基于结构化数据的企业项目经营信息预测系统及方法与流程

本发明涉及企业项目经营信息预测方法，具体为基于结构化数据的企业项目经营信息预测系统及方法。

背景技术：

1、企业项目经营受内部执行能力与外部环境变化的双重影响，内部涉及财务数据如营收、成本、资产负债率、运营数据如工期进度、分包商管理等结构化数据，外部涉及宏观经济数据如能源价格、pmi指数、行业基准数据如行业平均毛利率、违约率等结构化数据。现有技术中，企业项目经营信息预测主要采用“拆分分析”模式：一方面，用时序分析方法arima、指数平滑处理日度成本、每日进度等动态数据，用于捕捉经营过程的波动趋势；另一方面，用静态对比方法如比率分析、行业对标等处理年度资产负债率、行业基准等静态数据，用于评估经营状态在行业中的位置。

2、然而，这种传统方法存在明显缺陷：一是将时序数据与截面数据分开建模，未能量化两类数据之间的耦合关系，导致预测模型无法捕捉经营系统的整体性，输出的预测结果片面、难以反映真实经营状态；二是传统方法在数据融合层面仅采用简单的加权求和或规则判断，难以处理多源证据之间的相互印证与冲突，且权重设定往往依赖主观经验，缺乏客观数据支撑；三是现有技术在高维特征处理方面，要么直接使用全部特征导致维度灾难和模型过拟合，要么采用简单的特征筛选导致关键信息丢失，预测结果的准确性和鲁棒性难以保证。因此，如何构建一个能够融合多源结构化数据、量化动态与静态因素耦合关系、客观确定各维度权重并实现精准风险预测的企业项目经营信息预测方法，是本领域亟待解决的技术问题。

3、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的在于提供基于结构化数据的企业项目经营信息预测方法及系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、基于结构化数据的企业项目经营信息预测方法，具体步骤包括：

4、s1：采集企业项目经营的多源结构化数据，通过数据来源分类法对所述多源结构化数据进行划分和分析，以获取时序类经营数据和截面类经营数据；

5、s2：对时序类经营数据和截面类经营数据进行维度划分，并为各维度构建单模态矩阵，采用矩阵关联对齐法处理各所述单模态矩阵，生成有效耦合矩阵；调用奇异值分解工具对所述有效耦合矩阵进行分解，以提取项目主成分特征向量组；

6、s3：将项目主成分特征向量组分别输入到三个并行的、训练完毕的lightgbm轻型预测模型中，对应输出成本超支初始概率、违约风险初始概率和合规违规初始概率；同步获取与各初始概率对应的历史证据指标，并据此计算综合证据强度；

7、s4：基于所述综合证据强度对各初始概率进行修正，分别得到成本超支概率、违约风险概率及合规违规概率；计算经修正后的各类概率的熵权，并基于熵权确定企业项目的经营信息预测概率，最终根据经营信息预测概率对企业项目的经营状态进行评估。

8、进一步地，获取时序类经营数据和截面类经营数据，具体为：

9、所述多源结构化数据包括企业内部结构化数据和企业外部结构化数据；

10、对于所述企业内部结构化数据，若其包含连续时间戳且随经营周期动态更新，则归类为内部时序类候选数据；若其为仅包含单一时间戳的静态数据，则归类为内部截面类候选数据；其中经营周期根据企业项目进度百分比划分为建设期、运营期和收尾期；

11、对于企业外部结构化数据，若其具有预设的高频更新特征，则归类为外部时序类候选数据，所述高频更新特征包括日度更新和月度更新；若所述企业外部结构化数据为静态基准值，则归类为外部截面类候选数据；

12、将外部时序类候选数据和内部时序类候选数据按照时间戳进行对齐，将有相同企业项目id和相同时间戳的数据进行匹配，剔除时间戳缺失的数据，生成时序类经营数据；

13、将内部截面类候选数据和外部截面类候选数据按照相同企业项目id进行匹配，生成截面类经营数据。

14、进一步地，对时序类经营数据和截面类经营数据进行维度划分，所述维度包括经营成本维度、风险预警维度和合规评估维度，获取不同维度下对应的时序类字段与截面类字段，所依据的逻辑如下：

