CN117333038A - 一种基于大数据的经济趋势分析系统 - Google Patents
一种基于大数据的经济趋势分析系统 Download PDFInfo
- Publication number
- CN117333038A CN117333038A CN202311338732.7A CN202311338732A CN117333038A CN 117333038 A CN117333038 A CN 117333038A CN 202311338732 A CN202311338732 A CN 202311338732A CN 117333038 A CN117333038 A CN 117333038A
- Authority
- CN
- China
- Prior art keywords
- data
- economic
- policy
- module
- analysis
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 64
- 238000011156 evaluation Methods 0.000 claims abstract description 52
- 238000004088 simulation Methods 0.000 claims abstract description 29
- 238000011161 development Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 20
- 238000013480 data collection Methods 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 230000002787 reinforcement Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 241000239290 Araneae Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及经济趋势分析技术领域，具体地说，涉及一种基于大数据的经济趋势分析系统。其包括采集处理单元、分析评估单元、模型预测单元、智能决策单元，智能决策单元接收预测经济趋势后的数据、收集后的经济和政策数据并进行制定决策，将制定后的决策数据传入分析评估单元中，分析评估单元根据制定后的决策数据、分析后的经济和政策状况数据进行仿真模拟。本发明通过根据分析后的经济和政策状况和制定后的决策数据进行仿真模拟，可以帮助发现和预测潜在的风险因素和问题，通过在仿真模拟中引入不同的变量和情景，可以模拟出多种可能性的发展趋势，这有助于决策者早期发现潜在问题，并制定相应的应对措施，以降低潜在风险并提高决策的可行性。
Description
技术领域
本发明涉及经济趋势分析技术领域，具体地说，涉及一种基于大数据的经济趋势分析系统。
背景技术
目前场景中，我们都知道大数据指规模庞大且多样化的数据集合，以至于传统的数据处理和管理工具难以有效处理，且具有有广泛的应用领域，包括商业和市场分析、金融风险管理等，由此可见大数据在技术领域中及其重要的位置，但由于在利用大数据分析经济趋势时，开发了一种基于互联网大数据的宏观经济分析方法及系统，一种基于互联网大数据的宏观经济分析方法及系统需要处理庞大且多样的数据，这样就有可能存在数据偏见和误差，这些偏见和误差可能来自数据收集方法、或数据处理过程中的缺陷，从而导致后续的数据质量问题，影响决策的准确性，而且也未能实现模拟出多种可能性的经济发展趋势，于是我们提供了一种基于大数据的经济趋势分析系统。
发明内容
本发明的目的在于提供一种基于大数据的经济趋势分析系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供一种基于大数据的经济趋势分析系统，包括采集处理单元、分析评估单元、模型预测单元、智能决策单元；
所述采集处理单元用于收集经济和政策数据，并对收集后的经济和政策数据进行预处理操作；
所述分析评估单元用于接收预处理操作后的经济和政策数据并进行分析当前经济和政策状况，再根据分析后的经济和政策状况数据进行政策评估；
所述模型预测单元用于接收政策评估的数据并进行建立经济模型，再根据建立后的经济模型数据和政策评估后的数据进行预测经济趋势；
