月均价对示意图;
图14为一种基于云平台的物价大数据分析系统价格预警单元示意图;
图15为一种基于云平台的物价大数据分析系统新增预警规则单元示意图;
图16为一种基于云平台的物价大数据分析系统预警规则管理单元示意图。
具体实施方式
本实施例具体公开的一种基于云平台的物价大数据分析系统,其特征在于:包括数据交换单元、首页单元、价格走势单元、区域对比单元、价格预警单元、新增预警规则单元及预警规则管理单元;所述数据交换单元将云平台传输的物价数据交换至物价大数据分析系统。采用云端大数据分析架构,并提供了强大的云算能力,将云平台将数据交换物价大数据分析系统中,数据真实,再通过本发明将数据生成价格趋势图鲜活展示。
如图3所示,所述首页单元包括各地区价格总览、市场性质、产品分类、产品名称、近六个月价格走势、近10天价格走势、同比与环比走势。
所述价格走势单元包括天价格走势、月均价走势、年均价走势、近30天日均线、月同比走势、月环比走势;所述价格走势单元设置价格预测,所述价格预测包括未来三天物价的预测、对当前月和次月预测、对当前年和次年预测,所述未来三天物价的预测在天价格走势展示,所述对当前月和次月预测在月均价走势展示,所述对当前年和次年预测在年均价走势展示。
如图4所示,所述天价格走势根据市场性质、产品名称及地区分类,展示30天价格走势,其中8.9、8.1、8.11这三天为预测价格;
如图5所示,所述月均价走势根据市场性质、产品名称及地区分类,展示12个月价格走势,其中2017-6、2017-7这两月为预测价格;
如图6所示,所述年均价走势根据市场性质、产品名称及地区分类,展示历年价格走势,其中2015、2016这两年为预测价格;
如图7所示,所述近30天日均线根据市场性质、产品名称及地区分类,展示近30天价格K线值,所述K线的每条线均展示每日数据近7天的最高、最低、第一天、最后一天的值;
如图8所示,所述月同比走势根据市场性质、产品名称及地区分类,展示12个月的月同比走势;
如图9所示,所述月环比走势根据市场性质、产品名称及地区分类,展示12个月的月环比走势。
所述区域对比单元包括日均价对比、月均价对比、年均价对比及历年月均价对比;
如图10所示,所述日均价对比根据市场性质、产品名称,展示不同地区的日均价对比;
如图11所示,所述月均价对比根据市场性质、产品名称,展示不同地区的月均价对比;
如图12所示,所述年均价对比根据市场性质、产品名称,展示不同地区的年均价对比;
如图13所示,所述历年月均价对比根据市场性质、产品名称,展示不同地区的历年均价走势。
如图14所示,所述价格预警单元根据产品名称、所属地区、预警原因及预警日期分别进行价格连续涨跌预警、价格阀值预警、同比涨跌预警及环比涨跌预警。
如图15所示,所述新增预警规则单元按照地区、产品名称,价格性质设置预警参数。
如图16所示,所述预警规则管理单元记载已设定过产品名称、地区、价格性质及预警参数的信息,通过修改选项对设定信息进行修改。
所述价格性质包括天价格、月价格;
所述预警参数包括同比最大涨幅百分比、同比最大跌幅百分比、环比最大涨幅百分比、环比最大跌幅百分比、最高价警戒线、最低价警戒线、价格连续上涨期数、价格连续下跌期数。
例如:某市场-西红柿的月价格表
1.同比:今年2月与去年的2月的数比较
同比发展速度=(2017.2/2016.2)*100%;
同比增长速度=(2017.2-2016.2)/2016.2*100%。
2.环比:本期与上期的比较
环比发展速度=本期/上期*100%;
环比增长率=(本期-上期)/上期*100%;正数为增长率,负数为降低率。
3.定基比:是报告期水平与某一固定时期水平之比
定基比的算法是环比指数的乘积,比如要求2016年8月的定基比,就要知道2016年1-8月份的环比指数,然后得出的乘积*100%就是定基比。
一种基于云平台的物价大数据分析方法,包括以下步骤:
①将收银系统、互联网电子称、智能手机及第三方数据库提供的数据上传至云平台;
②云平台的数据经过数据交换平台将待分析数据交换到物价大数据分析系统;
③将汇聚的数据进行清理,首先对数据源和数据字典进行关联,超出字典标准外的数据进行临时被拒数据管理,再对第三方数据库提供数据的缺失单元数进行补全,最后通过各类批处理任务进行实时清理。
④将清理的数据按指定条件进行数据汇聚配置管理;
⑤经过数据汇聚配置管理的数据,根据价格预测算法,进行云算分析;经过汇聚配置管理后的数据,根据价格统计分析算法,进行云算分析,得到动态预警指标;
⑥设置预警指标规则;
⑦经过汇聚配置管理后的数据,根据预警指标及其价格预测大数据分析算法,进行云算分析后得到预警价格结果。
步骤①所述第三方数据库提供的数据包括气象局、工商市场监督局、土地局提供的数据;
步骤⑥所述预警规则包括同比规则、环比规则、定基比规则及综合因子规则;
所述同比规则包括同比发展速度及同比增长速度,所述同比发展速度计算公式为:(相比月份/对比月份)*100%,所述同比增长速度计算公式为:(相比月份-对比月份/对比月份*100%;
所述环比规则为本期与上期的比较,包括环比发展速度及环比增长率,所述环比发展速度计算公式为:本期/上期*100%,所述环比增长率计算公式为:(本期-上期)/上期*100%,正数为增长率,负数为降低率;
所述定基比规则为报告期水平与某一固定时期水平之比,计算方法是环比指数的乘积。
所述综合因子规则为影响商品价格变化的因素,并对各因素进行聚合关联多维度动态生产规则。例如:葱姜蒜,综合因子有种植面积、气象、自然灾害、网络舆情等;鸡蛋,综合因子有饲料(玉米)、疾病等。