15、对于经营成本维度，从时序类经营数据中提取与成本波动相关的字段，以作为时序类字段，从截面类经营数据中提取与成本基准相关的字段，以作为截面类字段；

16、对于风险预警维度，从时序类经营数据中提取日度资金净流入、月度进度滞后天数，以作为时序类字段，从截面类经营数据中提取资产负债率、利息保障倍数、行业违约率，以作为截面类字段；

17、对于合规评估维度，从时序类经营数据中提取每日合规检查评分、整改完成率，以作为时序类字段，从截面类经营数据中提取年度违规次数、行业合规通过率，以作为截面类字段；

18、其中，日度资金净流入等于企业项目的当日现金流入总额减去当日现金流出总额；月度进度滞后天数是指企业项目在月度统计周期内实际完工日期与计划完工日期的差值；合规检查评分是指企业内部每日对企业项目进行合规检查后给出的百分制评分；整改完成率等于企业项目中已完成整改的问题数量除以应整改问题总数；年度违规次数表示企业项目在过去一年内被监管机构正式认定的违规行为总次数；行业合规通过率等于通过合规检查的企业数量占同行业企业总数的比例；

19、获取每个维度内时序类字段与截面类字段的关联强度，具体为：对于每个维度内的每一对时序类字段和截面类字段组合，以同一个自然月作为同一时间段，收集同一个企业项目在该自然月内的数据样本，首先计算出时序类字段与截面类字段之间的皮尔逊相关系数，同时获取由专家打分赋予的权重参数，然后设定一个平衡系数，将平衡系数乘以皮尔逊相关系数得到第一个乘积结果，将一减去平衡系数的差乘以专家打分权重参数得到第二个乘积结果，最后将第一个乘积结果与第二个乘积结果相加，所得的和即为该对时序类字段与截面类字段之间的关联强度；

20、计算皮尔逊相关系数的逻辑为：对于任意维度内的一组时序类字段和截面类字段，从企业历史项目数据库中收集同一项目在同一时间段内的多组样本，分别计算时序类字段所有样本的平均值和截面类字段所有样本的平均值，接着计算每个样本对中时序类字段对应的值与其平均值的偏差乘以截面类字段对应的值与其平均值的偏差，将所有组样本的这个乘积相加得到分子；再分别计算时序类字段对应的偏差的平方和的开方、截面类字段的偏差的平方和的开方，将这两个开方结果相乘得到分母；最后用分子除以分母，得到的商就是皮尔逊相关系数。

21、进一步地，基于所述关联强度，构建每个维度的单模态矩阵，具体为：

22、首先构建关联表，所述关联表中的每一行记录维度名称、时序类字段的名称、截面类字段的名称、关联强度，根据关联表采用单模态矩阵搭建法，分别构建每个维度的单模态矩阵：

23、将待分析的企业项目数量设置为单模态矩阵的行数，将时序类字段数量、截面类字段数量的总和设为单模态矩阵的列数，从时序类经营数据中提取每个企业项目在各个时间戳的时序类字段的值，填入对应的行列位置；从截面类经营数据中提取每个企业项目的截面类字段的值，填入对应的行列位置；最后，将关联表中对应的关联强度填入单模态矩阵的相应列。

24、进一步地，生成有效耦合矩阵，具体为：

25、对每个维度的单模态矩阵采用矩阵标准化法，以消除不同矩阵间的量纲差异，并针对每个单模态矩阵，采用min-max归一化方法，将矩阵内所有元素映射至[0,1]区间，得到标准化单模态矩阵，根据每个标准化单模态矩阵，采用矩阵关联对齐法，生成有效耦合矩阵：

