[发明专利]一种电网企业信息化投资的贡献率确定方法

权利要求书

1.一种电网企业信息化投资的贡献率确定方法，其特征在于，包括以下步骤：

步骤S1、采集电网企业信息化投资中各个投资模块的投入和总产出的阶段性时序数据，计算出各个投资模块的贡献率阶段性时序数据；

步骤S2、基于所述贡献率阶段性时序数据，针对电网企业信息化投资的贡献率建立阶段性预测模型，基于所述阶段性预测模型预测各个投资模块的贡献率阶段性发展趋势；

步骤S3、基于所述各个投资模块的贡献率阶段性发展趋势，调整各个投资模块的投资布局，使电网企业信息化投资的利润率调整至最高。

2.根据权利要求1所述的一种电网企业信息化投资的贡献率确定方法，其特征在于，所述步骤S1中，计算出各个投资模块的贡献率阶段性时序数据，包括：

S101、依次获取阶段性时序中，各个投资模块在每个时序上的投入和总产出数据，并在每个时序上建立拟合投入数据和总产出数据的关系函数；

其中，所述关系函数为：Y＝A*f(K,L,X₁,X₂,…,X_n)，式中，Y为总产出数据，A为科技水平，K为资本投入量，劳动投入量X₁,X₂,…,X_n表征为n个投资模块，X_n为第n个投资模块，f为关系函数体；

S102、对关系函数进行数学变换得到各个投资模块在每个时序上的贡献率计算公式；

其中，所述对关系函数进行数学变换，包括：

对所述关系函数Y＝A*f(K,L,X₁,X₂,…,X_n)求关于时序t的全导数，得到：

将两边同除以Y，得到：

将变形，得到：

设定将进行变量代换，得到：

将Y＝A*f(K,L,X₁,X₂,…,X_n)转换为C-D生产函数形式，得到：

式中，y表征为总产出的增长速度，a表征为科技水平的提高速度，α表征为资本投入的产出弹性，k表征为资本的增长速度，β表征为劳动输入的产出弹性，l表征为劳动增长速度，θ_j表征为第j个投资模块的产出弹性，x_j表征为第j个投资模块的增长速度，X_j表征为第j个投资模块；

S103、基于得到贡献率计算公式；

所述贡献率计算公式为：式中，W_j表征为第j个投资模块的贡献率，并利用贡献率计算公式求得时序t上的贡献率数据{W_jt|j∈(1,n)}，再依时序对贡献率数据进行排列构成贡献率阶段性时序数据{W_jt|j∈(1,n),t∈(1,m)},其中W_jt表征为时序t上的第j个投资模块的贡献率，m为时序总数目。

3.根据权利要求2所述的一种电网企业信息化投资的贡献率确定方法，其特征在于，所述步骤S1还包括：

利用最小二乘法进行变量A、α、β、θ_j求解，设定最小二乘法的求解约束条件为：求解精度为0.1，收敛速率为0.001，突变速率为0.7。

4.根据权利要求3所述的一种电网企业信息化投资的贡献率确定方法，其特征在于，所述步骤S2中，基于所述贡献率阶段性时序数据，针对电网企业信息化投资的贡献率建立阶段性预测模型，包括：

步骤S201、将所述贡献率阶段性时序数据中，每个时序上的所述投资模块的贡献率数据，均量化成向量形式作为一个训练样本z_t；将贡献率阶段性时序数据的时序属性保留为对应训练样本的时序属性，并将所有训练样本按时序属性进行顺序排列构成训练时序样本{z_t|[z＝W_j,j∈(1,n)],t∈(1,m)}；

其中，z_t为时序t的所有所述投资模块的贡献率数据的真实值，且为时序t的训练样本；n为投资模块总数目；m为时序总数目，且为训练样本总数；

步骤S202、将所述训练时序样本运用至所述CNN-LSTM混合神经网络中进行模型训练，得到阶段性预测模型。