CN112528233B - 基于改进层次分析模型的审计数据处理方法 - Google Patents
基于改进层次分析模型的审计数据处理方法 Download PDFInfo
- Publication number
- CN112528233B CN112528233B CN202110180049.XA CN202110180049A CN112528233B CN 112528233 B CN112528233 B CN 112528233B CN 202110180049 A CN202110180049 A CN 202110180049A CN 112528233 B CN112528233 B CN 112528233B
- Authority
- CN
- China
- Prior art keywords
- index
- weight
- analysis model
- hierarchical analysis
- data
- 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.)
- Active
Links
- 238000012550 audit Methods 0.000 title claims abstract description 48
- 238000004458 analytical method Methods 0.000 title claims abstract description 44
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 43
- 239000013598 vector Substances 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000010606 normalization Methods 0.000 claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 230000005856 abnormality Effects 0.000 claims description 8
- 150000001875 compounds Chemical class 0.000 claims description 8
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 230000036541 health Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000233805 Phoenix Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Finance (AREA)
- Algebra (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提出了基于改进层次分析模型的审计数据处理方法，包括建立归一化处理函数对目标数据进行处理，得到处理后的指标数据；构建判断矩阵，计算判断矩阵的权重向量，对权重向量进行一致性校验；根据得到的权重向量对已有的层次分析模型的权重系数进行修改，得到改进层次分析模型；将处理后的指标数据导入改进层次分析模型中进行计算，基于得到的审计结果对电力企业进行预警。通过对现有层次模型中的指标权重进行基于筛选重计算，使得调节后的指标权重具有更为明显的参考价值。相对于现有技术中单纯依靠层次分析法的数据处理过程能够显著提升审计结果的客观性和准确性。
Description
技术领域
本申请属于审计领域，尤其涉及基于改进层次分析模型的审计数据处理方法。
背景技术
现行有关内部审计的法律规范许多只有原则性的条款规定，比较笼统，可操作性不强，审计人员在检查和评价企业经营活动时，缺乏可靠的依据，碰到具体问题时感到无章可循，甚至无所适从，迫切需要制定一个标准进行参考。目前虽然已有部分供电公司开始对优化电力营商环境进行专项审计，但基于内部审计的视角对于优化“获得电力”营商环境开展审计评价，至今尚未发现相关的研究成果，可参考的相关文献也是凤毛麟角。
目前，有关综合评价的分析方法可分为：模糊综合评价法（王会金.基于动态模糊评价的审计风险综合评价模型及其应用[J].会计研究，2011(09):89-95.）、熵权TOPSIS法（柯文进，王军.基于熵权TOPSIS模型的城市高等教育资源承载力评价[J].统计与决策，2020，36(18):50-53.）以及层次分析模型（安娜.企业内部审计绩效评价模型构建[J].会计之友，2013(31):81-84.）。以上方法各有优缺点，模糊综合评价法虽然能够通过隶属度函数将定性分析的问题转化为定量分析，然而，在隶属度函数的确定上缺少了较为统一的标准；熵权TOPSIS法虽然能够减少主观赋值带来的偏差，但是任然无法避免主观赋值带来的影响；层次分析模型则可通过收集多个专家的建议，对评价模型中的各指标权重进行赋值，但是传统的层次分析模型仅是将各专家的打分表融合，不同专家之间的打分缺少统一的判断标准。
