基于D-S证据合成技术风险预警指标系统的制作方法

基于d-s证据合成技术风险预警指标系统
技术领域
1.本发明涉及风险预警指标领域，具体涉及基于d-s证据合成技术风险预警指标系统。


背景技术：

2.d-s证据合成技术是一种不精确推理理论，也称为dempster/shafer证据理论(d-s证据理论)，属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。作为一种不确定推理方法，证据理论的主要特点是：满足比贝叶斯概率论更弱的条件；具有直接表达“不确定”和“不知道”的能力；
3.在进行风险预警指标的生成计算过程中也会使用到d-s证据合成技术。
4.现有的风险预警指标系统，生成的预警指标类型较为单一，导致生成的预警指标参考不够高，准确性也不够高，给风险预警指标系统的使用带了一定的影响，因此，提出基于d-s证据合成技术风险预警指标系统。


技术实现要素：

5.本发明所要解决的技术问题在于：如何解决现有的风险预警指标系统，生成的预警指标类型较为单一，导致生成的预警指标参考不够高，准确性也不够高，给风险预警指标系统的使用带了一定的影响的问题，提供了基于d-s证据合成技术风险预警指标系统。
6.本发明是通过以下技术方案解决上述技术问题的，本发明包括企业信息采集模块、数据接收模块、数据分析模块、结果导出模块、模型组建模块、模型比对模块、模型库、指标生成模块、总控模块、信息发送模块、数据库、登录模块、身份验证模块与警报发送模块；
7.所述企业信息采集模块用于采集企业信息，企业信息包括企业经营范围信息、企业成立时间信息、企业往年利润信息、企业科研投入信息；
8.所述数据接收模块用于接收企业信息，并将企业信息发送到数据分析模块；
9.所述数据分析模块对企业信息进行分析先通过d-s证据合成技术进行分析处理，得到第一风险预警指标信息；
10.所述数据接收模块同时将企业信息发送到模型组建模块，所述模型组件模块接收到企业信息后对企业信息进行处理，生成实时企业模型信息，所述实时企业模型信息被发送到模型比对模块；
11.所述模型库中预存了预设企业模型，所述模型比对模块获取到实时企业模型信息后从模型库中提取出预设企业模型，进行匹配处理，得到匹配结果信息，所述匹配结果信息被发送到指标生成模块；
12.所述指标生成模块接收到匹配结果信息后提取出匹配出的模型等级信息，根据等级信息生成第二风险预警指标信息；
13.所述第一风险预警指标信息生成后被发送到数据库；
14.所述第二风险预警指标信息生成后总控模块控制信息发送模块将其发送到数据
库；
15.所述登录模块用于用户输入登录信息，所述身份验证模块对用户输入的登录信息进行验证，验证通过用户即允许提取数据库中的风险预警指标信息，连续验证失败时，即生成警报信息，警报信息被发送到警报发送模块，警报发送模块将警报信息发送到预设接收终端。
16.进一步在于，所述模型组件模块接收到企业信息后对企业信息处理成实时企业模型信息的具体处理过程如下：
17.步骤一：提取出采集到的企业信息，并从企业信息中提取出企业经营范围信息、企业成立时间信息、企业往年利润信息、企业科研投入信息；
18.步骤二；提取出企业经营范围信息，将其导入到互联网中，从互联网中随机提取出x个相同经营范围的企业，并获取到相同经营范围的企业的年利润信息，将其标记为kx，x≥5，通过公式(k1 k2
……
kx)/x＝k
均
，对k
均
进行分析得到第一模型分；
19.步骤三：提取出企业成立时间信息，将其标记为t，对t进行分析得到第二模型分；
20.步骤四：提取出企业往年利润信息，将其标记为p，计算出p与k
均
之间的差值得到pk
差
，对pk
差
进行分析得到第三模型分；
21.步骤五：提取出企业科研投入信息，将其标记为m，对企业科研投入信息m进行分析得到第四模型分；
22.步骤六：计算出第一模型分、第二模型分、第三模型分与第四模型分之和得到实时模型分，即实时企业模型信息。
