CN114139995A - 试验区的监测评价方法、装置、电子设备及存储介质 - Google Patents
试验区的监测评价方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114139995A CN114139995A CN202111478679.1A CN202111478679A CN114139995A CN 114139995 A CN114139995 A CN 114139995A CN 202111478679 A CN202111478679 A CN 202111478679A CN 114139995 A CN114139995 A CN 114139995A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- target
- index
- test area
- monitoring 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.)
- Granted
Links
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种试验区的监测评价方法、装置、电子设备及存储介质,涉及人工智能领域。该方法包括:获取目标试验区的每项指标对应的目标监测数据,然后根据目标监测数据,确定指标对应的指标权重系数,根据每项指标的目标监测数据和指标权重系数,确定目标试验区的监测分数,最后根据监测分数,生成目标试验区的监测报告。本申请实施例通过构建统一的监测指标体系,在指标的层面对试验区的发展情况进行监测,并自动生成年度总结报告,提升了试验区的数据处理效率,能够更加直观和客观地监测和评价试验区的发展情况。
Description
技术领域
本申请涉及人工智能领域,具体而言,本申请涉及一种试验区的监测评价方法、装置、电子设备及计算机可读存储介质。
背景技术
试验区是我国推动人工智能等高新技术创新发展的试点地区,围绕人工智能等高新技术,创新体制机制,深化产学研用结合,促进科技、产业、金融等要素集聚,构建有利于高新技术发展的良好生态,全面提升人工智能等新技术的创新能力和水平。国家科技主管部门定向收集各试验区建设进展情报,并做出试验区建设进展的总体评价。通过人力沟通或者发函试验区负责部门具体需求,定向收集试验区发展的具体信息,收集的材料一般以年度总结报告形式为主,相关部门学习总结典型做法或案例,凝练形成试验区创新发展相关报告。
目前采用的定向收集和撰写年度报告的方式,从发函征集信息到监测评价报告形成,一般需要4-6个月的时间,耗时长,效率较低。并且对于可量化的试验区实施进展情况,缺乏统一的指标,试验区之间的横向对比和试验区内的纵向对比的可比性都不强。同时,试验区自行撰写总结报告的方式具有较强的主观性,在内容上可能着重强调试验区的优势特色而弱化不足之处,不能全面反映试验区重点任务的实施情况,缺乏一定的客观性,给试验区的监测和评价工作带来一定难度。
发明内容
本申请实施例提供了一种试验区的监测评价方法、装置、电子设备及计算机可读存储介质,用于解决现有技术中各试验区自行撰写年度总结报告成本高、时效差,并且缺乏客观性的技术问题。
根据本申请实施例的一个方面,提供了一种试验区的监测评价方法,该方法包括:
获取目标试验区的每项指标对应的目标监测数据;
根据目标监测数据,确定指标对应的指标权重系数;
根据每项指标的目标监测数据和指标权重系数,确定目标试验区的监测分数;
根据监测分数,生成目标试验区的监测报告。
可选地,获取目标试验区的每项指标对应的目标监测数据之前,方法包括:
获取目标试验区的初始监测数据;
对初始监测数据进行预处理得到目标监测数据,将目标监测数据存储至试验区监测数据库;试验区监测数据库包括至少一个试验区的目标监测数据。
可选地,指标包括技术研发指标、应用示范指标、社会治理指标和基础设施建设指标中的至少一项;
获取目标试验区的每项指标对应的目标监测数据,包括:
从试验区监测数据库中,获取与目标试验区对应的指标的目标监测数据。
可选地,对初始监测数据进行预处理得到目标监测数据,包括:
对初始监测数据进行数据清洗处理和数据集成处理,得到第一监测数据;
将第一监测数据按照预设的指标类型划分为不同的指标类型的第二监测数据;
对第二监测数据进行标准化处理得到目标监测数据。
可选地,根据目标监测数据,确定指标对应的指标权重系数,包括:
根据每项指标的目标监测数据计算对应的信息熵,并根据信息熵确定指标的雷达图,通过雷达图中每项指标对应的面积构成比确定对应的指标权重系数;
根据每项指标的目标监测数据和指标权重系数,确定目标试验区的监测分数,包括:
根据目标监测数据和指标权重系数,对每项指标进行加权计算,得到目标试验区的监测分数。
可选地,方法还包括:
根据目标区域的目标试验区的监测分数确定目标区域的总监测分数;目标区域包括至少一个目标试验区;
根据目标监测数据和目标区域的总监测分数生成目标区域的区域监测报告。
可选地,根据目标监测数据和监测分数生成目标试验区的监测报告,包括:
将监测分数和目标试验区的历史监测分数进行比较,得到第一比较结果;
将监测分数和目标区域的其他目标试验区的监测分数进行比较,得到第二比较结果;
根据目标监测数据、监测分数、第一比较结果和第二比较结果,生成目标试验区的监测报告。
根据本申请实施例的另一个方面,提供了一种试验区的监测评价装置,该装置包括:
获取模块,用于获取目标试验区的每项指标对应的目标监测数据;
第一计算模块,用于根据目标监测数据,确定指标对应的指标权重系数;
