[发明专利]基于神经网络的风险监测方法及装置

权利要求书

1.一种基于神经网络的风险监测方法，其特征在于，包括：

获取待监测区域各个业务对象对应的属性信息；

根据所述属性信息，确定所述各个业务对象对应的风险等级信息；

根据所述各个业务对象对应的风险等级信息，生成所述待监测区域对应的风险地图；

将所述风险地图输入至预设神经网络模型进行风险分类，输出所述待监测区域对应的风险等级信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述属性信息，确定所述各个业务对象对应的风险等级信息，包括：

确定所述属性信息中各个属性的属性值，并判断各个属性值是否在其对应的预设范围内；

根据所述各个属性值的判断结果，确定所述各个业务对象对应的风险等级信息。

3.根据权利要求2所述的方法，其特征在于，所述根据所述各个属性值的判断结果，确定所述各个业务对象对应的风险等级信息，包括：

根据所述各个属性值的判断结果，确定所述各个属性对应的风险评分；

根据所述各个属性对应的风险评分和风险系数，计算所述各个业务对象对应的风险分数；

根据所述风险分数，确定所述各个业务对象对应的风险等级信息。

4.根据权利要求1所述的方法，其特征在于，所述获取待监测区域各个业务对象对应的属性信息，包括：

根据所述各个业务对象对应的标识信息，从统一资源符对应的网页中获取所述各个业务对象对应的属性信息。

5.根据权利要求1所述的方法，其特征在于，所述根据所述各个业务对象对应的风险等级信息，生成所述待监测区域对应的风险地图，包括：

根据所述各个业务对象对应的风险等级信息，确定所述各个业务对象对应的风险标识信息；

根据所述各个业务对象对应的位置信息，将所述风险标识信息标注在电子地图中，生成所述待监测区域对应的风险地图。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述预设神经网络模型为预设误差反向传播神经网络模型，所述将所述风险地图输入至预设神经网络模型进行风险分类，输出所述待监测区域对应的风险等级信息，包括：

将所述风险地图输入至预设神经误差反向传播神经网络模型进行风险分类，输出所述待监测区域对应的风险等级信息。

7.根据权利要求1-5任一项所述的方法，其特征在于，在所述获取待监测区域各个业务对象对应的属性信息之前，所述方法还包括：

获取不同时间段不同监测区域对应的历史风险地图和历史风险等级信息；

将所述历史风险地图和所述历史风险等级信息作为训练集，利用预设误差反向传播算法对所述训练集进行训练，构建所述预设神经网络模型。

8.一种基于神经网络的风险监测装置，其特征在于，包括：

获取单元，用于获取待监测区域各个业务对象对应的属性信息；

确定单元，用于根据所述属性信息，确定所述各个业务对象对应的风险等级信息；

生成单元，用于根据所述各个业务对象对应的风险等级信息，生成所述待监测区域对应的风险地图；

分类单元，用于将所述风险地图输入至预设神经网络模型进行风险分类，输出所述待监测区域对应的风险等级信息。

9.一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中任一项所述的方法的步骤。

10.一种计算机设备，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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。