23.进一步在于，所述第一模型分、第二模型分、第三模型分与第四模型分的具体处理过程如下：
24.s1：提取出k
均
，当k
均
大于预设值时，第一模型分为a1分，当k
均
在预设值范围内时，第一模型分为a2分，当k
均
小于预设值时，第一模型分为a3分，a1＞a2＞a3；
25.s2：提取出企业成立时间信息t，当t大于预设值时，第二模型分为预设值b1，当t在预设值范围内时，第二模型分为b2分，当t小于预设值时，第二模型分为b3分，b1＞b2＞b3；
26.s4：提取出pk
差
，当pk
差
大于预设值时，第三模型分为c1分，当pk
差
在预设值范围内时，第三模型分为c2分，当pk
差
小于预设值时，第三模型分为c3分，c1＞c2＞c3；
27.s5：提取出企业科研投入信息m，当企业科研投入信息m大于预设值时，第四模型分为预设值d1，当企业科研投入信息m在预设值范围内时，第四模型分为d2分，当企业科研投入信息m小于预设值时，第四模型分为d3分，d1＞d2＞d3。
28.进一步在于，所述模型比对模块进行模型比对的具体过程如下：提取出获取到的实时企业模型信息，将实时企业模型信息标记为g
实
，数据库汇中预存了i个预设模型信息gi，计算出企业模型信息g
实
与预设模型信息gi之间的差值，得到i个ggi
差
，从i个ggi
差
中获取到数值最小的ggi
差
，提取出数值最小的ggi
差
对应的预设模型为匹配结果信息。
29.进一步在于，所述指标生成模块接收到匹配结果信息后提取出匹配出的模型等级信息，根据等级信息生成第二风险预警指标信息的具体过程如下：数据库中预存的预设模型信息包括一级模型、二级模型、三级模型与四级模型，级别越高即表示是该种模型对应的企业风险越高，匹配结果对应的预设模型的等级即为第二风险预警指标信息的具体内容信息。
30.进一步在于，所述数据库在接收到第一风险预警指标信息与第二风险预警指标信息后，对第一风险预警指标信息与第二风险预警指标信息进行分析处理，当第一风险预警指标信息与第二风险预警指标信息的风险等级不同时，即重新进行第一风险预警指标信息的计算，当再次获取到的第一风险预警指标信息的风险等级与之前获取到的第一风险预警指标信息的风险等级相同时，即第一风险预警指标信息与第二风险预警指标信息同时储存，当再次获取到的第一风险预警指标信息的风险等级与之前获取到的第一风险预警指标信息的风险等级不同时，在第一风险预警指标信息上标注“该信息准确性较低”，之后对第一风险预警指标信息与第二风险预警指标信息进行储存。
31.进一步在于，所述身份验证模块进行身份验证的具体过程如下：用户通过登录模块输入账号和密码信息，身份验证模块对账号和密码信息进行验证，验证通过之后，进行人脸信息验证，人脸信息验证通过后即允许提取数据，账号和密码信息验证通过但人脸信息验证识别失败次数连续超过三次时，即生成警报信息发出。
32.本发明相比现有技术具有以下优点：该基于d-s证据合成技术风险预警指标系统，通过使用d-s证据合成技术对企业进行风险指标生成，同时通过采集企业的多种不同信息，进行综合分析建模比对，来更加全面的对企业进行风险预警指标生成，多种不同的预警指标生成的设置，能够让用户提供更加全面的了解企业状态，即了解到企业的风险状态，进行更加理性合理投资，同时也让企业能够了解到自身的风险状态，从而进行更加合理的整改，降低企业风险等级，使得该系统生成的风险预警指标参考价值更大，准确度更高，让该系统更加值得推广使用。
附图说明
33.图1是本发明的系统框构图。
具体实施方式
34.下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
35.如图1所示，本实施例提供一种技术方案：基于d-s证据合成技术风险预警指标系统，包括企业信息采集模块、数据接收模块、数据分析模块、结果导出模块、模型组建模块、模型比对模块、模型库、指标生成模块、总控模块、信息发送模块、数据库、登录模块、身份验证模块与警报发送模块；