第二计算模块,用于根据每项指标的目标监测数据和指标权重系数,确定目标试验区的监测分数;
第一生成模块,用于根据监测分数,生成目标试验区的监测报告。
可选地,装置还包括预处理模块:
获取子模块,用于获取目标试验区的初始监测数据;
预处理子模块,用于对初始监测数据进行预处理得到目标监测数据,将目标监测数据存储至试验区监测数据库;试验区监测数据库包括至少一个试验区的目标监测数据。
可选地,指标包括技术研发指标、应用示范指标、社会治理指标和基础设施建设指标中的至少一项;
获取模块具体用于从试验区监测数据库中,获取与目标试验区对应的指标的目标监测数据。
可选地,预处理子模块包括:
第一预处理单元,用于对初始监测数据进行数据清洗处理和数据集成处理,得到第一监测数据;
第二预处理单元,用于将第一监测数据按照预设的指标类型划分为不同的指标类型的第二监测数据;
第三预处理单元,用于对第二监测数据进行标准化处理得到目标监测数据。
可选地,第一计算模块具体用于根据每项指标的目标监测数据计算对应的信息熵,并根据信息熵确定指标的雷达图,通过雷达图中每项指标对应的面积构成比确定对应的指标权重系数;
第二计算模块具体用于根据目标监测数据和指标权重系数,对每项指标进行加权计算,得到目标试验区的监测分数。
可选地,装置还包括:
第三计算模块,用于根据目标区域的目标试验区的监测分数确定目标区域的总监测分数;目标区域包括至少一个目标试验区;
第二生成模块,用于根据目标监测数据和目标区域的总监测分数生成目标区域的区域监测报告。
可选地,第一生成模块包括:
第一比较模块,用于将监测分数和目标试验区的历史监测分数进行比较,得到第一比较结果;
第二比较模块,用于将监测分数和目标区域的其他目标试验区的监测分数进行比较,得到第二比较结果;
第一生成子模块,用于根据目标监测数据、监测分数、第一比较结果和第二比较结果,生成目标试验区的监测报告。
根据本申请实施例的另一个方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,处理器执行计算机程序以实现上述任一个方面的试验区的监测评价方法的步骤。
根据本申请实施例的再一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一个方面的试验区的监测评价方法的步骤。
本申请实施例提供的技术方案带来的有益效果是:
通过构建统一的监测指标体系,在指标的层面对试验区的发展情况进行监测,并自动生成年度总结报告,提升了试验区的数据处理效率,能够更加直观和客观地监测和评价试验区的发展情况。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种试验区的监测评价方法的流程示意图之一;
图2为本申请实施例提供的一种试验区的监测评价方法的流程示意图之二;
图3为本申请实施例提供的对初始监测数据进行预处理得到目标监测数据的流程示意图;
图4为本申请实施例提供的一种试验区的监测评价方法的流程示意图之三;
图5为本申请实施例提供的根据目标监测数据和目标区域的总监测分数生成目标区域的区域监测报告的流程示意图;
图6为本申请实施例提供的一种试验区的监测评价装置的结构示意图;
图7为本申请实施例提供的一种试验区的监测评价电子设备的结构示意图;
图8为本申请实施例提供的信息熵雷达图。
具体实施方式
下面结合本申请中的附图描述本申请的实施例。应理解,下面结合附图所阐述的实施方式,是用于解释本申请实施例的技术方案的示例性描述,对本申请实施例的技术方案不构成限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征、信息、数据、步骤、操作、元件和/或组件,但不排除实现为本技术领域所支持其他特征、信息、数据、步骤、操作、元件、组件和/或它们的组合等。应该理解,当我们称一个元件被“连接”或“耦接”到另一元件时,该一个元件可以直接连接或耦接到另一元件,也可以指该一个元件和另一元件通过中间元件建立连接关系。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的术语“和/或”指示该术语所限定的项目中的至少一个,例如“A和/或B”指示实现为“A”,或者实现为“B”,或者实现为“A和B”。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
下面通过对几个示例性实施方式的描述,对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。需要指出的是,下述实施方式之间可以相互参考、借鉴或结合,对于不同实施方式中相同的术语、相似的特征以及相似的实施步骤等,不再重复描述。
本申请实施例中提供了一种试验区的监测评价方法,如图1所示,该方法包括:
步骤S101,获取目标试验区的每项指标对应的目标监测数据。
试验区可以理解为依托地方开展试验,推动某方面发展先行先试、发挥带动作用的试点地区,例如,国家新一代人工智能创新发展试验区。针对这样的试验区,需要进行定期的监测和评价,从而为推动完成试验目标和任务提供数据支撑。
根据试验区不同的试验内容和发展要求,可以确定不同的发展指标。每一项指标都存在对应的发展数据,对这些发展数据进行定期监测,即可得到对应的监测数据。
目标试验区可以理解为当前需要进行监测和评价的试验区。获取目标试验区的每项指标对应的目标监测数据,并根据目标监测数据对该目标试验区进行评价。
本申请实施例提供的试验区的监测评价方法,可以应用于预设的试验区监测评价系统。例如,用户在试验区监测评价系统中选择目标试验区,并确定该目标试验区的指标,试验区监测评价系统将自动获取该目标试验区的每项指标对应的目标监测数据,并执行下一步操作,具体的数据处理操作不再赘述。