综合因子设定的依据:物价部门的价格指数、本系统运行产生的数据、第三方数据库提供的数据,形成的商品的单一指标、综合因子数据的大数据分析指标。
步骤⑤所述价格预测算法基于时间序列模型,根据历史价格数据、拟合模型、通过校正参数进行物价预测计算。
时间序列中的每个观察值大小,是影响变化的各种不同因素在同一时刻发生作用的综合结果。从这些影响因素发生作用的大小和方向变化的时间特性来看,这些因素造成的时间序列数据的变动通常具有趋势性、周期性、随机性、综合性等特点。根据不同的趋势,建立不同模型。
(1)逐步自回归(StepAR)模型:StepAR模型是有趋势、季节因素数据的模型类。
(2)Winters Method—Additive模型:将时势和乘法季节因素相结合,考虑序列中有规律节波动。
(3)ARlMA模型:处理带有趋势、季节因平稳随机项数据的模型类
(4)Winters Method—Muhiplicative模型:时同趋势和乘法季节因素相结合,考虑序列规律的季节波动。
计划下一阶段,充分结合第三方数据库提供的数据,基于多元分析模型方法,提高预测精度,更有效地为政府监控、政策实施提供数据依据,深度挖掘分析价格未来走势,为搞好物价宏观调控提供了强有力的支撑。平台能对用户关注的商品价格进行实时监测,可了解不同地域或不同时间的商品价格;通过价格大数据的分析,可以生成不同的价格趋势图;发布商品相关的行业信息以及有可能影响商品价格的预警信息为社会提供公共价格预警服务。
以上结合附图对本发明的具体实施方式作了说明,但这些说明不能被理解为限制了本发明的范围,本发明未详尽描述的技术内容均为公知技术。
Claims (10)
1.一种基于云平台的物价大数据分析系统,其特征在于:包括数据交换单元、首页单元、价格走势单元、区域对比单元、价格预警单元、新增预警规则单元及预警规则管理单元;所述数据交换单元将云平台传输的物价数据交换至物价大数据分析系统。
2.根据权利要求1所述的一种基于云平台的物价大数据分析系统,其特征在于:所述首页单元包括各地区价格总览、市场性质、产品分类、产品名称、近六个月价格走势、近10天价格走势、同比与环比走势。
3.根据权利要求1所述的一种基于云平台的物价大数据分析系统,其特征在于:所述价格走势单元包括天价格走势、月均价走势、年均价走势、近30天日均线、月同比走势、月环比走势;
所述天价格走势根据市场性质、产品名称及地区分类,展示30天价格走势;
所述月均价走势根据市场性质、产品名称及地区分类,展示12个月价格走势;
所述年均价走势根据市场性质、产品名称及地区分类,展示历年价格走势;
所述近30天日均线根据市场性质、产品名称及地区分类,展示近30天价格K线值,所述K线的每条线均展示每日数据近7天的最高、最低、第一天、最后一天的值;
所述月同比走势根据市场性质、产品名称及地区分类,展示12个月的月同比走势;
所述月环比走势根据市场性质、产品名称及地区分类,展示12个月的月环比走势。
4.根据权利要求3所述的一种基于云平台的物价大数据分析系统,其特征在于:所述价格走势单元设置价格预测,所述价格预测包括未来三天物价的预测、对当前月和次月预测、对当前年和次年预测,所述未来三天物价的预测在天价格走势展示,所述对当前月和次月预测在月均价走势展示,所述对当前年和次年预测在年均价走势展示。
5.根据权利要求1所述的一种基于云平台的物价大数据分析系统,其特征在于:所述区域对比单元包括日均价对比、月均价对比、年均价对比及历年月均价对比;
所述日均价对比根据市场性质、产品名称,展示不同地区的日均价对比;
所述月均价对比根据市场性质、产品名称,展示不同地区的月均价对比;
所述年均价对比根据市场性质、产品名称,展示不同地区的年均价对比;
所述历年月均价对比根据市场性质、产品名称,展示不同地区的历年均价走势。
6.根据权利要求1所述的一种基于云平台的物价大数据分析系统,其特征在于:所述价格预警单元根据产品名称、所属地区、预警原因及预警日期分别进行价格连续涨跌预警、价格阀值预警、同比涨跌预警及环比涨跌预警。
所述新增预警规则单元按照地区、产品名称,价格性质设置预警参数。
所述预警规则管理单元记载已设定过产品名称、地区、价格性质及预警参数的信息,通过修改选项对设定信息进行修改。
7.根据权利要求5所述的一种基于云平台的物价大数据分析系统,其特征在于:所述价格性质包括天价格、月价格;
所述预警参数包括同比最大涨幅百分比、同比最大跌幅百分比、环比最大涨幅百分比、环比最大跌幅百分比、最高价警戒线、最低价警戒线、价格连续上涨期数、价格连续下跌期数。
8.一种基于云平台的物价大数据分析方法,其特征在于:
包括以下步骤:
①将收银系统、互联网电子称、智能手机及第三方数据库提供的数据上传至云平台;
②云平台的数据经过数据交换平台将待分析数据交换到物价大数据分析系统;
③将汇聚的数据进行清理,首先对数据源和数据字典进行关联,超出字典标准外的数据进行临时被拒数据管理,再对第三方数据库提供数据的缺失单元数进行补全,最后通过各类批处理任务进行实时清理。
④将清理的数据按指定条件进行数据汇聚配置管理;
⑤经过数据汇聚配置管理的数据,根据价格预测算法,进行云算分析;经过汇聚配置管理后的数据,根据价格统计分析算法,进行云算分析,得到动态预警指标;
⑥设置预警指标规则;
⑦经过汇聚配置管理后的数据,根据预警指标及其价格预测大数据分析算法,进行云算分析后得到预警价格结果。
