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：广东电网有限责任公司信息中心

摘要：本发明提出了一种基于人工智能的财务数据异常检测方法及系统，方法包括：采用自动化预处理数据，提取关键特征；使用循环神经网络或长短期记忆网络构建模型，学习并预测电力负荷的周期性变化及其对财务数据的影响；采用图神经网络来整合财务数据和外部影响因素，分析它们之间的复杂关系；利用因果推理和关联规则学习技术分析数据间的关系；综合前述分析结果，使用机器学习分类算法进行异常数据的检测与识别；根据异常检测的反馈结果，利用强化学习不断调整和优化检测策略和模型参数；将检测结果和用户反馈整合入系统优化循环，不断迭代更新模型。本发明通过融合深度学习、强化学习以及多维数据分析技术，针对性地解决了现有技术中存在的问题。

主权项：1.一种基于人工智能的财务数据异常检测方法，其特征在于，所述方法包括：S1、获取电力系统财务数据并对所述电力系统财务数据进行数据清洗和归一化处理得到财务数据，然后使用自适应窗口技术、统计特性计算和事件识别增强算法提取关键时间特征，再采用基于深度学习的自编码器进行数据降维，同时通过强化学习优化自编码器参数；其中，原始数据集为X，归一化后的数据为X'，归一化函数为f·，则对于任意数据点x∈X，所述数据清洗和归一化处理表示如下： 其中，μ和σ分别代表x中数据的动态平均值和标准差；S2、构建基于长短时神经网络的周期性负荷预测模型，用于捕捉和预测电力系统财务数据的周期性变化，引入季节性调整计算调整后的财务数据，同时在长短时神经网络的特征融合层整合从长短时神经网络学到的时间序列特征和外部影响因素，输入到全连接层，设计基于电力系统财务数据的周期性权重的损失函数，同时使用Adam优化器动态调整学习率；其中，所述损失函数L表示如下： 其中，wt是一个基于时间t的周期性权重因子，N表示样本数量，X't表示经季节性调整后的实际财务数据值，表示预测的财务数据值；另外，所述周期性权重因子表示如下： 其中，P表示周期长度，φ为周期相位偏移，α是权重调整因子，用于控制周期性权重的影响程度；所述使用Adam优化器动态调整学习率表示如下： 其中，ηnew是调整后的学习率，ηbase是基础学习率，β是学习率调整因子，用于控制学习率变化的幅度；S3、将财务数据构成财务数据集D，再对财务数据集D进行标准化处理得到特征，然后采用核方法对特征进行拓展计算财务数据的非线性关系和隐藏模式，然后基于处理后的特征构建多维关联图G＝V,E，其中节点V代表电力财务数据的不同维度特征，边E代表不同特征之间的关联强度，然后基于图嵌入技术将多维关联图转化为低维向量空间，再通过特征选择算法筛选出对预测任务最有贡献的特征；S4、利用因果推理和关联规则学习技术分析这些数据间的关系；S5、使用机器学习分类算法进行异常数据的检测与识别；S6、根据异常检测的反馈结果，利用强化学习中的Actor-Critic网络不断调整和优化检测策略和模型参数；S7、将异常数据的检测与识别结构和用户反馈整合入系统优化循环，不断迭代更新模型。

全文数据：

权利要求：

百度查询： 广东电网有限责任公司信息中心 一种基于人工智能的财务数据异常检测方法及系统