步骤S102,根据目标监测数据,确定指标对应的指标权重系数。
目标监测数据包括目标试验区多个指标对应的监测数据。结合目标监测数据,采用基于信息熵的雷达图面积构成比对目标试验区的多个指标的权重进行赋值,确定指标对应的指标权重系数。
其中,目标试验区的多个指标包括至少三个不同层级的指标,第一层级为目标层,第二层级为准则层,第三层级为指标层。例如,目标层包括技术研发指标,技术研发指标对应的准则层的指标包括投入指标、支撑指标和产出指标,而投入指标对应的指标层的指标包括人工智能研究与发展经费支出占地区生产总值比例指标、企业研究与发展经费支出占研究与发展经费支出比例指标、人工智能科研项目资助金额指标和人工智能科研项目数量指标。需要说明的是,上述列举的指标类型仅作示例,针对不同的试验区可以进行详细的调整规划。
根据各个指标的目标监测数据计算得到各个指标的信息熵,然后根据每一层级的指标对应的信息熵,形成每一层级指标的信息熵雷达图,通过对雷达图中各个指标对应的面积构成比,确定各个指标对应的指标权重系数。
步骤S103,根据每项指标的目标监测数据和指标权重系数,确定目标试验区的监测分数。
根据每项指标的目标监测数据确定每项指标所占的比值,根据每项指标所占的比值和每项指标对应的指标权重系数,进行加权运算,确定目标试验区的监测分数。
步骤S104,根据监测分数,生成目标试验区的监测报告。
监测报告包括目标试验区的监测分数,监测分数用于表示目标试验区的发展情况。
监测报告还可以包括目标试验区的部分目标监测数据,详细描述目标试验区的发展情况。例如,人工智能研究与发展经费支出占地区生产总值比例、支持人工智能应用示范和产业发展专项政策数量、人工智能发展政策和实施方案数量,以及互联网普及率等。
具体而言,监测报告可以由试验区监测评价系统自动生成,通过神经网络等人工智能算法对目标试验区的各项数据进行学习和总结,形成目标试验区的监测报告。试验区监测评价系统自动生成各试验区的监测报告,不仅效率较高,而且具备一定的客观性,统一的指标体系使得试验区可以基于监测报告进行横向和纵向比较。
应用本申请实施例提供的一种试验区的监测评价方法,获取目标试验区的每项指标对应的目标监测数据,然后根据目标监测数据,确定指标对应的指标权重系数,根据每项指标的目标监测数据和指标权重系数,确定目标试验区的监测分数,最后根据监测分数,生成目标试验区的监测报告。
本申请实施例通过构建统一的监测指标体系,在指标的层面对试验区的发展情况进行监测,并自动生成年度总结报告,提升了试验区的数据处理效率,能够更加直观和客观地监测和评价试验区的发展情况。
本申请实施例中提供了一种试验区的监测评价方法,如图1所示,该方法包括:
步骤S101,获取目标试验区的每项指标对应的目标监测数据。
试验区可以理解为依托地方开展试验,推动某方面发展先行先试、发挥带动作用的试点地区,例如,国家新一代人工智能创新发展试验区。针对这样的试验区,需要进行定期的监测和评价,从而为试验区发展提供数据支撑。
针对试验区不同的试验内容和建设任务,可以确定不同的发展指标。每一项指标都存在对应的发展数据,对这些发展数据进行定期监测,即可得到对应的监测数据。
目标试验区可以理解为当前需要进行监测和评价的试验区。获取目标试验区的每项指标对应的目标监测数据,并根据目标监测数据对该目标试验区进行评价。
本申请实施例提供的试验区的监测评价方法,可以应用于预设的试验区监测评价系统。例如,用户在试验区监测评价系统中选择目标试验区,并确定该目标试验区的指标,试验区监测评价系统将自动获取该目标试验区的每项指标对应的目标监测数据,并执行下一步操作,具体的数据处理操作不再赘述。
试验区监测评价系统具体可以分为四个处理单元,包括指标单元、数据单元、监测评价单元和报告单元。
其中,指标单元用于构建试验区的各项指标,并对各项指标进行分类。同时,指标单元还用于对目标试验区对应的指标进行管理和修改。通过指标单元构建试验区监测评价系统中统一的指标体系。数据单元用于对试验区的相关数据进行具体处理。监测评价单元用于对目标试验区进行监测和评价。报告单元用于生成目标试验区的监测报告,集成可视化分析工具进行监测评价内容的展示。
本申请一种优选实施例中,指标包括技术研发指标、应用示范指标、社会治理指标和基础设施建设指标中的至少一项。
其中,技术研发指标包括投入、支撑和产出三个方面;应用示范指标包括场景部署、企业规模和产业发展三个方面;社会治理指标包括创新制度、社会实验和社会治理三个方面;基础设施建设指标包括网络基础和计算基础两个方面。
具体而言,技术研发指标、应用示范指标、社会治理指标和基础设施建设指标是国家新一代人工智能创新发展试验区建设中部署的四类较为基础的指标类型,试验区对应的指标还可以基于试验区的类型做具体调整。
本申请一种优选实施例中,如图2所示,步骤S101之前,该方法包括:
步骤S201,获取目标试验区的初始监测数据。
目标试验区的初始监测数据为预先获取的。试验区监测评价系统可以获取目标试验区自行上传的人工智能创新发展的相关数据。同时,试验区监测评价系统还可以利用网络爬虫等技术,阶段性地收集目标试验区的人工智能创新发展的相关数据。这些数据囊括政策文本、支持项目、开放数据、重点支持场景、智能化基础设施数量等多个方面,将这些人工智能创新发展的相关数据作为目标试验区的初始监测数据。
步骤S202,对初始监测数据进行预处理得到目标监测数据,将目标监测数据存储至试验区监测数据库;试验区监测数据库包括至少一个试验区的目标监测数据。