26、选择经营成本维度的标准化单模态矩阵作为基准矩阵，以基准矩阵中的企业项目编号所在的行索引为匹配依据，依次将风险预警维度和合规评估维度的标准化单模态矩阵中相同企业项目编号的行进行匹配对齐，确保同一企业项目的数据在同一行中；然后，将对齐后的三个矩阵按列方向进行横向拼接，即先放置经营成本维度的所有列，再依次放置风险预警维度和合规评估维度的所有列，形成一个行数不变、列数为三个维度列数之和的新矩阵，即为有效耦合矩阵。

27、进一步地，提取项目主成分特征向量组，具体为：

28、通过调用奇异值分解工具对有效耦合矩阵进行分解，将有效耦合矩阵分解为左奇异正交矩阵、对角矩阵、右奇异正交矩阵，并且从对角矩阵的对角线上提取所有非零奇异值，得到从大到小排列的奇异值序列，从奇异值序列中第一个最大的奇异值开始依次向后累加，当累加到某个奇异值时，累加和占所有奇异值总和的比例首次达到或超过85%，则从第一个到当前这个奇异值为止的所有奇异值均被认定为核心主奇异值；

29、将核心主奇异值对应的左奇异正交矩阵的每一列标记为左奇异向量，将这些左奇异向量按照列进行组合，构成项目主成分特征向量组。

30、进一步地，计算综合证据强度，具体为：

31、构建三个并行的lightgbm轻型预测模型，对每个轻型预测模型进行训练，将项目主成分特征向量组输入到三个并行的训练好的lightgbm轻型预测子模型中，分别输出成本超支初始概率、违约风险初始概率以及合规违规初始概率；

32、分别统计企业项目近三个连续且完整的自然月内与三类初始概率对应的证据指标，其中，成本超支初始概率对应的证据指标为成本消耗加速率和预算预警触发次数，违约风险初始概率对应的证据指标为进度偏差天数和需求变更频率；合规违规初始概率对应的证据指标为审计发现问题数和合同罚则触发预警次数；

33、将成本超支事件、违约风险事件、合规违规事件标记为风险事件后，从企业历史项目的数据库中提取所有项目在风险事件发生前三个月的每个证据指标的数据集，首先计算数据集中每个证据指标的中位数作为该证据指标的调节阈值参数，同时计算每个证据指标的四分位距；然后针对每个证据指标，将其原始数值减去调节阈值参数得到偏差值，将四除以四分位距得到的商作为缩放因子，将缩放因子乘以偏差值得到缩放后的偏离度，再计算以自然常数为底的、指数为缩放后偏离度的指数函数值，将一加上该指数函数值得到分母，最后用一除以分母得到的商即为该证据指标的标准化证据强度；

34、同时，以标准化证据强度为输入，以风险事件实际发生为输出标签，构建逻辑回归模型并对其进行训练，训练完毕后，对获得的特征回归系数的绝对值进行归一化，得到每个证据指标的对应的权重系数；

35、对于成本超支初始概率、违约风险初始概率以及合规违规初始概率中的每一类初始概率，首先确定该类初始概率所对应的证据指标集合，然后针对该集合中的每一个证据指标，将该证据指标的标准化证据强度乘以其对应的权重系数得到该证据指标的加权证据强度，最后将该集合中所有证据指标的加权证据强度相加，得到的和即为该类初始概率的综合证据强度。

36、进一步地，确定企业项目的经营信息预测概率，具体为：

37、对于每一类初始概率，首先获取该类初始概率对应的综合证据强度，并计算风险事件发生时以该综合证据强度为参数的beta函数值，以及风险事件未发生时以该综合证据强度为参数的beta函数值；然后将该类初始概率乘以风险事件发生时的beta函数值得到第一乘积结果，将一减去该类初始概率的差乘以风险事件未发生时的beta函数值得到第二乘积结果；最后用第一乘积结果除以第一乘积结果与第二乘积结果的和，得到的商即为该类初始概率经过修正后的概率；