所述智能决策单元用于接收预测经济趋势后的数据、收集后的经济和政策数据并进行制定决策；
所述智能决策单元接收预测经济趋势后的数据、收集后的经济和政策数据，并根据预测经济趋势后的数据、收集后的经济和政策数据进行制定决策，将制定后的决策数据传入分析评估单元中，分析评估单元根据制定后的决策数据、分析后的经济和政策状况数据进行仿真模拟。
作为本技术方案的进一步改进，所述采集处理单元包括数据收集模块和数据预处理模块；
所述数据收集模块利用爬虫软件收集经济和政策数据，将收集后的经济和政策数据传入数据预处理模块中，所述数据预处理模块用于接收收集后的经济和政策数据，并对收集后的经济和政策数据进行预处理操作，将预处理操作后的数据传入分析评估单元中。
作为本技术方案的进一步改进，所述分析评估单元包括分析仿真模块、政策评估模块和可视化报告模块；
所述分析仿真模块用于接收数据预处理模块中预处理操作后的数据，并利用大数据分析技术对预处理操作后的数据进行分析当前经济和政策状况，将分析后的经济和政策状况数据传入政策评估模块中；
所述政策评估模块用于接收分析后的经济和政策状况数据，并利用风险评估技术根据分析后的经济和政策状况数据进行评估政策风险，将评估后的政策风险数据传入模型预测单元中；
所述可视化报告模块用于建立报告数据，并对建立后的报告数据进行可视化。
作为本技术方案的进一步改进，所述模型预测单元包括经济模型模块和趋势预测模块；
所述经济模型模块用于接收政策评估模块中评估后的政策风险数据，并通过强化学习方法对评估后的政策风险数据进行建立经济模型，将建立后的经济模型数据传入趋势预测模块中；
所述趋势预测模块用于接收建立后的经济模型数据，接收政策评估模块中评估后的政策风险数据，并利用模型训练技术对建立后的经济模型数据进行训练，再利用模型优化技术对训练后的经济模型数据进行优化数据质量，通过根据优化后的数据和评估后的政策风险数据进行预测经济发展趋势，同时将预测后的经济发展趋势数据传入智能决策单元中。
作为本技术方案的进一步改进，所述智能决策单元用于接收趋势预测模块中预测后的经济发展趋势数据，接收数据收集模块中收集后的经济和政策数据，并利用人工智能技术对预测后的经济发展趋势数据和收集后的经济和政策数据进行制定决策。
作为本技术方案的进一步改进，所述智能决策单元接收预测后的经济发展趋势数据、收集后的经济和政策数据，并通过利用人工智能技术对预测后的经济发展趋势数据、收集后的经济和政策数据进行制定决策，采用了神经网络算法，同时将制定后的决策数据传入分析仿真模块中，分析仿真模块根据分析后的经济和政策状况和制定后的决策数据进行仿真模拟。
作为本技术方案的进一步改进，所述神经网络算法公式：
其中，z指制定后的决策，wjk l表示预测后的经济发展趋势数据值，j、l、k分别为经济值、政策数据值、评估值，ak表示经济模型数据值，bj l指收集后的数据值。
与现有技术相比，本发明的有益效果：
该一种基于大数据的经济趋势分析系统中，智能决策单元通过接收预测后的经济发展趋势数据、收集后的经济和政策数据并进行制定决策，能够及时了解经济和政策的最新动态，同时将制定后的决策数据传入分析仿真模块中并通过根据分析后的经济和政策状况和制定后的决策数据进行仿真模拟，可以帮助发现和预测潜在的风险因素和问题，通过在仿真模拟中引入不同的变量和情景，可以模拟出多种可能性的发展趋势，并观察其影响，这有助于决策者早期发现潜在问题，并制定相应的应对措施，以降低潜在风险并提高决策的可行性。
附图说明
图1为本发明的整体框图；
图2为本发明的采集处理单元框图；
图3为本发明的分析评估单元框图；
图4为本发明的模型预测单元框图。
图中各个标号意义为：
1、采集处理单元；11、数据收集模块；12、数据预处理模块；
2、分析评估单元；21、分析仿真模块；22、政策评估模块；23、可视化报告模块；
3、模型预测单元；31、经济模型模块；32、趋势预测模块；4、智能决策单元。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本发明提供一种基于大数据的经济趋势分析系统，请参阅图1-图4，包括采集处理单元1、分析评估单元2、模型预测单元3、智能决策单元4；