获取的初始监测数据还需做进一步处理。对初始监测数据进行预处理和统计处理,得到目标监测数据,然后将目标监测数据存储至试验区监测评价系统预设的试验区监测数据库中。其中,试验区监测数据库包括至少一个试验区的目标监测数据。
试验区监测评价系统定期更新试验区监测数据库,收集多个试验区的目标监测数据,从而满足用户随时对试验区的发展数据进行数据处理的需求。
本申请一种优选实施例中,步骤S101包括从试验区监测数据库中,获取与目标试验区对应的指标的目标监测数据。
目标试验区的每项指标对应的目标监测数据,可以直接从试验区监测数据库中获取。
本申请一种优选实施例中,如图3所示,步骤S202中对初始监测数据进行预处理得到目标监测数据,包括:
步骤S2021,对初始监测数据进行数据清洗处理和数据集成处理,得到第一监测数据。
对初始监测数据进行预处理,包括对初始监测进行数据清洗处理和数据集成处理。通过数据清洗处理和数据集成处理,去除初始监测数据中与目标试验区的发展情况无关的数据,去除初始监测数据中重复的数据,得到第一监测数据。
步骤S2022,将第一监测数据按照预设的指标类型划分为不同的指标类型的第二监测数据。
第一监测数据包括试验区多个方面的监测数据,将第一监测数据按照预设的指标类型进行划分,得到多个指标对应的监测数据。同时,统计每个指标对应的监测数据的数量,得到第二监测数据。
步骤S2023,对第二监测数据进行标准化处理得到目标监测数据。
采用标准差标准化法对第二监测数据进行标准化处理,得到目标监测数据,标准化处理的公式如下:
其中,Xij为目标试验区的目标监测数据,s为目标试验区的指标的标准差。
步骤S102,根据目标监测数据,确定指标对应的指标权重系数。
本申请一种优选实施例中,步骤S102包括根据每项指标的目标监测数据计算对应的信息熵,并根据信息熵确定指标的雷达图,通过雷达图中每项指标对应的面积构成比确定对应的指标权重系数。
目标监测数据包括目标试验区多个指标对应的监测数据。结合目标监测数据,采用基于信息熵的雷达图面积构成比对目标试验区的多个指标的权重进行赋值,确定指标对应的指标权重系数。
其中,目标试验区的多个指标包括至少三个不同层级的指标,第一层级为目标层,第二层级为准则层,第三层级为指标层。例如,目标层包括技术研发指标,技术研发指标对应的准则层的指标包括投入指标、支撑指标和产出指标,而投入指标对应的指标层的指标包括人工智能研究与发展经费支出占地区生产总值比例指标、企业研究与发展经费支出占研究与发展经费支出比例指标、人工智能科研项目资助金额指标和人工智能科研项目数量指标。需要说明的是,上述列举的指标类型仅作示例,针对不同的试验区可以进行调整规划。
根据各个指标的目标监测数据计算得到各个指标的信息熵,然后根据每一层级的指标对应的信息熵,形成每一层级指标的信息熵雷达图,通过对雷达图中各个指标对应的面积构成比确定各个指标对应的指标权重系数。
具体而言,根据标准化处理后的每个指标对应的目标监测数据,计算每个指标的信息熵,计算公式如下:
其中,Ej为指标j的信息熵,pij为指标j的目标监测数据所占同一层级所有目标监测数据之和的比值,Xij为目标试验区的指标对应的目标监测数据。
进一步,基于计算得到的指标的信息熵绘制信息熵雷达图,如图8所示,一个层级的指标的信息熵对应于一张雷达图。
将同一层级的指标作为顶点,按照逆时针依次排列,将指标An与An+1之间的面积比作为An的权重,指标权重系数的计算公式如下:
其中,步骤S103,根据每项指标的目标监测数据和指标权重系数,确定目标试验区的监测分数。
本申请一种优选实施例中,步骤S103包括根据目标监测数据和指标权重系数,对每项指标进行加权计算,得到目标试验区的监测分数。
根据每项指标的目标监测数据确定每项指标所占的比值,根据每项指标所占的比值和每项指标对应的指标权重系数,进行加权运算,确定目标试验区的监测分数。
监测分数的计算公式如下:
步骤S104,根据监测分数,生成目标试验区的监测报告。
监测报告包括目标试验区的监测分数,监测分数用于表示目标试验区的发展情况。
监测报告还可以包括目标试验区的部分目标监测数据,详细描述目标试验区的发展情况。例如,人工智能研究与发展经费支出占地区生产总值比例、支持人工智能应用示范和产业发展专项政策数量、人工智能发展政策和实施方案数量,以及互联网普及率等。
具体而言,监测报告可以由试验区监测评价系统的可视化单元来生成实现,可视化单元主要采用echarts等可视化工具进行可视化分析,通过神经网络等人工智能算法对目标试验区的各项数据进行学习和总结,形成目标试验区的监测报告。试验区监测评价系统自动生成各试验区的监测报告,不仅效率较高,而且具备一定的客观性,统一的指标体系使得试验区可以基于监测报告进行横向和纵向比较。
本申请一种优选实施例中,如图4所示,该方法还包括:
步骤S401,根据目标区域的目标试验区的监测分数确定目标区域的总监测分数;目标区域包括至少一个目标试验区。
目标区域可以为以试验区为单位形成的更大范围的试点地区,例如,长三角、珠三角、京津冀、长江经济带、粤港澳大湾区、成渝双城经济圈等。除此之外,目标区域还可以包括国家所有的试验区。
每个目标区域包括至少一个目标试验区。根据目标区域的目标试验区的监测分数,可以确定该目标区域的总监测分数。具体而言,取目标区域中的目标试验区的监测分数的平均值作为目标区域的总监测分数。
目标区域的总监测分数的计算公式如下:
其中,Z为目标区域的总监测分数,Yi为目标区域的目标试验区的监测分数,n为目标区域的目标试验区的数量。
步骤S402,根据目标监测数据和目标区域的总监测分数生成目标区域的区域监测报告。
区域监测报告包括目标区域的总监测分数,总监测分数用于表示目标区域的发展情况。
区域监测报告还可以包括目标区域的部分目标监测数据,详细描述目标区域的发展情况。