发明内容
本申请实施例提出了基于改进层次分析模型的审计数据处理方法，通过对现有的层次分析模型进行基于评价数据的修正得到改进层次模型，进而借助改进层次分析模型对审计数据进行处理，提升了审计结果的可靠性。
具体的，本申请实施例提出的基于改进层次分析模型的审计数据处理方法，包括：
S1，获取电力企业的财务报表，从财务报表中抽取符合审计需求的目标数据；
S2，建立归一化处理函数对目标数据进行处理，得到处理后的指标数据；
S3，构建判断矩阵，计算判断矩阵的权重向量，对权重向量进行一致性校验；
S4，根据得到的权重向量对已有的层次分析模型的权重系数进行修改，得到改进层次分析模型；
S5，将处理后的指标数据导入改进层次分析模型中进行计算，基于得到的审计结果对电力企业进行预警。
可选的，所述S2包括：
S21，根据目标数据所属类别不同，将目标数据划分为正向性指标、负向性指标以及异常性指标；
S22，分别构建针对每一类指标的归一化处理函数，基于归一化处理函数将目标数据转换为预设区间内的指标数据。
可选的，所述S22包括：
S221，获取包括线上报装占比、个性化增值服务情况的两个正向性指标；
S222，将正向性指标的数据转化为百分制的标准化值；
S223，构建对应正向性指标的左半梯形处理函数。
可选的，所述S22包括：
S224，获取包含业扩办理体外循环、停电赔偿率、频繁停电投诉率、高压业扩报装配套项目异常率、低压业扩报装配套项目异常率、高压客户受电工程项目异常率在内的负向性指标，
S225，将负向性指标的数据转化为百分制的标准化值；
S226，构建对应负向性指标的左半倒梯形处理函数。
可选的，所述S22包括：
S227，获取包含“三指定”风险系数、高可靠性供电费用异常率、低压超工期风险系数、高压超工期风险系数、业扩工程收费异常率在内的异常性指标，
S228，将异常性指标的数据转化为百分制的标准化值；
S229，构建对应异常性指标的右阶梯形处理函数。
可选的，所述S3包括：
S31，分别采用算术平均法、几何平均法以及特征值法求取权重，并取三种方法计算结果的平均值作为权重向量；
S32，根据权重向量的一致性检验公式对得到的权重向量进行一致性校验，根据校验结果所处区间对判断矩阵进行修正。
可选的，所述S4包括：
S41，对不符合预设条件的判断矩阵进行剔除操作；
S42，计算已执行剔除操作后每个判断矩阵的权重系数；
S43，获取任意两个权重系数之间的指标权重平均一致性，基于指标权重平均一致性结果对权重系数进行修改，得到基于修改后权重系数的改进层次分析模型。
可选的，所述S41包括：
S411，设定判断矩阵中各元素偏离对比矩阵中各元素的阈值；
S412，将判断矩阵中含有元素超过阈值的判断矩阵剔除。
可选的，所述S43包括：
基于公式一计算指标权重平均一致性指标
，
式中，
为权重计算指标，
为权重计算指标，
的取值范围为正整数，
的取值
范围为正整数，
的取值范围为正整数，
和
为指标权重向量，
为指标权重向量
和
的夹角；
基于公式二计算任意两个权重系数之间的指标权重平均一致性
，
式中，
为进行剔除操作后判断矩阵的数量；
基于公式三对得到修改后权重系数
，
可选的，所述S5包括：
根据电气企业的健康运行基准得到报警阈值；
如果得到的审计结果低于报警阈值，则对审计结果对应的电力企业进行预警处理。
有益效果：
通过对现有层次模型中的指标权重进行基于筛选后重新计算的操作，使得调节后的指标权重具有更为明显的参考价值。相对于现有技术中单纯依靠层次分析法的数据处理过程能够显著提升审计结果的客观性和准确性。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提出的基于改进层次分析模型的审计数据处理方法的流程示意图；
图2为本申请实施例提出的指标层级关系示意图。
具体实施方式
为使本申请的结构和优点更加清楚，下面将结合附图对本申请的结构作进一步地描述。
具体的，本申请实施例提出的基于改进层次分析模型的审计数据处理方法，如图1所示，包括：
S1，获取电力企业的财务报表，从财务报表中抽取符合审计需求的目标数据。
S2，建立归一化处理函数对目标数据进行处理，得到处理后的指标数据。
S3，构建判断矩阵，计算判断矩阵的权重向量，对权重向量进行一致性校验。
S4，根据得到的权重向量对已有的层次分析模型的权重系数进行修改，得到改进层次分析模型。
S5，将处理后的指标数据导入改进层次分析模型中进行计算，基于得到的审计结果对电力企业进行预警。
