[发明专利]一种产业风险监控方法、系统和可读存储介质

说明书

本发明公开的一种产业风险监控方法、系统和可读存储介质，其中方法包括：获取产业历史数据信息，将产业历史数据发送至预设的神经网络模型进行训练，得到产业风险监控模型；获取产业监控数据信息，将产业监控数据输入至产业风险监控模型，得到产额风险等级信息；将产业风险等级信息发送至预设终端进行显示。本发明以产业历史数据为基础，结合神经网络模型以及产业监控数据进行分析计算，得到产业风险等级信息，通过大数据对产业风险进行监控，避免人工失误，使得产业风险监控更加精准。

技术领域

本申请涉及数据分析和处理技术领域，更具体的，涉及一种产业风险监控方法、系统和可读存储介质。

背景技术

产业风险监控是指在产业运行过程中，对产业风险的形成以及变化情况进行实时监测，并根据风险等级进行判断以及做出安全防范。其中产业风险因素包括自身因素和外在因素，自身因素又包括：产业技术问题、资金问题等，外在因素包括：政策问题、环境问题等，于产业风险因素众多，因此很难进行综合考虑，而目前阶段，产业风险监控主要由人工根据自身经验进行确认，使得产业风险监控的准确性更低。

因此，现有技术存在缺陷，亟待改进。

发明内容

鉴于上述问题，本发明的目的是提供一种产业风险监控方法、系统和可读存储介质，能够更加精准的判断产业风险状况，并根据产业风险等级进行警示。

本发明第一方面提供了一种产业风险监控方法，包括：

获取产业历史数据信息；

将产业历史数据发送至预设的神经网络模型进行训练，得到产业风险监控模型；

获取产业监控数据信息；

将产业监控数据输入至产业风险监控模型，得到产业风险等级信息；

将产业风险等级信息发送至预设终端进行显示。

本方案中，还包括：

将产业监控数据根据不同属性进行分类，得到不同性质的产业数据信息；

提取产业中存在的风险事故或事件信息；

将所述风险事故或事件信息按照不同性质进行分类并发送至服务器进行存储。

本方案中，还包括：

将产业历史数据进行预处理，得到神经网络模型训练样本；

将神经网络模型训练样本发送至预设的经济损失预测模型进行训练，得到经济损失预测值；

判断所述经济损失预测值与实际经济损失值的差值是否小于第一预设阈值，若是，则停止训练，得到所述经济损失预测模型。

本方案中，还包括：

将产业监控数据输入至预设的经济损失预测模型，得到经济损失预测值；

将经济损失预测值按照预设的区间进行划分，得到经济损失预测值对应的分值A信息；

将经济损失预测值对应的分值A发送至服务器进行存储。

本方案中，还包括：

将产业监控数据的符号型数据进行预处理，得到数值型数据，记录数值B_x1；

根据数值型数据B_x1与预设的风险阈值B_x0进行差值计算；

若B_x1-B_x0≥0，则对应产业监控数据的风险概率p＝1；

若B_x1-B_x00，则对应产业监控数据的风险概率其中x表示对应的产业风险种类，n为大于1的系数。