[发明专利]固定资产投资金额智能预测方法、装置及存储介质

说明书

本发明涉及一种人工智能技术，揭露了一种固定资产智能分析方法，包括：时间序列预测模型要素库接收已知的固定资产指标集与固定资产标签集，并将所述固定资产指标集划分为训练集与测试集；当所述训练集的数量大于预设的第一阈值时，多层前馈神经网络接收所述训练集并计算出数据输入至循环神经网络，所述循环神经网络接收所述时间次序与所述数据进行映射训练，直至满足要求退出训练；接收待预测的固定资产投资指标，利用所述多层前馈神经网络和所述循环神经网络进行固定资产投资金额预测。本发明还提出一种固定资产智能分析装置以及一种计算机可读存储介质。本发明可以实现精准的固定资产智能分析功能。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于数据输入自动生成的固定资产投资金额智能预测方法、装置及计算机可读存储介质。

背景技术

目前市场上研究和预测固定资产时，主要利用固定资产额的历史数据建立时间序列模型进行预测，时间序列模型对历史数据的依赖性比较强，往往需要前n期的历史数据，且只能进行短期的预测，长期预测误差会比较大。且由于时间序列模型只利用了历史信息，忽略了其他信息如高炉开工率、用电量等对固定资产的影响，模型泛化能力比较差。

发明内容

本发明提供一种固定资产智能分析方法、装置及计算机可读存储介质，其主要目的在于当用户固定资产相关指标时，给用户呈现出精准高效的固定资产分析结果。

为实现上述目的，本发明提供的一种固定资产智能分析方法，包括：

接收已知的固定资产指标集与固定资产标签集，将所述固定资产指标集进行指标分解后，依时间次序输入至时间序列预测模型要素库中，所述时间序列预测模型要素库依所述时间次序将所述固定资产指标集划分为训练集与测试集；

当所述训练集的数量大于预设的第一阈值时，多层前馈神经网络接收所述训练集并计算出非线性转换数据输入至循环神经网络，所述循环神经网络接收所述时间次序与所述非线性转换数据进行映射训练，直至循环神经网络的损失函数满足预设的第二阈值要求时退出训练；

当所述循环神经网络完成训练时，接收所述测试集预测固定资产投资金额集，若所述固定资产投资金额集与所述固定资产标签集误差小于预设第三阈值，完成训练，若所述固定资产投资金额集与所述固定资产标签集大于所述预设的第三阈值，则所述循环神经网络继续接收所述非线性转换数据与所述时间次序进行训练；

接收用户待预测的固定资产投资指标，利用所述多层前馈神经网络和所述循环神经网络进行固定资产投资金额预测，并输出固定资产投资金额预测结果。

可选地，所述固定资产指标集包括投资筹划、立项、审批、核准、开工、结项六个指标的数据，所述固定资产标签集为金额的区间范围；

及所述将所述固定资产指标集进行指标分解后，依时间次序输入至时间序列预测模型要素库包括：

将所述固定资产指标集依据所述六个指标进行指标分解后得到六组投资数据，将所述六组投资数据依投资先后的时间次序输入至时间序列预测模型要素库中。

可选地，多层前馈神经网络接收所述训练集并计算出非线性转换数据输入至循环神经网络，所述循环神经网络接收所述时间次序与所述非线性转换数据进行映射训练，包括：

多层前馈神经网络接收所述六组投资数据的训练集，并依据Tanh函数计算出非线性转换数据输入至循环神经网络；

所述循环神经网络接收所述投资先后的时间次序与所述非线性转换数据，并以所述投资先后的时间次序作为时间参数，以所述非线性转换数据作为目标参数训练，并通过softmax函数输出训练值。

可选地，所述循环神经网络包括长短期记忆网络；

所述长短期记忆网络包括遗忘门、输入门、输出门；

所述遗忘门为：