在实施中，为了提升对审计结果的精度，本申请实施例提出的审计数据处理方法提出的技术方案主要用于对现有的层次分析模型进行修改。主要修改思想为对现有层次模型中的指标权重进行基于多重因素的调节，使得调节后的指标权重具有更为明显的参考价值，最终得到用于对电力企业进行预警的审计结果。
为了得到最终的审计结果，首先需要执行S1来获取到符合审计需求的目标数据，具体包括：
S11、获取电力企业的以年、月或其他节点所绘制的部门预算、财务等设计费用的财务报表。
S12、从财务报表中选取两个级别指标层级的数据作为目标数据。
在实施中，一级指标体系包括办电费用、办电效率、服务便利度以及供电可靠性4个一级指标。
二级指标包括高压业扩报装配套项目异常率、低压业扩报装配套项目异常率、高压客户受电工程项目异常率等13个二级指标，具体如图2所示。
本实施例的后续处理内容针对上述4个一级指标以及13个二级指标展开论述。将审计标准中的数据根据是否存在隶属关系进行等级划分，得到不存在隶属关系的一级数据以及存在隶属关系的二级数据；将一级数据作为矩阵元素的第一参数的取值，表明矩阵元素的归属类别；将二级数据作为矩阵元素的第二参数的取值，表明二级数据对一级数据的影响权重。
在得到目标数据后，由于目标数据为多位小数的形式，不利于计算处理，因此还需要执行S2对目标数据的取值进行调整，得到便于计算的0-100以内的数值，即S2具体包括：
S21，根据目标数据所属类别不同，将目标数据划分为正向性指标、负向性指标以及异常性指标。
S22，分别构建针对每一类指标的归一化处理函数，基于归一化处理函数将目标数据转换为预设区间内的指标数据。
在实施中，由于不同指标对应的数据类型不同，因此本步骤中将得到的目标数据划分为正向性指标、负向性指标以及异常性指标共三类，针对每类目标数据建立特定的归一化处理函数完成取值转换操作，以便对不同的评价指标进行标准化处理，消除多种量纲对后续计算过程的影响。
1）正向性指标
S221、获取包括线上报装占比、个性化增值服务情况的两个正向性指标。
S222、将正向性指标的数据转化为百分制的标准化值。
S223、构建对应正向性指标的左半梯形处理函数。
在实施中，左半梯形处理函数用于计算线上报装占比、个性化增值服务情况两个二级指标。以线上报装占比为例，首先将报装占比实际值转化为百分制的标准化值。报装占比为正向性指标，建立报装占比的左半梯形处理函数具体转化映射如下所示：
式中：
为实际取值，
为标准化值；
为0.995。
2）负向性指标
S224、获取包含业扩办理体外循环、停电赔偿率、频繁停电投诉率、高压业扩报装配套项目异常率、低压业扩报装配套项目异常率、高压客户受电工程项目异常率在内的负向性指标，
S225、将负向性指标的数据转化为百分制的标准化值。
S226、构建对应负向性指标的左半倒梯形处理函数。
在实施中，左半倒梯形处理函数中包含业扩办理体外循环、停电赔偿率、频繁停电投诉率、高压业扩报装配套项目异常率、低压业扩报装配套项目异常率、高压客户受电工程项目异常率共6个二级指标。以停电赔偿率为例，首先将停电赔偿率实际值转化为百分制的标准化值。停电赔偿率为负向型指标，建立停电赔偿率左半倒梯形处理函数具体转化映射如下所示：
式中：
为实际取值，
为标准化值；
为0.0001。
3）异常性指标
S227、获取包含“三指定”风险系数、高可靠性供电费用异常率、低压超工期风险系数、高压超工期风险系数、业扩工程收费异常率在内的异常性指标。
S228、将异常性指标的数据转化为百分制的标准化值。
S229、构建对应异常性指标的右阶梯形处理函数。
在实施中，右阶梯形处理函数中包含“三指定”风险系数、高可靠性供电费用异常率、低压超工期风险系数、高压超工期风险系数、业扩工程收费异常率5个二级指标。以“三指定”风险系数为例，首先将“三指定”风险系数实际值转化为百分制的标准化值。“三指定”风险系数为负向型指标，建立“三指定”风险系数半梯形处理函数具体转化映射如下所示：
式中：
为实际取值，
为标准化值；
为0.001，
为0.85。
在得到处理后的指标数据后，就需要对4个一级指标及与之对应的隶属于4个一级指标的4组二级指标分别构建5组判断矩阵，即执行步骤S3。
这里以4个一级指标的判断矩阵为例进行说明：
假设
、
、
分别表示一级指标中的四个因素，
表
示因素
相对于
的重要程度。具体采用九级标度值来表示，1、3、5、7、9表示因素
相对
于
同样重要、略重要、较重要、非常重要以及绝对重要；2、4、6、8表示介于以上标度含有
的额中间。可得判断矩阵为：
其中，
，
。
隶属于各一级指标对应的四组二级指标的判断矩阵构建方法与一级指标类似，这里不再赘述。
在执行上述步骤得到判断矩阵后，需要基于已建立的判断矩阵进行权重向量计算，即步骤S3的具体内容如下：