36.所述企业信息采集模块用于采集企业信息，企业信息包括企业经营范围信息、企业成立时间信息、企业往年利润信息、企业科研投入信息；
37.所述数据接收模块用于接收企业信息，并将企业信息发送到数据分析模块；
38.所述数据分析模块对企业信息进行分析先通过d-s证据合成技术进行分析处理，得到第一风险预警指标信息；
39.所述数据接收模块同时将企业信息发送到模型组建模块，所述模型组件模块接收到企业信息后对企业信息进行处理，生成实时企业模型信息，所述实时企业模型信息被发送到模型比对模块；
40.所述模型库中预存了预设企业模型，所述模型比对模块获取到实时企业模型信息后从模型库中提取出预设企业模型，进行匹配处理，得到匹配结果信息，所述匹配结果信息被发送到指标生成模块；
41.所述指标生成模块接收到匹配结果信息后提取出匹配出的模型等级信息，根据等级信息生成第二风险预警指标信息；
42.所述第一风险预警指标信息生成后被发送到数据库；
43.所述第二风险预警指标信息生成后总控模块控制信息发送模块将其发送到数据库；
44.所述登录模块用于用户输入登录信息，所述身份验证模块对用户输入的登录信息进行验证，验证通过用户即允许提取数据库中的风险预警指标信息，连续验证失败时，即生成警报信息，警报信息被发送到警报发送模块，警报发送模块将警报信息发送到预设接收终端；
45.通过使用d-s证据合成技术对企业进行风险指标生成，同时通过采集企业的多种不同信息，进行综合分析建模比对，来更加全面的对企业进行风险预警指标生成，多种不同的预警指标生成的设置，能够让用户提供更加全面的了解企业状态，即了解到企业的风险状态，进行更加理性合理投资，同时也让企业能够了解到自身的风险状态，从而进行更加合理的整改，降低企业风险等级，让该系统更加值得推广使用。
46.所述模型组件模块接收到企业信息后对企业信息处理成实时企业模型信息的具体处理过程如下：
47.步骤一：提取出采集到的企业信息，并从企业信息中提取出企业经营范围信息、企业成立时间信息、企业往年利润信息、企业科研投入信息；
48.步骤二；提取出企业经营范围信息，将其导入到互联网中，从互联网中随机提取出x个相同经营范围的企业，并获取到相同经营范围的企业的年利润信息，将其标记为kx，x≥5，通过公式(k1 k2
……
kx)/x＝k
均
，对k
均
进行分析得到第一模型分；
49.步骤三：提取出企业成立时间信息，将其标记为t，对t进行分析得到第二模型分；
50.步骤四：提取出企业往年利润信息，将其标记为p，计算出p与k
均
之间的差值得到pk
差
，对pk
差
进行分析得到第三模型分；
51.步骤五：提取出企业科研投入信息，将其标记为m，对企业科研投入信息m进行分析得到第四模型分；
52.步骤六：计算出第一模型分、第二模型分、第三模型分与第四模型分之和得到实时模型分，即实时企业模型信息；
53.通过上述过程获取到详细的企业模型信息，能够方便后续对模型进行比对处理。
54.所述第一模型分、第二模型分、第三模型分与第四模型分的具体处理过程如下：
55.s1：提取出k
均
，当k
均
大于预设值时，第一模型分为a1分，当k
均
在预设值范围内时，第一模型分为a2分，当k
均
小于预设值时，第一模型分为a3分，a1＞a2＞a3；
56.s2：提取出企业成立时间信息t，当t大于预设值时，第二模型分为预设值b1，当t在预设值范围内时，第二模型分为b2分，当t小于预设值时，第二模型分为b3分，b1＞b2＞b3；
57.s4：提取出pk
差
，当pk
差
大于预设值时，第三模型分为c1分，当pk
差
在预设值范围内时，第三模型分为c2分，当pk
差
小于预设值时，第三模型分为c3分，c1＞c2＞c3；
58.s5：提取出企业科研投入信息m，当企业科研投入信息m大于预设值时，第四模型分为预设值d1，当企业科研投入信息m在预设值范围内时，第四模型分为d2分，当企业科研投入信息m小于预设值时，第四模型分为d3分，d1＞d2＞d3；
59.通过上述过程对实时企业模型信息的组成部分进行详细处理，保证评估准确。
