[发明专利]一种用于电力看板的动态决策分析方法及终端

权利要求书

1.一种用于电力看板的动态决策分析方法，其特征在于，包括如下步骤：

S1、在电力看板的指标管理面板下，接收用户的指标点击信息，生成与所述指标点击信息相对应的指标分析面板，所述指标分析面板包括分析链路以及挖掘结果；

所述电力看板的动态决策分析方法具体包括如下步骤：

S21、获取用户数据，对所述用户数据进行分析，并自动组合图形以形成对所述用户数据的分析路径，得到并以导图方式显示数据分析过程，保存所述数据分析过程；

S22、获取各个节点的关联关系，判断是否存在第一节点的分析条件或分析参数发生变化，若有，则与第一节点相关联的后续节点的显示内容随着所述第一节点的变化而变化；

S23、接收节点操作指令，按照所述节点操作指令变更各个节点的关联关系，所述节点操作指令包括节点合并、节点拆分、节点修改或拓展新的分支；

S24、接收分析思路装载请求，按照所述分析思路装载请求重新装载打开对应的数据分析过程；

S31、计算指标异动中所有因素的信息熵，将信息熵最大的因素作为主要因素；

S32、计算所述主要因素下各类别的离心距绝对值，将离心距绝对值最大的类别作为下一步的钻取指标，直到最后一层类别，以得到数据异常点；

S33、对所有因素中除主要因素之外的其他因素按照信息熵从大到小依次执行步骤S31；

S41、获取用户数据、指定趋势预测分析类型、指定拟合算法以及待预测期数，根据所述指定趋势预测分析类型、指定拟合算法以及待预测期数对所述用户数据进行趋势预测，以得到趋势预测的拟合曲线，所述指定趋势预测分析类型为多项式拟合、幂拟合、对数拟合、指数拟合或时间序列，所述指定拟合算法为Gauss-Newton、Levenberg-Marquardt、最小二乘法或时间序列法，所述待预测期数大于或等于一期；

S42、获取用户数据，通过聚类算法对用户数据进行分割，以得到异常群体或风险群体，所述聚类算法为K-Means聚类、k-modes聚类、k-prototypes聚类或基于密度的聚类方法；

S51、获取员工投诉工单，对员工投诉工单进行文本清洗，以得到有效文本特征；

S52、对所述有效文本特征切分成由词语组成的文本序列；

S53、对由词语组成的所述文本序列进行向量化，以得到机器识别数字序列；

S54、将所述机器识别数字序列送入文本分类模型，得到分类结果，所述分类结果包括责任部门、专业分类、诉求事件以及差错点。

2.一种用于电力看板的动态决策分析终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行如权利要求1所述方法。