考虑到一种基于互联网大数据的宏观经济分析方法及系统需要处理庞大且多样的数据，这样就有可能存在数据偏见和误差，这些偏见和误差可能来自数据收集方法、或数据处理过程中的缺陷，从而导致后续的数据质量问题，影响决策的准确性，而且也未能实现模拟出多种可能性的经济发展趋势，于是我们提供了一种基于大数据的经济趋势分析系统，该系统的采集处理单元1用于收集经济和政策数据，并对收集后的经济和政策数据进行预处理操作，分析评估单元2用于接收预处理操作后的经济和政策数据并进行分析当前经济和政策状况，再根据分析后的经济和政策状况数据进行政策评估，模型预测单元3用于接收政策评估的数据并进行建立经济模型，再根据建立后的经济模型数据和政策评估后的数据进行预测经济趋势，智能决策单元4用于接收预测经济趋势后的数据、收集后的经济和政策数据并进行制定决策；
智能决策单元4接收预测经济趋势后的数据、收集后的经济和政策数据，并根据预测经济趋势后的数据、收集后的经济和政策数据进行制定决策，将制定后的决策数据传入分析评估单元2中，分析评估单元2通过根据制定后的决策数据、分析后的经济和政策状况数据进行仿真模拟，可以帮助分析决策中的潜在效果和影响，可以模拟出决策方案在实际经济环境中的运行情况，进而评估决策的效果，这可以帮助决策者更好地理解决策的潜在结果和影响，为最终决策提供参考和支持。
以下是对上述单元进行的细化，请参阅图2-图4；
采集处理单元1包括数据收集模块11和数据预处理模块12；
数据收集模块11利用爬虫软件(爬虫软件，也称为网络爬虫或网络蜘蛛，是用来自动获取互联网上的信息的程序，它模拟人类浏览器行为，在网页上抓取和提取数据，并将其存储或进行进一步处理和分析)收集经济和政策数据，收集的数据还包括宏观经济指标、行业数据、社会数据，这些数据可以来自不同的数据源，如相关机构、企业数据、社交媒体、数据订阅、调查问卷、实地调研等，同时将收集后的经济和政策数据传入数据预处理模块12中。
数据预处理模块12用于接收收集后的经济和政策数据，并对收集后的经济和政策数据进行预处理操作，预处理操作包括缺失值处理(通过填充或删除缺失数据来处理缺失值)、异常值处理(检测和处理异常值，如孤立点、离群点，或者超出合理范围的异常数据，可以使用统计方法、基于规则的方法或机器学习算法来识别和处理异常值)、处理重复值(识别和去除重复数据记录，以避免对分析结果产生误导性影响，重复数据的检测可以基于关键字、完全匹配或相似度等方法进行)、格式转换(将数据转换为一致的格式和单位，以便于后续的数据分析和集成，如将日期和时间格式统一为特定的格式，将不同的单位统一为相同的单位)、数据整合(数据整合是将来自多个不同来源、格式或结构的数据集合合并为一个统一的数据集合的过程)，将预处理操作后的数据储存在搭建的经济政策库中，通过预处理操作减少数据中的误差，提高了数据的稳定性，同时将预处理操作后的数据传入分析评估单元2中。
分析评估单元2包括分析仿真模块21、政策评估模块22和可视化报告模块23；
分析仿真模块21用于接收数据预处理模块12中预处理操作后的数据，并利用大数据分析技术(大数据分析技术是用于处理和分析大规模数据集的方法和工具)对预处理操作后的数据进行分析当前经济和政策状况，通过分析当前经济和政策状况，可以发现经济中存在的问题和挑战，例如，通货膨胀、失业率上升、贸易逆差等，这些问题不仅可以促使政府和相关利益方采取措施来解决和应对，还可以为后的评估政策风险提供参考依据，同时将分析后的经济和政策状况数据传入政策评估模块22中。
政策评估模块22用于接收分析后的经济和政策状况数据，因为分析当前经济和政策状况可以发现经济中存在的问题，为了避免政策在实施时给经济带来风险，于是并利用风险评估技术(风险评估技术是用于识别、分析和评估潜在风险的方法和工具，它帮助个人、组织和机构识别潜在的风险，评估其概率和影响，并提供决策支持，以制定适当的风险管理策略)根据分析后的经济和政策状况数据进行评估政策风险，通过政策风险评估有助于提前发现潜在问题，并识别有可能造成的负面影响，避免政策实施过程中出现不利后果，及时识别风险并采取预防措施可以避免政策不当而导致的不良影响，同时将评估后的政策风险数据传入模型预测单元3中。
模型预测单元3包括经济模型模块31和趋势预测模块32；
经济模型模块31用于接收政策评估模块22中评估后的政策风险数据，挖掘发现政策中潜在的风险，避免在建立经济模型中存在大量的风险，并通过强化学习方法(强化学习是一种机器学习的方法，用于让智能系统通过与环境的交互来学习最优的行为策略)对评估后的政策风险数据进行建立经济模型，不仅可以帮助我们深入理解复杂的经济现象和机制，还可以探索经济系统中各个变量之间的关系，研究其相互影响和因果关系，从而更好地解释现实经济中的现象和行为，也为后续的预测经济发展趋势提供了更好的参考模型，同时将建立后的经济模型数据传入趋势预测模块32中。