具体而言,区域监测报告可以由试验区监测评价系统自动生成,通过神经网络等人工智能算法对目标区域的各项数据进行学习和总结,形成目标区域的总监测报告。试验区监测评价系统自动生成各区域的监测报告,不仅效率较高,而且具备一定的客观性,统一的指标体系使得区域之间和区域内部可以基于监测报告进行横向和纵向比较。
本申请一种优选实施例中,如图5所示,步骤S402包括:
步骤S4021,将监测分数和目标试验区的历史监测分数进行比较,得到第一比较结果。
目标试验区每次生成的监测分数都存储在试验区监测评价系统中,作为目标试验区的历史监测分数。将目标试验区当前的监测分数和历史监测分数进行比较,得到第一比较结果。其中,第一比较结果表示目标试验区一段时间内的发展情况的纵向比较结果。
相应的,根据目标区域的监测分数和历史监测分数可以得到目标区域的第一比较结果,以下不再赘述。
步骤S4022,将监测分数和目标区域的其他目标试验区的监测分数进行比较,得到第二比较结果。
将目标试验区的监测分数和其他试验区的监测分数进行比较,得到第二比较结果。例如,目标试验区属于长三角地区,将目标试验区的监测分数和长三角地区的其他试验区的监测分数进行比较,得到第二比较结果。其中,第二比较结果表示目标试验区在目标区域范围内的发展情况的横向比较结果。
步骤S4023,根据目标监测数据、监测分数、第一比较结果和第二比较结果,生成目标试验区的监测报告。
根据目标试验区的目标监测数据、监测分数、第一比较结果和第二比较结果,生成目标试验区的监测报告。监测报告从多方面评价目标试验区的发展情况,试验区监测评价系统可以根据用户需要随时生成目标试验区的监测报告,与人工撰写监测报告相比,效率更高,并且具备较强的客观性。
本申请一种优选实施例中,试验区的监测评价方法还包括:监测目标试验区的目标监测数据,在目标监测数据超出预设阈值的情况下,发出提醒信息。
具体而言,试验区监测评价系统不仅可以自动生成目标试验区的监测报告,还可以基于目标监测分数对目标试验区进行定期监测。例如,针对特定的目标试验区,预先设定目标监测数据对应的监测阈值,当目标监测数据超出或低于监测阈值时,判断该目标试验区的发展数据存在问题,发出提示信息。当目标监测指标为正向指标时,目标监测数据低于监测阈值时,发出提示信息;当目标监测数据为负向指标时,目标监测数据高于监测阈值时,发出提示信息。
同时,试验区监测评价系统还可以对目标监测数据的其他异常情况进行监测,例如更新速度的情况,当更新速度较慢时,也发出提示信息。
其中,发出提示信息的常规方式包括向目标试验区生成提醒报告,或者向相关管理部门发送提醒邮件,督促目标试验区推进相关发展任务。
应用本申请实施例提供的一种试验区的监测评价方法,获取目标试验区的每项指标对应的目标监测数据,然后根据目标监测数据,确定指标对应的指标权重系数,根据每项指标的目标监测数据和指标权重系数,确定目标试验区的监测分数,最后根据监测分数,生成目标试验区的监测报告。
本申请实施例通过构建统一的监测指标体系,在指标的层面对试验区的发展情况进行监测,并自动生成年度总结报告,提升了试验区的数据处理效率,能够更加直观和客观地监测试验区的发展情况,同时构建统一的监测指标体系有利于对试验区的发展情况进行横向和纵向对比。
本申请实施例提供了一种试验区的监测评价装置,如图6所示,该试验区的监测评价装置60可以包括:
获取模块601,用于获取目标试验区的每项指标对应的目标监测数据;
第一计算模块602,用于根据目标监测数据,确定指标对应的指标权重系数;
第二计算模块603,用于根据每项指标的目标监测数据和指标权重系数,确定目标试验区的监测分数;
第一生成模块604,用于根据监测分数,生成目标试验区的监测报告。
本申请一种优选实施例中,装置还包括预处理模块:
获取子模块,用于获取目标试验区的初始监测数据;
预处理子模块,用于对初始监测数据进行预处理得到目标监测数据,将目标监测数据存储至试验区监测数据库;试验区监测数据库包括至少一个试验区的目标监测数据。
本申请一种优选实施例中,指标包括技术研发指标、应用示范指标、社会治理指标和基础设施建设指标中的至少一项;
获取模块具体用于从试验区监测数据库中,获取与目标试验区对应的指标的目标监测数据。
本申请一种优选实施例中,预处理子模块包括:
第一预处理单元,用于对初始监测数据进行数据清洗处理和数据集成处理,得到第一监测数据;
第二预处理单元,用于将第一监测数据按照预设的指标类型划分为不同的指标类型的第二监测数据;
第三预处理单元,用于对第二监测数据进行标准化处理得到目标监测数据。
本申请一种优选实施例中,第一计算模块602具体用于根据每项指标的目标监测数据计算对应的信息熵,并根据信息熵确定指标的雷达图,通过雷达图中每项指标对应的面积构成比来确定对应的指标权重系数;
第二计算模块603具体用于根据目标监测数据和指标权重系数,对每项指标进行加权计算,得到目标试验区的监测分数。
本申请一种优选实施例中,装置还包括:
第三计算模块,用于根据目标区域的目标试验区的监测分数确定目标区域的总监测分数;目标区域包括至少一个目标试验区;
第二生成模块,用于根据目标监测数据和目标区域的总监测分数生成目标区域的区域监测报告。
本申请一种优选实施例中,第一生成模块包括:
第一比较模块,用于将监测分数和目标试验区的历史监测分数进行比较,得到第一比较结果;
第二比较模块,用于将监测分数和目标区域的其他目标试验区的监测分数进行比较,得到第二比较结果;
第一生成子模块,用于根据目标监测数据、监测分数、第一比较结果和第二比较结果,生成目标试验区的监测报告。