为增加权重计算的可信度，S31，分别采用算术平均法、几何平均法以及特征值法求取权重，并取三种方法计算结果的平均值作为权重结果。
在层次分析法中，指标权重的计算方法常采用文中所提及的一种即可，这里将三种方法均计算一遍取平均值，增加权重计算可信度。
①算术平均法求得权重向量为：
②几何平均法求得权重向量为：
③特征值法求得权重向量为：
由线性代数中求矩阵特征值
的方法可知，一致矩阵中有一个特征值为
，其
余的特征值为0，因此，可得对应的特征向量为
，即为权重向量
。
最后取以上三种计算权重的均值作为本实施例最终的权重向量
：
得到权重向量后，对其进行一致性检验，权重向量的一致性检验公式为：
式中，
为一致性比例；
为一致性指标；
为一致性检验指标。
其中，一致性检验指标
计算公式为：
当CR≤0.1时，认为判断矩阵的一致性是可以接受的；当CR>0.1时，采用层次分析法（Analytic Hierarchy Process，AHP）的修正方法对判断矩阵进行修正，直到CR处于可接受范围内。
在执行完步骤S3后得到修正后的权重向量。考虑到对基于“获得电力”指数的多维审计监控评价时，如果仅利用现有的层次分析法进行测评，定量数据较少，定性成分较多，结果就不易令人信服。特别是电网发展和生产经营指标间的相对重要程度系数是利用已有经验得来。如果只采取单个意见，势必会是分析结果过于片面，缺乏普遍性。因此本实施例提出的技术方案着重于对层次分析法进行改进，在进行权重参数调节过程中做到与AHP进行互补。
具体的步骤S4提出的得到改进层次分析模型的执行内容如下：
S41、对不符合预设条件的判断矩阵进行剔除操作。
S42、计算已执行剔除操作后每个判断矩阵的权重系数。
S43、获取任意两个权重系数之间的指标权重平均一致性，基于指标权重平均一致性结果对权重系数进行修改，得到基于修改后权重系数的改进层次分析模型。
在实施中，为了实现上文所述的二者互补，首选需要提出判断矩阵中无法体现参考意义的部分矩阵，即步骤S41包括：
S411、设定判断矩阵中各元素偏离对比矩阵中各元素的阈值。
S412、将判断矩阵中含有元素超过阈值的判断矩阵剔除。
首先，计算
个判断矩阵中各元素
的平均值
，形成对比矩阵
；
其次，设定判断矩阵中各元素
偏离对比矩阵中各元素
的阈值；最后，将判断矩阵中含
有元素超过阈值的判断矩阵剔除。
步骤S42用于计算已执行剔除操作后每个判断矩阵的权重系数。
主要是对剔除含有元素超过阈值的新的
个判断矩阵，分别计算它们的权重系
数，剔除其中的奇异值，即提出差异较大的矩阵。
设第
个建立的判断矩阵为
，求取各成对比矩阵各元素的平均
值
，判断
偏离
是否超过预定阈值（一般设定为50%），将存在偏离阈值元素的成对
比矩阵的剔除，形成
个新的成对比矩阵。
在得到权重系数后，获取任意两个权重系数之间的指标权重平均一致性，基于指标权重平均一致性对权重系数进行修改，得到基于修改后权重系数的改进层次分析模型，即步骤S43包括：
S431、基于公式一计算指标权重平均一致性指标
，
式中，
为权重计算指标，
为权重计算指标，
的取值范围为正整数，
的取值
范围为正整数，
的取值范围为正整数，
和
为指标权重向量，
为指标权重向量
和
的夹角。
S432、基于公式二计算任意两个权重系数之间的指标权重平均一致性
，
式中，
为进行剔除操作后判断矩阵的数量。
S433、基于公式三对得到修改后权重系数，
其中，
越大，则两个指标权重向量
和
之间的一致性越高；相对一致性程
度
反映了与其他指标权重的一致性程度，即是否能代表较多意见。改进后的
权重系数包含大多数意见，更具有代表性。
公式三将权重向量作为整体计算，求和操作针对的是剔除奇异矩阵后各判断矩阵
，而非向量里面的各数值，相对于传统APH模型直接将各个判断矩阵求平均值，此处操作
为进行改进的核心步骤。
步骤S5为基于改进层次分析模型进行计算得到审计结果的操作，具体包括：
首先，对指标数据进行处理，基于前述步骤S221-S229提出的归一化处理函数将各
二级指标数据转化为0-100之间的得分。根据改进层次分析模型计算所得一级指标与二级
指标的权重系数，得出审计结果总得分
。
计算过程如下：
式中：
、
、
、
分别代表四个一级指标的各自得分；
、
、
、
分别代表
四个一级指标的各自权重系数；
代表经归一化处理函数得到的各二级指标得分取值，
代表各二级权重系数，
、
的取值为正整数。
其次，根据电气企业的健康运行基准得到报警阈值；
如果得到的审计结果低于报警阈值，则对审计结果对应的电力企业进行预警处理。
以上所述仅为本申请的实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (9)
1.基于改进层次分析模型的审计数据处理方法，其特征在于，所述数据处理方法包括：