趋势预测模块32用于接收建立后的经济模型数据，接收政策评估模块22中评估后的政策风险数据，并利用模型训练技术(模型训练是指通过使用输入数据和相应的标签(如果有的话)，来训练机器学习模型以学习数据中的模式和规律)对建立后的经济模型数据进行训练，通过对经济模型数据进行训练，可以用来提高模型的准确性，再利用模型优化技术(模型优化技术是指通过调整模型的参数和结构，使其在预测和泛化能力上达到最佳状态的技术)对训练后的经济模型数据进行优化数据质量，通过优化数据质量可以对模型输入的经济数据进行清洗、去噪和处理，消除异常值和错误，减少数据的噪声和干扰，从而提高模型对真实经济情况的准确预测能力，通过根据优化后的数据和评估后的政策风险数据进行预测经济发展趋势，可以帮助企业或相关机构识别风险和机遇，通过预测经济发展趋势，决策者不仅可以提前预警和应对可能存在的经济风险，减少损失和风险，还可以抓住经济机遇，利用预测结果来做出有利的决策和投资，同时将预测后的经济发展趋势数据传入智能决策单元4中。
智能决策单元4用于接收趋势预测模块32中预测后的经济发展趋势数据，接收数据收集模块11中收集后的经济和政策数据，并利用人工智能技术对预测后的经济发展趋势数据和收集后的经济和政策数据进行制定决策，通过制定决策可以帮助应对变化和不确定性，在变化的环境中，决策可以引导行动和应对风险，使组织或个人能够适应新的情况和要求，主要针对预测后的经济发展趋势进行制定相应的决策，同时将制定后的决策数据传入可视化报告模块23中，可视化报告模块23用于建立报告数据，建立后的报告数据包括指定的决策数据，并对建立后的报告数据进行可视化，通过可视化能够提供一种清晰、简洁且具有感染力的方式来传达数据信息，相比于冗长的表格或文字报告，可视化可以通过图形、颜色和动画等元素吸引用户的注意力，从而更好地传递数据的含义和影响。
智能决策单元4接收预测后的经济发展趋势数据、收集后的经济和政策数据，并通过利用人工智能技术(人工智能技术是模拟和模仿人类智能的一种技术和科学领域)对预测后的经济发展趋势数据、收集后的经济和政策数据进行制定决策，采用了神经网络算法，同时将制定后的决策数据传入分析仿真模块21中，分析仿真模块21根据分析后的经济和政策状况和制定后的决策数据进行仿真模拟，通过进行仿真模拟，可以模拟各种可能的情景和结果，并观察决策的边界和局限性，这有助于决策制定者更好地理解决策的限制和潜在的风险，从而做出更明智和可持续的决策。
神经网络算法公式：
其中，z指制定后的决策，wjk l表示预测后的经济发展趋势数据值，j、l、k分别为经济值、政策数据值、评估值，ak表示经济模型数据值，bj l指收集后的数据值，该公式主要用于针对预测后的经济发展趋势制定相应的决策，通过预测后的经济发展趋势数据，可以识别和评估潜在的风险因素，制定相应的风险管理策略，并优化决策以最大程度地降低风险。
使用流程：
经济模型模块31接收评估后的政策风险数据并进行建立经济模型，将建立后的经济模型数据传入趋势预测模块32中，趋势预测模块32对建立后的经济模型数据和评估后的政策风险数据进行训练，并对训练后的经济模型数据进行优化数据质量，通过根据优化后的数据和评估后的政策风险数据进行预测经济发展趋势，同时将预测后的经济发展趋势数据传入智能决策单元4中，智能决策单元4对预测后的经济发展趋势数据、收集后的经济和政策数据进行制定决策，将制定后的决策数据传入分析仿真模块21中，分析仿真模块21根据分析后的经济和政策状况和制定后的决策数据进行仿真模拟。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种基于大数据的经济趋势分析系统，其特征在于：包括采集处理单元(1)、分析评估单元(2)、模型预测单元(3)、智能决策单元(4)；
所述采集处理单元(1)用于收集经济和政策数据，并对收集后的经济和政策数据进行预处理操作；
所述分析评估单元(2)用于接收预处理操作后的经济和政策数据并进行分析当前经济和政策状况，再根据分析后的经济和政策状况数据进行政策评估；
所述模型预测单元(3)用于接收政策评估的数据并进行建立经济模型，再根据建立后的经济模型数据和政策评估后的数据进行预测经济趋势；
所述智能决策单元(4)用于接收预测经济趋势后的数据、收集后的经济和政策数据并进行制定决策；