应用本申请实施例提供的一种试验区的监测评价装置,获取目标试验区的每项指标对应的目标监测数据,然后根据目标监测数据,确定指标对应的指标权重系数,根据每项指标的目标监测数据和指标权重系数,确定目标试验区的监测分数,最后根据监测分数,生成目标试验区的监测报告。
本申请实施例通过构建统一的监测指标体系,在指标的层面对试验区的发展情况进行监测,并自动生成年度总结报告,提升了试验区的数据处理效率,能够更加直观和客观地监测和评价试验区的发展情况。
本申请实施例中提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,该处理器执行上述计算机程序以实现试验区的监测评价方法的步骤,与现有技术相比可实现:通过构建统一的监测指标体系,在指标的层面对试验区的发展情况进行监测,并自动生成年度总结报告,提升了试验区的数据处理效率,能够更加直观和客观地监测试验区的发展情况。
在一个可选实施例中提供了一种电子设备,如图7所示,图7所示的电子设备7000包括:处理器7001和存储器7003。其中,处理器7001和存储器7003相连,如通过总线7002相连。可选地,电子设备7000还可以包括收发器7004,收发器7004可以用于该电子设备与其他电子设备之间的数据交互,如数据的发送和/或数据的接收等。需要说明的是,实际应用中收发器7004不限于一个,该电子设备7000的结构并不构成对本申请实施例的限定。
处理器7001可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器7001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线7002可包括一通路,在上述组件之间传送信息。总线7002可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线7002可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器7003可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质,在此不做限定。
存储器7003用于存储执行本申请实施例的计算机程序,并由处理器7001来控制执行。处理器7001用于执行存储器7003中存储的计算机程序,以实现前述方法实施例所示的步骤。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
应该理解的是,虽然本申请实施例的流程图中通过箭头指示各个操作步骤,但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明,否则在本申请实施例的一些实施场景中,各流程图中的实施步骤可以按照需求以其他的顺序执行。此外,各流程图中的部分或全部步骤基于实际的实施场景,可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行,这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下,这些子步骤或者阶段的执行顺序可以根据需求灵活配置,本申请实施例对此不限制。
以上所述仅是本申请部分实施场景的可选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请的方案技术构思的前提下,采用基于本申请技术思想的其他类似实施手段,同样属于本申请实施例的保护范畴。
Claims (10)
1.一种试验区的监测评价方法,其特征在于,包括:
获取目标试验区的每项指标对应的目标监测数据;
根据所述目标监测数据,确定所述指标对应的指标权重系数;
根据每项指标的所述目标监测数据和所述指标权重系数,确定所述目标试验区的监测分数;
根据所述监测分数,生成所述目标试验区的监测报告。
2.根据权利要求1所述的试验区的监测评价方法,其特征在于,所述获取目标试验区的每项指标对应的目标监测数据之前,所述方法包括:
获取目标试验区的初始监测数据;
对所述初始监测数据进行预处理得到目标监测数据,将所述目标监测数据存储至试验区监测数据库;所述试验区监测数据库包括至少一个试验区的目标监测数据。
3.根据权利要求2所述的试验区的监测评价方法,其特征在于,所述指标包括技术研发指标、应用示范指标、社会治理指标和基础设施建设指标中的至少一项;
所述获取目标试验区的每项指标对应的目标监测数据,包括:
从试验区监测数据库中,获取与目标试验区对应的指标的目标监测数据。
4.根据权利要求2所述的试验区的监测评价方法,其特征在于,所述对所述初始监测数据进行预处理得到目标监测数据,包括:
对所述初始监测数据进行数据清洗处理和数据集成处理,得到第一监测数据;
将所述第一监测数据按照预设的指标类型划分为不同的指标类型的第二监测数据;
对所述第二监测数据进行标准化处理得到目标监测数据。
5.根据权利要求1所述的试验区的监测评价方法,其特征在于,所述根据所述目标监测数据,确定所述指标对应的指标权重系数,包括:
根据所述每项指标的目标监测数据计算对应的信息熵,并根据所述信息熵确定所述指标的雷达图,通过所述雷达图中每项指标对应的面积构成比确定对应的指标权重系数;
所述根据每项指标的所述目标监测数据和所述指标权重系数,确定所述目标试验区的监测分数,包括:
根据所述目标监测数据和所述指标权重系数,对每项指标进行加权计算,得到所述目标试验区的监测分数。
6.根据权利要求1所述的试验区的监测评价方法,其特征在于,所述方法还包括:
根据目标区域的所述目标试验区的所述监测分数确定所述目标区域的总监测分数;所述目标区域包括至少一个所述目标试验区;