38、对于成本超支概率、违约风险概率以及合规违规概率中的每一类概率，首先计算该类概率的信息熵，具体为：将这类概率乘以该概率以二为底的对数，加上一减去这类概率的差乘以其以二为底的对数，再将所得的和取负值，即得到该类概率的信息熵；然后计算一减去该信息熵的差得到该类概率的熵权分子；最后将该类概率的熵权分子除以所有类别概率的熵权分子之和，得到的商即为该类概率的熵权；

39、对于成本超支概率、违约风险概率以及合规违规概率中的每一类概率，首先根据企业项目当前所处的经营周期阶段确定该类概率的项目阶段权重：若处于建设期则成本超支概率的项目阶段权重为百分之六十、违约风险概率的项目阶段权重为百分之三十、合规违规概率的项目阶段权重为百分之十；若处于运营期则成本超支概率的项目阶段权重为百分之二十、违约风险概率的项目阶段权重为百分之五十、合规违规概率的项目阶段权重为百分之三十；若处于收尾期则成本超支概率的项目阶段权重为百分之十、违约风险概率的项目阶段权重为百分之三十、合规违规概率的项目阶段权重为百分之六十；

40、设定一个平衡系数，将平衡系数乘以该类概率的项目阶段权重得到第一乘积结果，将一减去平衡系数的差乘以该类概率的熵权得到第二乘积结果，将第一乘积结果与第二乘积结果相加得到该类概率的融合权重分子；将所有三类概率的融合权重分子相加得到融合权重分母；用该类概率的融合权重分子除以融合权重分母，得到的商即为该类概率的融合权重。最后，将成本超支概率乘以成本超支概率的融合权重得到成本超支加权值，将违约风险概率乘以违约风险概率的融合权重得到违约风险加权值，将合规违规概率乘以合规违规概率的融合权重得到合规违规加权值，将这三个加权值相加，得到的和即为企业项目的最终的经营信息预测概率；

41、判断经营信息预测概率是否大于预设阈值，若大于预设阈值，则生成经营风险预警，若不大于预设阈值，则判定企业项目经营状态正常。

42、本发明还另外提供基于结构化数据的企业项目经营信息预测系统，所述预测系统用于执行上述预测方法，包括：

43、数据获取模块，用于采集企业项目经营的多源结构化数据，通过数据来源分类法对所述多源结构化数据进行划分和分析，以获取时序类经营数据和截面类经营数据；

44、矩阵分解模块，用于对时序类经营数据和截面类经营数据进行维度划分，并为各维度构建单模态矩阵，采用矩阵关联对齐法处理各所述单模态矩阵，生成有效耦合矩阵；调用奇异值分解工具对所述有效耦合矩阵进行分解，以提取项目主成分特征向量组；

45、证据强度计算模块，用于将项目主成分特征向量组分别输入到三个并行的、训练完毕的lightgbm轻型预测模型中，对应输出成本超支初始概率、违约风险初始概率和合规违规初始概率；同步获取与各初始概率对应的历史证据指标，并据此计算综合证据强度；

46、信息预测模块，用于基于所述综合证据强度对各初始概率进行修正，分别得到成本超支概率、违约风险概率及合规违规概率；计算经修正后的各类概率的熵权，并基于熵权确定企业项目的经营信息预测概率，最终根据经营信息预测概率对企业项目的经营状态进行评估。

47、与现有技术相比，本发明的有益效果是：

48、通过构建多模态耦合矩阵并引入耦合系数，将时序类经营数据与截面类经营数据统一到同一矩阵框架中，显式量化了动态执行数据与静态基准数据之间的关联强度；采用奇异值分解与主成分分析相结合的两阶段降维策略，通过累积贡献率阈值筛选核心主奇异值，在保留原始矩阵主要信息的同时大幅降低数据维度，避免了过拟合风险；本方案构建了三个并行的lightgbm轻型预测模型分别输出三个维度的初始概率，并引入历史证据指标，显著提升了预测的准确性和鲁棒性；采用熵权法对修正后的概率进行客观赋权，通过信息熵度量各维度概率的离散程度，数据本身决定权重分配，完全避免了传统方法中主观设定权重带来的偏差。