本發(fā)明涉及人工智能，具體而言，涉及一種基于人工智能的企業(yè)管理決策分析方法。

背景技術(shù)：

1、隨著大數(shù)據(jù)技術(shù)的飛速發(fā)展，企業(yè)面臨著前所未有的數(shù)據(jù)量和數(shù)據(jù)類型。這些數(shù)據(jù)涵蓋了市場趨勢、消費(fèi)者行為、供應(yīng)鏈狀態(tài)等各個方面，為企業(yè)提供了豐富的決策依據(jù)。在這樣的新形式下，傳統(tǒng)的智能決策支持系統(tǒng)已經(jīng)不能適應(yīng)這種新的要求，迫切需要尋求新的理論、方法和技術(shù)，指導(dǎo)新一代智能決策支持系統(tǒng)的分析、設(shè)計與實(shí)施，為此人工智能技術(shù)涌現(xiàn)出來。

2、然而，現(xiàn)有的人工智能技術(shù)在企業(yè)管理決策方面依然存在很多不足：(1)人工智能技術(shù)的性能在很大程度上依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量，如果數(shù)據(jù)存在偏差或質(zhì)量不佳，ai的表現(xiàn)可能會受到影響，導(dǎo)致決策分析的不準(zhǔn)確；(2)當(dāng)前的ai模型通常是針對特定任務(wù)訓(xùn)練的，缺乏足夠的泛化能力。當(dāng)業(yè)務(wù)環(huán)境發(fā)生變化時，模型可能無法適應(yīng)新的數(shù)據(jù)集或情境；(3)使用ai處理敏感數(shù)據(jù)時，數(shù)據(jù)的安全和隱私保護(hù)尤為重要，技術(shù)缺陷或不當(dāng)操作可能導(dǎo)致數(shù)據(jù)泄露，引發(fā)嚴(yán)重后果。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于人工智能的企業(yè)管理決策分析方法，其能夠。

2、本發(fā)明的技術(shù)方案為：

3、第一方面，本申請?zhí)峁┮环N基于人工智能的企業(yè)管理決策分析方法，其包括以下步驟：

4、s1、從企業(yè)的數(shù)據(jù)庫中收集歷史相關(guān)數(shù)據(jù)，并對收集的數(shù)據(jù)進(jìn)行數(shù)據(jù)處理后建立數(shù)據(jù)集；

5、s2、對數(shù)據(jù)集進(jìn)行歸一化處理，并將歸一化后的數(shù)據(jù)集分為訓(xùn)練集和測試集；

6、s3、將訓(xùn)練集代入xgboost模型進(jìn)行訓(xùn)練以得到訓(xùn)練好的預(yù)測分析模型；

7、s4、利用測試集代入訓(xùn)練好的預(yù)測分析模型中對企業(yè)進(jìn)行決策分析，輸出最終分析結(jié)果。

8、進(jìn)一步地，步驟s1中，上述歷史相關(guān)數(shù)據(jù)包括企業(yè)的歷史銷售數(shù)據(jù)、客戶反饋數(shù)據(jù)和市場趨勢數(shù)據(jù)。

9、進(jìn)一步地，步驟s1中，上述數(shù)據(jù)處理包括去除重復(fù)記錄、糾正錯誤和填補(bǔ)缺失值。

10、進(jìn)一步地，步驟s2中，上述對數(shù)據(jù)集進(jìn)行歸一化處理的過程包括：

11、通過動態(tài)計算數(shù)據(jù)集的分位數(shù)，實(shí)現(xiàn)動態(tài)調(diào)整數(shù)據(jù)集范圍；

12、根據(jù)數(shù)據(jù)集范圍動態(tài)選擇最優(yōu)的歸一化算法。

13、進(jìn)一步地，上述動態(tài)計算數(shù)據(jù)集的分位數(shù)的公式包括：

14、

15、式中，x'表示歸一化數(shù)據(jù)，x表示數(shù)據(jù)集中的待處理數(shù)據(jù)，x5％和x95％分別表示數(shù)據(jù)集的5％和95％分位數(shù)。

16、進(jìn)一步地，根據(jù)數(shù)據(jù)集范圍動態(tài)選擇最優(yōu)的歸一化算法時，若數(shù)據(jù)集接近正態(tài)分布時，則選擇z-score歸一化算法，其計算公式包括：

17、

18、式中，x'表示歸一化數(shù)據(jù)，x表示數(shù)據(jù)集中的待處理數(shù)據(jù)，μ為原始數(shù)據(jù)的均值，k為整數(shù)，σ為原始數(shù)據(jù)的標(biāo)準(zhǔn)差，c表示偏差，t為自定義數(shù)據(jù)偏差閾值，n為樣本數(shù)量，為樣本均值，s為樣本標(biāo)準(zhǔn)差，xi為第i個樣本值。

19、進(jìn)一步地，步驟s3中，上述xgboost模型的計算公式包括：

20、

21、式中，是對第i個樣本的預(yù)測值，k為樹的數(shù)量，ωk是第k棵樹的權(quán)重，hk是第k棵樹的預(yù)測函數(shù)，b表示偏置。

22、進(jìn)一步地，步驟s4包括：

23、s41、通過將測試集的數(shù)據(jù)代入已訓(xùn)練好的預(yù)測分析模型中，以獲得模型對測試集樣本的預(yù)測結(jié)果；

24、s42、將預(yù)測結(jié)果與實(shí)際結(jié)果進(jìn)行比較以得到比較結(jié)果；

25、s43、通過比較結(jié)果計算模型的準(zhǔn)確性、精確度、召回率和f1分?jǐn)?shù)的評估指標(biāo)，以輸出最終分析結(jié)果。

26、第二方面，本申請?zhí)峁┮环N電子設(shè)備，包括：

27、存儲器，用于存儲一個或多個程序；

28、處理器；

29、當(dāng)上述一個或多個程序被上述處理器執(zhí)行時，實(shí)現(xiàn)如上述第一方面中任一項的一種基于人工智能的企業(yè)管理決策分析方法。

30、第三方面，本申請?zhí)峁┮环N計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，該計算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如上述第一方面中任一項的一種基于人工智能的企業(yè)管理決策分析方法。

31、相對于現(xiàn)有技術(shù)，本發(fā)明至少具有如下優(yōu)點(diǎn)或有益效果：

32、(1)本發(fā)明提供的一種基于人工智能的企業(yè)管理決策分析方法，通過提出數(shù)據(jù)動態(tài)歸一化算法來自適應(yīng)處理數(shù)據(jù)，可以消除數(shù)據(jù)之間的量綱差異，實(shí)現(xiàn)了對企業(yè)歷史數(shù)據(jù)深入挖掘，提高了算法模型預(yù)測和分析的準(zhǔn)確率，能夠?qū)ζ髽I(yè)的長期趨勢進(jìn)行分析，為企業(yè)決策提供了數(shù)據(jù)支持；

33、(2)本發(fā)明利用模型參數(shù)調(diào)優(yōu)策略提高了算法模型預(yù)測和分析準(zhǔn)確率，進(jìn)一步實(shí)現(xiàn)了對企業(yè)管理服務(wù)需求的準(zhǔn)確預(yù)測。

技術(shù)特征：

1.一種基于人工智能的企業(yè)管理決策分析方法，其特征在于，包括以下步驟：

2.如權(quán)利要求1所述的一種基于人工智能的企業(yè)管理決策分析方法，其特征在于，步驟s1中，所述歷史相關(guān)數(shù)據(jù)包括企業(yè)的歷史銷售數(shù)據(jù)、客戶反饋數(shù)據(jù)和市場趨勢數(shù)據(jù)。

3.如權(quán)利要求1所述的一種基于人工智能的企業(yè)管理決策分析方法，其特征在于，步驟s1中，所述數(shù)據(jù)處理包括去除重復(fù)記錄、糾正錯誤和填補(bǔ)缺失值。

4.如權(quán)利要求1所述的一種基于人工智能的企業(yè)管理決策分析方法，其特征在于，步驟s2中，所述對數(shù)據(jù)集進(jìn)行歸一化處理的過程包括：

5.如權(quán)利要求4所述的一種基于人工智能的企業(yè)管理決策分析方法，其特征在于，所述動態(tài)計算數(shù)據(jù)集的分位數(shù)的公式包括：

6.如權(quán)利要求4所述的一種基于人工智能的企業(yè)管理決策分析方法，其特征在于，根據(jù)數(shù)據(jù)集范圍動態(tài)選擇最優(yōu)的歸一化算法時，若數(shù)據(jù)集接近正態(tài)分布時，則選擇z-score歸一化算法，其計算公式包括：

7.如權(quán)利要求1所述的一種基于人工智能的企業(yè)管理決策分析方法，其特征在于，步驟s3中，所述xgboost模型的計算公式包括：

8.如權(quán)利要求1所述的一種基于人工智能的企業(yè)管理決策分析方法，其特征在于，步驟s4包括：

9.一種電子設(shè)備，其特征在于，包括：

10.一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，該計算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1-8中任一項所述的一種基于人工智能的企業(yè)管理決策分析方法。

技術(shù)總結(jié)
本發(fā)明提出了一種基于人工智能的企業(yè)管理決策分析方法，涉及人工智能技術(shù)領(lǐng)域，包括：S1、從企業(yè)的數(shù)據(jù)庫中收集歷史相關(guān)數(shù)據(jù)，并對收集的數(shù)據(jù)進(jìn)行數(shù)據(jù)處理后建立數(shù)據(jù)集；S2、對數(shù)據(jù)集進(jìn)行歸一化處理，并將歸一化后的數(shù)據(jù)集分為訓(xùn)練集和測試集；S3、將訓(xùn)練集代入XGBoost模型進(jìn)行訓(xùn)練以得到訓(xùn)練好的預(yù)測分析模型；S4、利用測試集代入訓(xùn)練好的預(yù)測分析模型中對企業(yè)進(jìn)行決策分析，輸出最終分析結(jié)果；本發(fā)明通過提出動態(tài)歸一化算法來自適應(yīng)處理數(shù)據(jù)，利用模型參數(shù)調(diào)優(yōu)策略提高算法模型預(yù)測和分析準(zhǔn)確率，實(shí)現(xiàn)了對企業(yè)管理服務(wù)需求的準(zhǔn)確預(yù)測，能夠?qū)ζ髽I(yè)的長期趨勢進(jìn)行分析，為企業(yè)決策提供數(shù)據(jù)支持。

技術(shù)研發(fā)人員：楊靜,周玉清,段中超,陳博,雷鑫,黃煦育,李浩江,田琳,謝國鴻
受保護(hù)的技術(shù)使用者：國網(wǎng)思極飛天（蘭州）云數(shù)科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6