根据所述目标监测数据和所述目标区域的总监测分数生成所述目标区域的区域监测报告。
7.根据权利要求5所述的试验区的监测评价方法,其特征在于,所述根据所述目标监测数据和所述监测分数生成所述目标试验区的监测报告,包括:
将所述监测分数和所述目标试验区的历史监测分数进行比较,得到第一比较结果;
将所述监测分数和所述目标区域的其他目标试验区的监测分数进行比较,得到第二比较结果;
根据所述目标监测数据、所述监测分数、所述第一比较结果和所述第二比较结果,生成所述目标试验区的监测报告。
8.一种试验区的监测评价装置,其特征在于,包括:
获取模块,用于获取目标试验区的每项指标对应的目标监测数据;
第一计算模块,用于根据所述目标监测数据,确定所述指标对应的指标权重系数;
第二计算模块,用于根据每项指标的所述目标监测数据和所述指标权重系数,确定所述目标试验区的监测分数;
第一生成模块,用于根据所述监测分数,生成所述目标试验区的监测报告。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于:执行根据权利要求1至7任一项所述的试验区的监测评价方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的试验区的监测评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111478679.1A CN114139995B (zh) | 2021-12-06 | 2021-12-06 | 试验区的监测评价方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111478679.1A CN114139995B (zh) | 2021-12-06 | 2021-12-06 | 试验区的监测评价方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114139995A true CN114139995A (zh) | 2022-03-04 |
CN114139995B CN114139995B (zh) | 2022-07-26 |
Family
ID=80384340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111478679.1A Active CN114139995B (zh) | 2021-12-06 | 2021-12-06 | 试验区的监测评价方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114139995B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515839A (zh) * | 2017-07-12 | 2017-12-26 | 国网上海市电力公司 | 经改进赋权算法处理的电能质量模糊评估法 |
CN109901153A (zh) * | 2019-03-29 | 2019-06-18 | 西安电子科技大学 | 基于信息熵权和最近邻域数据关联的目标航迹优化方法 |
CN110458386A (zh) * | 2019-06-26 | 2019-11-15 | 国网浙江省电力有限公司宁波供电公司 | 一种基于组合权重和雷达图法的综合管廊评估方法 |
CN111798123A (zh) * | 2020-06-30 | 2020-10-20 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的合规性评价方法、装置、设备及介质 |
CN112036715A (zh) * | 2020-08-18 | 2020-12-04 | 合肥工业大学 | 一种区域人力资源发展指数测量系统及方法 |
CN112330186A (zh) * | 2020-11-18 | 2021-02-05 | 杨媛媛 | 一种场地面运行保障能力评估方法 |
CN113327021A (zh) * | 2021-05-17 | 2021-08-31 | 广东省国土资源测绘院 | 一种基于topsis熵权法的土地综合评价方法及装置 |
-
2021
- 2021-12-06 CN CN202111478679.1A patent/CN114139995B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515839A (zh) * | 2017-07-12 | 2017-12-26 | 国网上海市电力公司 | 经改进赋权算法处理的电能质量模糊评估法 |
CN109901153A (zh) * | 2019-03-29 | 2019-06-18 | 西安电子科技大学 | 基于信息熵权和最近邻域数据关联的目标航迹优化方法 |
CN110458386A (zh) * | 2019-06-26 | 2019-11-15 | 国网浙江省电力有限公司宁波供电公司 | 一种基于组合权重和雷达图法的综合管廊评估方法 |
CN111798123A (zh) * | 2020-06-30 | 2020-10-20 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的合规性评价方法、装置、设备及介质 |
CN112036715A (zh) * | 2020-08-18 | 2020-12-04 | 合肥工业大学 | 一种区域人力资源发展指数测量系统及方法 |
CN112330186A (zh) * | 2020-11-18 | 2021-02-05 | 杨媛媛 | 一种场地面运行保障能力评估方法 |