60.所述模型比对模块进行模型比对的具体过程如下：提取出获取到的实时企业模型信息，将实时企业模型信息标记为g
实
，数据库汇中预存了i个预设模型信息gi，计算出企业模型信息g
实
与预设模型信息gi之间的差值，得到i个ggi
差
，从i个ggi
差
中获取到数值最小的ggi
差
，提取出数值最小的ggi
差
对应的预设模型为匹配结果信息；
61.通过上述过程能够准确的获取到对应的企业模型信息，从而进行准确的对企业风险指标进行判定。
62.所述指标生成模块接收到匹配结果信息后提取出匹配出的模型等级信息，根据等级信息生成第二风险预警指标信息的具体过程如下：数据库中预存的预设模型信息包括一级模型、二级模型、三级模型与四级模型，级别越高即表示是该种模型对应的企业风险越高，匹配结果对应的预设模型的等级即为第二风险预警指标信息的具体内容信息。
63.所述数据库在接收到第一风险预警指标信息与第二风险预警指标信息后，对第一风险预警指标信息与第二风险预警指标信息进行分析处理，当第一风险预警指标信息与第二风险预警指标信息的风险等级不同时，即重新进行第一风险预警指标信息的计算，当再次获取到的第一风险预警指标信息的风险等级与之前获取到的第一风险预警指标信息的风险等级相同时，即第一风险预警指标信息与第二风险预警指标信息同时储存，当再次获取到的第一风险预警指标信息的风险等级与之前获取到的第一风险预警指标信息的风险等级不同时，在第一风险预警指标信息上标注“该信息准确性较低”，之后对第一风险预警指标信息与第二风险预警指标信息进行储存；
64.通过上述过程中，能够有效的减少d-s证据合成技术中将100％的信任分配给小可能的命题，产生与直觉相悖的结果；缺乏鲁棒性，证据对命题具有一票否决权；对基本信度分配很敏感.在实际的数据处理中，证据冲突的情况经常遇到，所以要设法避免冲突证据组合产生的错误，否则会产生错误结论问题对最终风险预警指标的引线等问题对最终的风险预警指标结果的影响。
65.所述身份验证模块进行身份验证的具体过程如下：用户通过登录模块输入账号和密码信息，身份验证模块对账号和密码信息进行验证，验证通过之后，进行人脸信息验证，人脸信息验证通过后即允许提取数据，账号和密码信息验证通过但人脸信息验证识别失败次数连续超过三次时，即生成警报信息发出；
66.通过上述过程能够有效的避免生成的风险预警指标信息被盗用的状况发生，保证了数据安全。
67.综上，本发明在使用时，企业信息采集模块采集企业信息，企业信息包括企业经营范围信息、企业成立时间信息、企业往年利润信息、企业科研投入信息，数据接收模块接收企业信息，并将企业信息发送到数据分析模块，数据分析模块对企业信息进行分析先通过d-s证据合成技术进行分析处理，得到第一风险预警指标信息，数据接收模块同时将企业信息发送到模型组建模块，模型组件模块接收到企业信息后对企业信息进行处理，生成实时企业模型信息，实时企业模型信息被发送到模型比对模块，模型库中预存了预设企业模型，
模型比对模块获取到实时企业模型信息后从模型库中提取出预设企业模型，进行匹配处理，得到匹配结果信息，匹配结果信息被发送到指标生成模块，指标生成模块接收到匹配结果信息后提取出匹配出的模型等级信息，根据等级信息生成第二风险预警指标信息，第一风险预警指标信息生成后被发送到数据库，第二风险预警指标信息生成后总控模块控制信息发送模块将其发送到数据库，登录模块用户输入登录信息，身份验证模块对用户输入的登录信息进行验证，验证通过用户即允许提取数据库中的风险预警指标信息，连续验证失败时，即生成警报信息，警报信息被发送到警报发送模块，警报发送模块将警报信息发送到预设接收终端。
68.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
69.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
70.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。