买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：数盾信息科技股份有限公司

摘要：本发明涉及供应链金融流程控制技术领域，具体为一种仓单与发票模式的互信供应链金融流程控制方法，包括以下步骤，基于区块链，采用智能合约自动化交易处理和Merkle树算法维持数据一致性，对仓单和发票进行数字签名和时间戳记录，验证其真实性和有效性，生成验证后区块链记录。本发明中，通过区块链技术和智能合约的应用保证交易记录的不可篡改性和透明性，Merkle树算法维持数据一致性，逻辑回归与决策树的结合提升信用评分的准确性，卷积神经网络和循环神经网络的应用优化发票数据的处理和支付行为预测，模糊逻辑算法处理模糊或不完整的数据，主成分分析和线性回归模型用于资金流预测，线性规划和网络流分析方法优化资金分配，提高资金使用效率。

主权项：1.一种仓单与发票模式的互信供应链金融流程控制方法，其特征在于，包括以下步骤：基于区块链，采用智能合约自动化交易处理和Merkle树算法维持数据一致性，对仓单和发票进行数字签名和时间戳记录，验证其真实性和有效性，生成验证后区块链记录；基于所述验证后区块链记录，采用逻辑回归分析历史交易行为，结合决策树识别关键信用因素，进行供应链多方的信用评分，生成信用评分模型；基于所述信用评分模型，采用卷积神经网络分析发票图像特征，利用循环神经网络处理时间序列数据，预测支付行为和违约风险，生成支付行为预测模型；基于所述验证后区块链记录，应用模糊逻辑算法处理模糊或不完整的仓单信息，进行仓单数据的精化处理，生成模糊逻辑处理结果；基于所述模糊逻辑处理结果，使用主成分分析算法降维并提取关键影响因素，通过线性回归模型分析资金流动态，生成资金流预测结果；基于所述资金流预测结果，采用线性规划优化资金分配策略，运用网络流分析方法识别资金流的关键节点和路径，生成资金分配优化方案；基于所述资金分配优化方案，应用博弈论模型分析供应链多方的策略选择及其相互影响，生成策略互动分析结果；综合所述验证后区块链记录、信用评分模型、支付行为预测模型、模糊逻辑处理结果、资金流预测结果、资金分配优化方案、策略互动分析结果，采用多目标优化方法平衡包括成本、速度、可靠性的供应链目标，制定可监管供应链金融流程控制方案；所述验证后区块链记录包括交易参与方的身份信息、交易金额、交易日期及时间，所述信用评分模型包括信用评分指标、历史交易行为评分及信用等级分类，所述支付行为预测模型包括支付习惯分析、违约概率预估和支付行为趋势预测，所述模糊逻辑处理结果包括库存水平的不确定性评估、货物质量的模糊分类和不完整仓单信息的补充分析，所述资金流预测结果包括关键财务指标分析、资金流入流出趋势预测和潜在风险提示，所述资金分配优化方案包括资金分配策略、成本效益分析和利润最大化路径规划，所述策略互动分析结果包括供应链多方策略影响评估、合作与竞争关系分析及潜在冲突调解方案，所述可监管供应链金融流程控制方案包括综合成本管理策略、供应链效率提升措施和风险管理方案；基于区块链，采用智能合约自动化交易处理和Merkle树算法维持数据一致性，对仓单和发票进行数字签名和时间戳记录，验证其真实性和有效性，生成验证后区块链记录的步骤具体为：基于区块链，采用HyperledgerFabric智能合约算法，进行自动化交易处理，通过Chaincode编程语言编写合约，定义合约条款，使得交易过程在满足目标条件时自动触发对应合约功能，生成智能合约执行记录；基于所述智能合约执行记录，采用Merkle树算法，维持数据一致性，通过构建哈希树，对每个数据块进行哈希处理，将子节点的哈希值联合起来生成父节点的哈希值，逐层向上直至形成树根的哈希值，生成Merkle树验证记录，其中，在构建Merkle树的过程中，每个数据块首先被单独处理，生成一个唯一的哈希值，这个值看作是数据块的数字指纹；接着，这些哈希值被配对并合并，再次生成新的哈希值，这个过程一直持续到只剩下一个哈希值，即Merkle树的树根哈希值；当需要验证某个数据块时，只需沿着树从该数据块到树根的路径进行哈希验证，生成的Merkle树验证记录被存储在区块链上；基于所述Merkle树验证记录，对仓单和发