9.根据权利要求8所述的一种基于云平台的物价大数据分析方法,其特征在于:步骤①所述第三方数据库提供的数据包括气象局、工商市场监督局、土地局提供的数据;
步骤⑥所述预警规则包括同比规则、环比规则、定基比规则及综合因子规则;
所述同比规则包括同比发展速度及同比增长速度,所述同比发展速度计算公式为:(相比月份/对比月份)*100%,所述同比增长速度计算公式为:(相比月份-对比月份/对比月份*100%;
所述环比规则为本期与上期的比较,包括环比发展速度及环比增长率,所述环比发展速度计算公式为:本期/上期*100%,所述环比增长率计算公式为:(本期-上期)/上期*100%,正数为增长率,负数为降低率;
所述定基比规则为报告期水平与某一固定时期水平之比,计算方法是环比指数的乘积。
所述综合因子规则为影响商品价格变化的因素,并对各因素进行聚合关联多维度动态生产规则。
10.根据权利要求8所述的一种基于云平台的物价大数据分析方法,其特征在于:步骤⑤所述价格预测算法基于时间序列模型,根据历史价格数据、拟合模型、通过校正参数进行物价预测计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910619546.8A CN110335083A (zh) | 2019-07-10 | 2019-07-10 | 一种基于云平台的物价大数据分析系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910619546.8A CN110335083A (zh) | 2019-07-10 | 2019-07-10 | 一种基于云平台的物价大数据分析系统及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110335083A true CN110335083A (zh) | 2019-10-15 |
Family
ID=68145584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910619546.8A Pending CN110335083A (zh) | 2019-07-10 | 2019-07-10 | 一种基于云平台的物价大数据分析系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110335083A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476605A (zh) * | 2020-04-08 | 2020-07-31 | 东北农业大学 | 猪肉价格预测预警系统 |
CN111833147A (zh) * | 2020-07-06 | 2020-10-27 | 北京黄金管家科技发展有限公司 | 一种黄金市场全时段连续实时报价拟合系统 |
CN112330363A (zh) * | 2020-11-08 | 2021-02-05 | 浙江中建网络科技股份有限公司 | 基于建材行业的水泥价格数据集成系统及其实现方法 |
CN112328883A (zh) * | 2020-11-08 | 2021-02-05 | 浙江中建网络科技股份有限公司 | 基于建材行业的水泥价格一键发布系统及其实现方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2610789A1 (en) * | 2011-12-29 | 2013-07-03 | Tata Consultancy Services Limited | Assessing maturity of business processes |
CN105809289A (zh) * | 2016-03-11 | 2016-07-27 | 郑州师范学院 | 基于大数据的电子商务行业景气度指数系统和方法 |
CN108764717A (zh) * | 2018-05-28 | 2018-11-06 | 泰华智慧产业集团股份有限公司 | 应用于产业大数据分析的数据处理方法和装置 |
CN108846691A (zh) * | 2018-06-04 | 2018-11-20 | 中国天津粮油批发交易市场 | 区域性粮油市场价格监测分析预测系统及监测方法 |
CN109523446A (zh) * | 2018-10-19 | 2019-03-26 | 北京北大软件工程股份有限公司 | 一种面向价格领域的大数据处理分析系统 |
-
2019
- 2019-07-10 CN CN201910619546.8A patent/CN110335083A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2610789A1 (en) * | 2011-12-29 | 2013-07-03 | Tata Consultancy Services Limited | Assessing maturity of business processes |
CN105809289A (zh) * | 2016-03-11 | 2016-07-27 | 郑州师范学院 | 基于大数据的电子商务行业景气度指数系统和方法 |
CN108764717A (zh) * | 2018-05-28 | 2018-11-06 | 泰华智慧产业集团股份有限公司 | 应用于产业大数据分析的数据处理方法和装置 |