所述智能决策单元(4)接收预测经济趋势后的数据、收集后的经济和政策数据，并根据预测经济趋势后的数据、收集后的经济和政策数据进行制定决策，将制定后的决策数据传入分析评估单元(2)中，分析评估单元(2)根据制定后的决策数据、分析后的经济和政策状况数据进行仿真模拟。
2.根据权利要求1所述的基于大数据的经济趋势分析系统，其特征在于：所述采集处理单元(1)包括数据收集模块(11)和数据预处理模块(12)；
所述数据收集模块(11)利用爬虫软件收集经济和政策数据，将收集后的经济和政策数据传入数据预处理模块(12)中，所述数据预处理模块(12)用于接收收集后的经济和政策数据，并对收集后的经济和政策数据进行预处理操作，将预处理操作后的数据传入分析评估单元(2)中。
3.根据权利要求2所述的基于大数据的经济趋势分析系统，其特征在于：所述分析评估单元(2)包括分析仿真模块(21)、政策评估模块(22)和可视化报告模块(23)；
所述分析仿真模块(21)用于接收数据预处理模块(12)中预处理操作后的数据，并利用大数据分析技术对预处理操作后的数据进行分析当前经济和政策状况，将分析后的经济和政策状况数据传入政策评估模块(22)中；
所述政策评估模块(22)用于接收分析后的经济和政策状况数据，并利用风险评估技术根据分析后的经济和政策状况数据进行评估政策风险，将评估后的政策风险数据传入模型预测单元(3)中；
所述可视化报告模块(23)用于建立报告数据，并对建立后的报告数据进行可视化。
4.根据权利要求3所述的基于大数据的经济趋势分析系统，其特征在于：所述模型预测单元(3)包括经济模型模块(31)和趋势预测模块(32)；
所述经济模型模块(31)用于接收政策评估模块(22)中评估后的政策风险数据，并通过强化学习方法对评估后的政策风险数据进行建立经济模型，将建立后的经济模型数据传入趋势预测模块(32)中；
所述趋势预测模块(32)用于接收建立后的经济模型数据，接收政策评估模块(22)中评估后的政策风险数据，并利用模型训练技术对建立后的经济模型数据进行训练，再利用模型优化技术对训练后的经济模型数据进行优化数据质量，通过根据优化后的数据和评估后的政策风险数据进行预测经济发展趋势，同时将预测后的经济发展趋势数据传入智能决策单元(4)中。
5.根据权利要求4所述的基于大数据的经济趋势分析系统，其特征在于：所述智能决策单元(4)用于接收趋势预测模块(32)中预测后的经济发展趋势数据，接收数据收集模块(11)中收集后的经济和政策数据，并利用人工智能技术对预测后的经济发展趋势数据和收集后的经济和政策数据进行制定决策。
6.根据权利要求5所述的基于大数据的经济趋势分析系统，其特征在于：所述智能决策单元(4)接收预测后的经济发展趋势数据、收集后的经济和政策数据，并通过利用人工智能技术对预测后的经济发展趋势数据、收集后的经济和政策数据进行制定决策，采用了神经网络算法，同时将制定后的决策数据传入分析仿真模块(21)中，分析仿真模块(21)根据分析后的经济和政策状况和制定后的决策数据进行仿真模拟。
7.根据权利要求6所述的基于大数据的经济趋势分析系统，其特征在于：所述神经网络算法公式：
其中，z指制定后的决策，wjk l表示预测后的经济发展趋势数据值，j、l、k分别为经济值、政策数据值、评估值，ak表示经济模型数据值，bj l指收集后的数据值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311338732.7A CN117333038A (zh) | 2023-10-17 | 2023-10-17 | 一种基于大数据的经济趋势分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311338732.7A CN117333038A (zh) | 2023-10-17 | 2023-10-17 | 一种基于大数据的经济趋势分析系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117333038A true CN117333038A (zh) | 2024-01-02 |
Family
ID=89290053
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311338732.7A Pending CN117333038A (zh) | 2023-10-17 | 2023-10-17 | 一种基于大数据的经济趋势分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117333038A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117540330A (zh) * | 2024-01-09 | 2024-02-09 | 北京松岛菱电设备有限公司 | 基于自学习功能的配电柜系统 |