票采用ECDSA数字签名算法和Unix时间戳，进行加密处理，使用椭圆曲线密码生成签名，保障每笔交易的唯一性，同时记录交易发生时间，生成数字签名和时间戳记录，其中，每个交易首先被赋予一个唯一的时间戳，记录交易发生的确切时间，这个时间戳使用Unix时间格式，然后，使用椭圆曲线数字签名算法ECDSA对交易进行签名，私钥用于生成签名，而公钥则用于验证签名的真实性，生成的数字签名和时间戳记录被存储在区块链上，用于验证交易的真实性和时效性；基于所述数字签名和时间戳记录，将数据记录到区块链上，采用共识机制，通过网络中多个节点对数据的验证和确认，使用权益证明PoS来验证网络中多节点对数据的一致性，生成验证后区块链记录，其中，在PoS机制中，节点根据其持有的币的数量和持币时间来参与验证过程；基于所述验证后区块链记录，采用逻辑回归分析历史交易行为，结合决策树识别关键信用因素，进行供应链多方的信用评分，生成信用评分模型的步骤具体为：基于所述验证后区块链记录，采用数据清洗方法，包括移除不一致的记录、修正格式错误和填补缺失值，验证数据的准确性和完整性，然后进行数据标准化，统一度量单位和时间格式，生成标准化交易数据集；基于所述标准化交易数据集，采用逻辑回归算法，提取交易频率和金额大小关键特征，然后建立回归模型，评估特征与潜在的信用风险之间的关系，进行交易行为的统计分析，生成交易特征分析结果；基于所述交易特征分析结果，采用决策树算法，计算每个特征的信息增益和基尼系数，确定其对信用评分影响的关键性，构建决策树，识别关键的信用评分因素，生成信用评分关键指标；基于所述信用评分关键指标，采用逻辑回归算法进行初步分析，识别和评估关键影响因素，运用决策树算法对因素的相互关系和影响进行分析，建立信用评分模型；基于所述信用评分模型，采用卷积神经网络分析发票图像特征，利用循环神经网络处理时间序列数据，预测支付行为和违约风险，生成支付行为预测模型的步骤具体为：基于所述信用评分模型，采用卷积神经网络算法进行发票图像特征分析，包括使用多层过滤器对图像进行扫描，每个过滤器捕捉图像的差异化特征，包括边缘和纹理，通过激活函数ReLU转化为非线性特征映射，随后通过池化层降低特征维度，生成图像特征数据；基于所述图像特征数据，采用循环神经网络算法进行时间序列数据处理，通过将数据分割成多个时间点，每个时间点的数据输入到循环神经网络中，循环神经网络通过权重和偏差调整输出，每个输出均参照当前输入和历史输入，生成时间序列处理结果；结合所述时间序列处理结果，采用长短期记忆网络模型对支付行为进行预测，长短期记忆网络模型通过输入门、遗忘门和输出门来控制信息流，在时间序列中保留长期依赖信息，预测基于历史数据和当前数据的未来支付行为，生成支付行为预测分析；基于所述支付行为预测分析，应用风险评估算法对违约风险进行预测，通过统计学和机器学习技术分析历史违约数据和当前预测的支付行为，识别潜在的风险因素和模式，从而评估未来的违约可能性，生成支付行为预测模型；基于所述验证后区块链记录，应用模糊逻辑算法处理模糊或不完整的仓单信息，进行仓单数据的精化处理，生成模糊逻辑处理结果的步骤具体为：基于所述验证后区块链记录，应用数据清洗算法，包括利用统计方法识别和删除异常值，使用标准差方法定位偏离平均值过远的数据点，然后采用插值方法填补缺失数据，通过邻近数据点的平均值来估算缺失值，生成清洗后的仓单数据；基于所述清洗后的仓单数据，应用模糊集合理论，使用隶属函数，包括三角隶属函数和梯形隶属函数，将模糊概念量化，生成模糊集合化的仓单数据；基于所述模糊集合化的仓单数据，采用模糊逻辑算法进行规则设定，包括使用Mamdani方法和Takagi-Sugeno模型构建模糊规则，通过模糊逻辑进行决策处理，生成模糊规则处理集合；基于所述模糊规则处理集合，结合模糊集合理论和模糊逻辑规则进行仓单数据的综合分析和精化处理，包括对多类模糊信息进行汇总和分析，维持数据的精度和适用性，生成模糊逻辑处理结果；基于所述模糊逻辑处理结果，使用主成分分析算法降维并提取关键影响因素，通过线性回归模型分析资金流动态，生成资金流预测结果的步骤具体为：基于所述模糊逻辑处理结果，采用主成分分析算法进行数据降维，包括原始数据的协方差矩阵