CN108846691A (zh) * | 2018-06-04 | 2018-11-20 | 中国天津粮油批发交易市场 | 区域性粮油市场价格监测分析预测系统及监测方法 |
CN109523446A (zh) * | 2018-10-19 | 2019-03-26 | 北京北大软件工程股份有限公司 | 一种面向价格领域的大数据处理分析系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476605A (zh) * | 2020-04-08 | 2020-07-31 | 东北农业大学 | 猪肉价格预测预警系统 |
CN111833147A (zh) * | 2020-07-06 | 2020-10-27 | 北京黄金管家科技发展有限公司 | 一种黄金市场全时段连续实时报价拟合系统 |
CN112330363A (zh) * | 2020-11-08 | 2021-02-05 | 浙江中建网络科技股份有限公司 | 基于建材行业的水泥价格数据集成系统及其实现方法 |
CN112328883A (zh) * | 2020-11-08 | 2021-02-05 | 浙江中建网络科技股份有限公司 | 基于建材行业的水泥价格一键发布系统及其实现方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110335083A (zh) | 一种基于云平台的物价大数据分析系统及其方法 | |
Sun et al. | A new hybrid optimization ensemble learning approach for carbon price forecasting | |
Hadavandi et al. | An improved sales forecasting approach by the integration of genetic fuzzy systems and data clustering: Case study of printed circuit board | |
CN107424070A (zh) | 一种基于机器学习的贷款用户信用评级方法及系统 | |
CN106779457A (zh) | 一种企业信用评估方法及系统 | |
CN109784779B (zh) | 财务风险预测方法、装置及存储介质 | |
CN107844901A (zh) | 一种企业运营自动化分析的方法及其系统 | |
CN101714273A (zh) | 一种基于规则引擎的银行异常业务监控方法和系统 | |
CN107818386A (zh) | 电网企业经营利润预测方法 | |
CN107766929A (zh) | 模型分析方法及装置 | |
CN104537433A (zh) | 基于存量容量与业扩报装特征的售电量预测方法 | |
Glassman | Economic crisis in Asia: The case of Thailand | |
CN109214915A (zh) | 贷中风险评分方法、系统及计算机可读存储介质 | |
CN111738505A (zh) | 银行网点工作量预测方法和装置、电子设备及存储介质 | |
Conway | Economic shocks and structural adjustments: Turkey after 1973 | |
Ashrafi et al. | Applying wavelet transformation and artificial neural networks to develop forecasting-based reservoir operating rule curves | |
CN114547170A (zh) | 一种非结构化财务报表数据标准化抽取与建模的方法 | |
Liu et al. | Development Assessment of Higher Education System Based on TOPSIS‐Entropy, Hopfield Neural Network, and Cobweb Model | |
CN109242313A (zh) | 智能化的创新项目投资价值评估分析系统 | |
Mittal et al. | Electricity price forecasting using convolution and lstm models | |
CN110969313A (zh) | 一种基于深度学习的景气指数预测的方法和系统 | |
CN105321001A (zh) | 售电数据处理方法和装置 | |
CN110110885A (zh) | 信息预测方法、装置、计算机设备和存储介质 | |
CN109426891A (zh) | 一种高送转电子金融产品的预测系统及方法 | |
Asati | A Comparative Study On Forecasting Consumer Price Index Of India Amongst XGBoost, Theta, ARIMA, Prophet And LSTM Algorithms. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191015 |