S1，获取电力企业的财务报表，从财务报表中抽取符合审计需求的目标数据；
S2，建立归一化处理函数对目标数据进行处理，得到处理后的指标数据；
S3，构建判断矩阵，计算判断矩阵的权重向量，对权重向量进行一致性校验；
S4，根据得到的权重向量对已有的层次分析模型的权重系数进行修改，得到改进层次分析模型；
S5，将处理后的指标数据导入改进层次分析模型中进行计算，基于得到的审计结果对电力企业进行预警；
所述S4包括：
S41，对不符合预设条件的判断矩阵进行剔除操作；
S42，计算已执行剔除操作后每个判断矩阵的权重系数；
S43，获取任意两个权重系数之间的指标权重平均一致性，基于指标权重平均一致性结果对权重系数进行修改，得到基于修改后权重系数的改进层次分析模型。
2.根据权利要求1所述的基于改进层次分析模型的审计数据处理方法，其特征在于，所述S2包括：
S21，根据目标数据所属类别不同，将目标数据划分为正向性指标、负向性指标以及异常性指标；
S22，分别构建针对每一类指标的归一化处理函数，基于归一化处理函数将目标数据转换为预设区间内的指标数据。
3.根据权利要求2所述的基于改进层次分析模型的审计数据处理方法，其特征在于，所述S22包括：
S221，获取包括线上报装占比、个性化增值服务情况的两个正向型指标；
S222，将正向性指标的数据转化为百分制的标准化值；
S223，构建对应正向性指标的左半梯形处理函数。
4.根据权利要求2所述的基于改进层次分析模型的审计数据处理方法，其特征在于，所述S22包括：
S224，获取包含业扩办理体外循环、停电赔偿率、频繁停电投诉率、高压业扩报装配套项目异常率、低压业扩报装配套项目异常率、高压客户受电工程项目异常率在内的负向性指标，
S225，将负向性指标的数据转化为百分制的标准化值；
S226，构建对应负向性指标的左半倒梯形处理函数。
5.根据权利要求2所述的基于改进层次分析模型的审计数据处理方法，其特征在于，所述S22包括：
S227，获取包含“三指定”风险系数、高可靠性供电费用异常率、低压超工期风险系数、高压超工期风险系数、业扩工程收费异常率在内的异常性指标，
S228，将异常性指标的数据转化为百分制的标准化值；
S229，构建对应异常性指标的右阶梯形处理函数。
6.根据权利要求1所述的基于改进层次分析模型的审计数据处理方法，其特征在于，所述S3包括：
S31，分别采用算术平均法、几何平均法以及特征值法求取权重，并取三种方法计算结果的平均值作为权重向量；
S32，根据权重向量的一致性检验公式对得到的权重向量进行一致性校验，根据校验结果所处区间对判断矩阵进行修正。
7.根据权利要求1所述的基于改进层次分析模型的审计数据处理方法，其特征在于，所述S41包括：
S411，设定判断矩阵中各元素偏离对比矩阵中各元素的阈值；
S412，将判断矩阵中含有元素超过阈值的判断矩阵剔除。
8.根据权利要求1所述的基于改进层次分析模型的审计数据处理方法，其特征在于，所述S43包括：
基于公式一计算指标权重平均一致性指标
，
式中，
为权重计算指标，
为权重计算指标，
的取值范围为正整数，
的取值范
围为正整数，
的取值范围为正整数，
和
为指标权重向量，
为指标权重向量
和
的夹角；
基于公式二计算任意两个权重系数之间的指标权重平均一致性
，
式中，
为进行剔除操作后判断矩阵的数量；
基于公式三对得到修改后权重系数
，
9.根据权利要求1所述的基于改进层次分析模型的审计数据处理方法，其特征在于，所述S5包括：
根据电气企业的健康运行基准得到报警阈值；
如果得到的审计结果低于报警阈值，则对审计结果对应的电力企业进行预警处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110180049.XA CN112528233B (zh) | 2021-02-08 | 2021-02-08 | 基于改进层次分析模型的审计数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110180049.XA CN112528233B (zh) | 2021-02-08 | 2021-02-08 | 基于改进层次分析模型的审计数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112528233A CN112528233A (zh) | 2021-03-19 |
| CN112528233B true CN112528233B (zh) | 2021-04-27 |
Family