-
2023
- 2023-10-17 CN CN202311338732.7A patent/CN117333038A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117540330A (zh) * | 2024-01-09 | 2024-02-09 | 北京松岛菱电设备有限公司 | 基于自学习功能的配电柜系统 |
| CN117540330B (zh) * | 2024-01-09 | 2024-04-09 | 北京松岛菱电设备有限公司 | 基于自学习功能的配电柜系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113723632B (zh) | 一种基于知识图谱的工业设备故障诊断方法 | |
| CN109800127A (zh) | 一种基于机器学习的系统故障诊断智能化运维方法及系统 | |
| CN111461668A (zh) | 一种基于流程自动化技术的数字化审计系统及方法 | |
| CN110008288A (zh) | 用于网络故障分析的知识图谱库的构建方法及其应用 | |
| CN112668237A (zh) | 一种基于工业互联网云平台的数字孪生模型及其构建方法 | |
| CN110636066B (zh) | 基于无监督生成推理的网络安全威胁态势评估方法 | |
| CN117333038A (zh) | 一种基于大数据的经济趋势分析系统 | |
| CN114580706A (zh) | 基于gru-lstm神经网络的电力金融业务风控方法及系统 | |
| CN114968727B (zh) | 基于人工智能运维的数据库贯穿基础设施的故障定位方法 | |
| Onyema et al. | Prospects and challenges of using machine learning for academic forecasting | |
| CN114266455A (zh) | 一种基于知识图谱的可视化企业风险评估方法 | |
| CN111666978A (zh) | 一种it系统运维大数据的智能故障预警系统 | |
| CN110750455B (zh) | 基于系统日志分析的智能在线自更新故障诊断方法和系统 | |
| CN117234785B (zh) | 基于人工智能自查询的集控平台错误分析系统 | |
| Ren et al. | Fault detection and classification with feature representation based on deep residual convolutional neural network | |
| CN109697982A (zh) | 一种讲授场景中的说话人语音识别系统 | |
| US20210142233A1 (en) | Systems and methods for process mining using unsupervised learning | |
| CN116307765A (zh) | 一种人工智能政务数据评审方法及系统 | |
| CN116910574A (zh) | 基于元学习和时间卷积网络的机械设备诊断方法及装置 | |
| CN115984053A (zh) | 试题推荐方法、装置、电子设备和存储介质 | |
| CN114779739A (zh) | 基于概率图模型的云边端协同下工业过程的故障监测方法 | |
| CN113886592A (zh) | 一种电力信息通信系统运维数据的质量检测方法 | |
| CN112287996A (zh) | 一种基于机器学习的重大事件关键因子挖掘方法 | |
| CN117807322B (zh) | 一种基于知识图谱检索的虚假新闻检测方法及系统 | |
| CN113157516B (zh) | 一种准实时计算的模型监测系统及方法 |
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 |