CN113327021A (zh) * | 2021-05-17 | 2021-08-31 | 广东省国土资源测绘院 | 一种基于topsis熵权法的土地综合评价方法及装置 |
Non-Patent Citations (8)
Title |
---|
康玲芬等: ""两型社会"评价指标体系实证研究", 《开发研究》 * |
张成芬等: "小城镇信息化发展水平评价指标体系构建", 《科技管理研究》 * |
李小静等: "基于云理论和雷达图的路网综合可靠度评价", 《计算机应用研究》 * |
杨小萍等: "福建省设区市科技进步监测评价指标体系的构建与应用", 《科技管理研究》 * |
王影等: "生态承载力水平评价的动态模型及其应用――以洞庭湖生态经济区为例", 《环境科学学报》 * |
邵健等: "余杭区建设市人工智能创新发展区对策思路研究", 《杭州科技》 * |
项志勇等: "结合地理国情监测的宁波市生态环境评价指标体系的构建", 《测绘通报》 * |
高采文: "基于因子分析的改进雷达图及其在综合评价中的应用", 《山西师范大学学报(自然科学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114139995B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | An adjustable approach to intuitionistic fuzzy soft sets based decision making | |
CN110400021B (zh) | 银行网点现金用量预测方法及装置 | |
CN107633265A (zh) | 用于优化信用评估模型的数据处理方法及装置 | |
CN114077970B (zh) | 一种基于城市形态的碳排放相关因子的确定方法及装置 | |
CN107729555A (zh) | 一种海量大数据分布式预测方法及系统 | |
CN107590735A (zh) | 用于信用评估的数据挖掘方法及装置 | |
CN111523088A (zh) | 一种基于dpsir模型的生态环境评价方法 | |
CN114202243A (zh) | 一种基于随机森林的工程项目管理风险预警方法及系统 | |
CN114881343B (zh) | 基于特征选择的电力系统短期负荷预测方法及装置 | |
Schiller | Urban transitions: scaling complex cities down to human size | |
Yu et al. | An active construction dynamic schedule management model: using the fuzzy earned value management and BP neural network | |
Zhang et al. | Vibration prediction and analysis of strip rolling mill based on XGBoost and Bayesian optimization | |
Somu et al. | Evaluation of building energy demand forecast models using multi-attribute decision making approach | |
Ma et al. | An intelligent retrofit decision-making model for building program planning considering tacit knowledge and multiple objectives | |
CN112580951B (zh) | 基于乘客出行的城市地面公交运行监测关键指标筛选方法 | |
CN114139995B (zh) | 试验区的监测评价方法、装置、电子设备及存储介质 | |
CN116402528A (zh) | 电力数据处理系统 | |
CN115564410A (zh) | 一种继电保护设备的状态监测方法及装置 | |
CN115204501A (zh) | 企业评估方法、装置、计算机设备和存储介质 | |
CN114626692A (zh) | 镇村规模结构优化方法、系统、计算机设备和存储介质 | |
CN112100731B (zh) | 一种疲劳荷载计算模型的建立方法及系统 | |
Bamfo-Agyei et al. | Measuring productivity of labour-intensive work practices in road construction in Africa | |
CN106301880A (zh) | 一种确定网络关系稳定度、互联网业务推荐方法和设备 | |
Bai et al. | Reliability evaluation in construction quality based on complex vague soft expert set method | |
Sun | Management Research of Big Data Technology in Financial Decision-Making of Enterprise Cloud Accounting |
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 |