ID=74975590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110180049.XA Active CN112528233B (zh) | 2021-02-08 | 2021-02-08 | 基于改进层次分析模型的审计数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112528233B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113516065B (zh) * | 2021-07-03 | 2022-08-05 | 北京中建建筑科学研究院有限公司 | 基于区块链的资料权重测算方法、装置、服务器及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063657A (zh) * | 2010-12-23 | 2011-05-18 | 中国电力科学研究院 | 一种城市配电网运行水平与供电能力评估方法 |
| CN107153985A (zh) * | 2017-04-30 | 2017-09-12 | 国网江苏省电力公司常州供电公司 | 一种用户侧能源数据的挖掘与分析方法 |
| CN109829604A (zh) * | 2018-12-13 | 2019-05-31 | 国网江苏省电力有限公司电力科学研究院 | 一种电网侧储能电站运行效果综合评估方法 |
| CN109934500A (zh) * | 2019-03-15 | 2019-06-25 | 南方电网科学研究院有限责任公司 | 一种配电台区的低电压评价方法、装置、设备及存储介质 |
| US10576124B2 (en) * | 2014-05-28 | 2020-03-03 | Stealth Biotherapeutics Corp | Therapeutic compositions including frataxin, lactoferrin, and mitochondrial energy generating enzymes, and uses thereof |
-
2021
- 2021-02-08 CN CN202110180049.XA patent/CN112528233B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102063657A (zh) * | 2010-12-23 | 2011-05-18 | 中国电力科学研究院 | 一种城市配电网运行水平与供电能力评估方法 |
| US10576124B2 (en) * | 2014-05-28 | 2020-03-03 | Stealth Biotherapeutics Corp | Therapeutic compositions including frataxin, lactoferrin, and mitochondrial energy generating enzymes, and uses thereof |
| CN107153985A (zh) * | 2017-04-30 | 2017-09-12 | 国网江苏省电力公司常州供电公司 | 一种用户侧能源数据的挖掘与分析方法 |
| CN109829604A (zh) * | 2018-12-13 | 2019-05-31 | 国网江苏省电力有限公司电力科学研究院 | 一种电网侧储能电站运行效果综合评估方法 |
| CN109934500A (zh) * | 2019-03-15 | 2019-06-25 | 南方电网科学研究院有限责任公司 | 一种配电台区的低电压评价方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于熵权和层次分析法的电力客户风险评估及其规避;冯义等;《继电器》;20071216;第35卷(第24期);第66-73页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112528233A (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bedard et al. | Material weakness remediation and earnings quality: A detailed examination by type of control deficiency | |
| Myers et al. | Exploring the term of the auditor‐client relationship and the quality of earnings: A case for mandatory auditor rotation? | |