计算，确定数据的主变量方向，接着提取特征向量和特征值，依据特征值大小排序，选择主成分，进行数据降维，生成降维后的关键数据；基于所述降维后的关键数据，采用探索性因素分析，提取关键影响因素，通过分析多主成分的贡献度和负载量，确定对原始数据集变异影响最大化因素，进而从变量中筛选关键因素，生成关键影响因素；结合所述关键影响因素，采用线性回归模型分析资金流动态，通过建立关键因素和资金流之间的线性关系，计算多自变量的回归系数，估计其对资金流的影响，生成资金流动态分析；基于所述资金流动态分析，进行资金流预测，利用线性回归模型根据现有关键因素和资金流的关系预测未来的资金流趋势，通过分析模型的回归系数和截距，预测在差异化关键因素条件下的资金流变化，生成资金流预测结果；基于所述资金流预测结果，采用线性规划优化资金分配策略，运用网络流分析方法识别资金流的关键节点和路径，生成资金分配优化方案的步骤具体为：基于所述资金流预测结果，采用单纯形法进行线性规划，包括构建以成本最小化和利润最大化为目标的线性函数，设定资金量和流向为变量，预算限制和时间限制为约束条件，通过迭代求解过程调整变量值，捕捉最优解，生成初步资金分配方案；基于所述初步资金分配方案，运用敏感性分析评估关键决策变量的影响，包括对市场需求波动和成本变化参数进行模拟测试，分析差异化参数变化对资金分配的影响，根据分析结果调整方案，生成调整后的资金分配方案；基于所述调整后的资金分配方案，运用网络流分析方法，包括构建供应链网络模型，应用最短路径算法和最大流算法识别和分析资金流动的关键节点和路径，优化资金流动的效率和效益，生成网络流优化结果；基于所述网络流优化结果，结合线性规划和网络流分析的输出，对资金分配策略进行综合审查和调整，参照流动性和风险因素，生成资金分配优化方案；基于所述资金分配优化方案，应用博弈论模型分析供应链多方的策略选择及其相互影响，生成策略互动分析结果的步骤具体为：基于所述资金分配优化方案，采用博弈论中的纳什均衡分析，分析供应链多方的策略选择，在评估多方在参照对方策略的情况下，选择最大化自身利益的策略，包括建立多方利益的数学模型，分析多种策略组合下的潜在收益，生成策略选择均衡分析；基于所述策略选择均衡分析，应用动态博弈分析，探究策略随时间的演变，预测在连续决策过程中多方策略的变化，通过构建时间序列模型，分析多方在差异化时间点的策略选择及其对整体博弈结构的影响，生成策略动态演变分析；结合所述策略动态演变分析，采用多因素影响评估，分析差异化策略的综合影响，多因素影响评估通过参照多策略选择的综合效果，包括潜在的经济、社会和环境影响，以及策略之间的相互作用，生成综合策略影响评估；基于所述综合策略影响评估，进行最终的博弈论模型分析，博弈论模型分析综合参照关联方的策略选择及其相互影响，通过对策略互动的分析，形成策略互动框架，生成策略互动分析结果；综合所述验证后区块链记录、信用评分模型、支付行为预测模型、模糊逻辑处理结果、资金流预测结果、资金分配优化方案、策略互动分析结果，采用多目标优化方法平衡包括成本、速度、可靠性的供应链目标，制定可监管供应链金融流程控制方案的步骤具体为：基于所述验证后区块链记录，采用Apriori算法，分析交易模式和趋势，包括从批量交易数据中识别频繁项集，然后通过频繁项集生成关联规则，包括频繁购买模式，评估关联规则的可靠性和关键性，生成交易模式分析结果；基于所述交易模式分析结果，利用集成学习算法，包括随机森林，整合信用评分和支付行为预测模型的输出，包括构建多个决策树，对每个决策树的预测结果进行汇总和平均，生成信用与支付行为综合分析结果；基于所述信用与支付行为综合分析结果，运用多目标遗传算法进行优化，平衡成本、速度、可靠性的供应链目标，包括初始化种群，定义适应度函数反映多目标，执行遗传操作，搜索最优解，生成多目标优化方案；基于所述多目标优化方案，综合参照资金分配方案和策略互动分析结果，运用决策支持工具，进行综合分析和策略制定，包括评估差异化策略的成本效益、优化资源分配和制定风险管理措施，生成可监管供应链金融流程控制方案。

全文数据：

权利要求：

百度查询： 数盾信息科技股份有限公司 一种仓单与发票模式的互信供应链金融流程控制方法