成本预测方法、成本预测模型的建模方法及电子设备与流程

本申请属于数据处理，尤其涉及成本预测方法、成本预测模型的建模方法及电子设备。

背景技术：

1、项目成本管理对企业的经营和持续发展具有重要意义，而成本预测是成本管理中的一个重要环节。往往在项目策划阶段就需要对项目的总成本进行预测，从而为项目的后续阶段提供可行性评估和决策依据。

2、然而可选的成本预测方法往往存在准确性和可靠性不高的问题。

技术实现思路

1、有鉴于此，本申请实施例提供了成本预测方法、成本预测模型的建模方法及电子设备，可以提高成本预测的准确性和可靠性。

2、本申请实施例的第一方面提供了一种成本预测方法，包括：

3、获取待预测项目的特征数据，待预测项目的特征数据包括：待预测项目的一级节点和维度节点。

4、获取待预测项目的目标计算参数，目标计算参数为通过信息采集模型获取到的，与待预测项目的特征数据中的维度节点对应的第一计算参数。

5、将待预测项目的特征数据和目标计算参数输入到已训练好的成本预测模型，得到预测结果，预测结果至少包括待预测项目的总成本。

6、在第一方面的第一种可能的实现方式中，成本预测模型为基于训练样本集对各个维度节点的初始模型进行训练，得到各个节点预测子模型，对各个节点预测子模型进行整合后得到的模型。

7、在第一方面的第二种可能的实现方式中，预测结果还包括以下各项中的至少一项：对待预测项目总成本的建议、待预测项目各个维度节点对应的成本、对待预测项目各个维度节点对应的成本的建议。

8、在第一方面的第二种可能的实现方式中，第一计算参数通过以下各项方法中的至少一项获取：网络爬取、数据库、外部接口调用或者动态参数。

9、本申请实施例与现有技术相比存在的有益效果是：由于本申请的目标计算参数是通过信息采集模型获取到的，而通过信息采集模型可以更及时地获取到反映市场的最新信息，所以获取到的目标计算参数的有效性及质量均更佳，基于此预测出的项目成本更加贴近实际情况。因此基于本申请实施例，可以提高对项目成本预测的准确性和可靠性。

10、本发明实施例的第二方面提供了一种成本预测模型的建模方法，包括：

11、建立各个维度节点的初始模型。

12、获取各个维度节点对应的训练样本集，其中，每个训练样本集中包含若干组训练样本数据，每组样本数据中均包含单个维度节点的一个第二计算参数以及一个与其对应的计算结果。

13、基于训练样本集对各个维度节点的初始模型进行训练，得到各个节点预测子模型；对各个节点预测子模型进行整合后得到成本预测模型。

14、在第二方面的第一种可能的实现方式中，基于训练样本集对各个维度节点的初始模型进行训练，包括：

15、基于各个训练样本集，对各个维度节点的初始模型进行神经网络迭代训练。

16、基于上述第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，基于各个训练样本集，对各个维度节点的初始模型进行神经网络迭代训练，包括：

17、基于各个训练样本集，分别对各个维度节点的初始模型进行神经网络迭代训练；或者，

18、基于各个训练样本集，同时对各个维度节点的初始模型进行神经网络迭代训练。

19、本发明实施例的第三方面提供了一种信息采集模型的建立方法，包括：

20、生成预设个数的维度节点，并为各个维度节点配置基本信息，基本信息至少包括可唯一标识维度节点的标识信息。

21、为各个维度节点配置第一计算方式，第一计算方式为对维度节点的数据进行处理的具体方式。

22、确定维度节点的第一计算参数。

23、当满足第一预设执行条件时，保存采集信息结果集，并输出信息采集模型。

24、在第三方面的第一种可能的实现方式中，在保存采集信息结果集之后，还包括：

25、对采集信息结果集中的各个维度节点进行预警状况研判。

26、当采集信息结果集中存在预警维度节点时，对预警维度节点进行真实性研判。

27、若预警维度节点符合真实情况，重新保存至采集信息结果集；否则，修正预警维度节点的第一计算参数，并重新保存至采集信息结果集。

28、在第三方面的第二种可能的实现方式中，第一计算方式包括但不限于以下各项中至少一项：算术运算方式、逻辑运算方式、关系运算方式。

29、基于上述第三方面的第一种可能的实现方式，在第三方面的第三种可能的实现方式中，对采集信息结果集中的各个维度节点进行预警状况研判，包括：

30、为采集信息结果集中各个维度节点的所述第一计算参数分别设定所属的预设阈值区间。

31、若存在至少一个第一计算参数超出所属的所述预设阈值区间，采集信息结果集中存在预警维度节点。

32、基于上述第三方面的第三种可能的实现方式，在第三方面的第四种可能的实现方式中，若预警维度节点符合真实情况，重新保存至采集信息结果集，还包括：

33、修正预警维度节点的第一计算参数所属的预设阈值区间。

34、本申请实施例的第四方面提供了一种成本预测装置，包括：

35、第一处理模块，用于获取待预测项目的特征数据，待预测项目的特征数据包括：待预测项目的一级节点和维度节点。

36、第二处理模块，用于获取待预测项目的目标计算参数，目标计算参数为通过信息采集模型获取到的，与待预测项目的特征数据中的维度节点对应的第一计算参数。

37、第三处理模块，用于将待预测项目的特征数据和目标计算参数输入到已训练好的成本预测模型，得到预测结果，预测结果至少包括待预测项目的总成本。

38、本申请实施例的第五方面提供了一种电子设备，电子设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，使得电子设备实现如上述第一方面中任一项所述成本预测方法的步骤。

39、本申请实施例的第六方面提供了一种计算机可读存储介质，包括：存储有计算机程序，所述计算机程序被处理器执行时，使得电子设备实现如上述第一方面中任一项所述成本预测方法的步骤。

40、可以理解的是，上述第二方面至第六方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

技术特征：

1.一种成本预测方法，其特征在于，包括：

2.根据权利要求1所述的成本预测方法，其特征在于，所述成本预测模型为基于训练样本集对各个维度节点的初始模型进行训练，得到各个节点预测子模型，对所述各个节点预测子模型进行整合后得到的模型。

3.一种成本预测模型的建模方法，其特征在于，包括：

4.根据权利要求3所述的成本预测模型的建模方法，其特征在于，所述基于所述训练样本集对所述各个维度节点的初始模型进行训练，包括：

5.根据权利要求4所述的成本预测模型的建模方法，其特征在于，所述基于各个所述训练样本集，对所述各个维度节点的初始模型进行神经网络迭代训练，包括：

6.一种信息采集模型的建立方法，其特征在于，包括：

7.根据权利要求6所述的信息采集模型的建立方法，其特征在于，在所述保存采集信息结果集之后，还包括：

8.根据权利要求7所述的信息采集模型的建立方法，其特征在于，所述对所述采集信息结果集中的各个所述维度节点进行预警状况研判，包括：

9.一种成本预测装置，其特征在于，包括：

10.一种电子设备，其特征在于，所述电子设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。

技术总结
本申请提供了成本预测方法、成本预测模型的建模方法及电子设备，适用于数据处理技术领域，该方法包括：获取待预测项目的特征数据，待预测项目的特征数据包括：待预测项目的一级节点和维度节点。获取待预测项目的目标计算参数。将待预测项目的特征数据和目标计算参数输入到已训练好的成本预测模型，得到预测结果，预测结果至少包括待预测项目的总成本。本申请实施例能够提高对项目成本预测的准确性和可靠性。

技术研发人员：李炜,巩福,李勇猷,陈盖
受保护的技术使用者：深圳太极数智技术有限公司
技术研发日：
技术公布日：2024/1/15