| Norsworthy et al. | Input measurement and productivity growth in Japanese and US manufacturing | |
| Iyer et al. | Clients' expectations on audit judgments: A note | |
| Hlasny et al. | The impact of top incomes biases on the measurement of inequality in the United States | |
| CN112528233B (zh) | 基于改进层次分析模型的审计数据处理方法 | |
| CN112330121B (zh) | 一种配电网自动化建设投资效益评估方法 | |
| Chen et al. | Australian evidence on analysts' cash flow forecasts: issuance, accuracy and usefulness | |
| Féres et al. | Assessing the impact of environmental regulation on industrial water use: Evidence from Brazil | |
| CN113240527A (zh) | 基于可解释机器学习的债券市场违约风险预警方法 | |
| CN112037006A (zh) | 小微企业的信用风险识别方法及装置 | |
| CN111242424A (zh) | 质量数据的处理方法及装置 | |
| Kusano | Recognition versus disclosure of finance leases: Evidence from Japan | |
| Mestelman et al. | The Convergence of IFRS and US GAAP: Evidence from the SEC's Removal of Form 20‐F Reconciliations | |
| Odoemelam et al. | Corporate board characteristics and environmental disclosure quantity: a comparative analysis of traditional and integrated reporting evidence | |
| Sun et al. | Financial statement comparability and audit pricing | |
| Amelia et al. | Asset scale and capital structure on the performance of Sharia Banks | |
| Luspratama et al. | Analysis of Factor Affecting Going Concern Audit Opinion on Manufacturing Companies Sub Sector Food and Beverage Listed on the Indonesia Stock Exchange 2015-2019 | |
| CN115293609A (zh) | 人员安全责任制履职评价指标权重体系构建方法及系统 | |
| Hou et al. | Assessment frequency and equity of the real property tax: Latest evidence from Philadelphia | |
| CN112734080A (zh) | 一种以电网为视角的电力市场运营效率评价方法 | |
| Gopalan et al. | Assessing the quality of bank loan ratings | |
| Dorminey et al. | Hedging derivatives in the banking industry: Evidence of investor confusion | |
| Liang | Informativeness of Flexibility in Cash Flows Classification Standards | |
| Feng et al. | Do Auditors Learn from Stock Prices of Their Clients? Evidence from Audit Adjustments of Pre-audited Earnings |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |