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！

龙图腾网获悉山东电子职业技术学院申请的专利一种面向层级化的成本智能核算方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119671626B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411858898.6，技术领域涉及：G06Q30/0202；该发明授权一种面向层级化的成本智能核算方法是由陆平;刘永红设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本一种面向层级化的成本智能核算方法在说明书摘要公布了：本发明涉及一种面向层级化的成本智能核算方法，属于成本智能核算领域。该方法包括五个主要步骤。获取成本数据，对成本数据进行预处理，并将成本数据划分为训练集和测试集；构建加权的时间序列加法分解模型，训练集中的成本数据经过模型进行数据提取，得到趋势项、季节项和残差项；将趋势项、季节项和残差项进行处理，得到新的训练样本集合；构建成本预测模型，所述成本预测模型包括CNN残差模块和双向LSTM模块，新的训练样本集合输入到成本预测模型得到预测成本总额；采用测试集中成本总额与所述预测成本总额进行误差评估，来评价模型的预测性能。本发明提高了成本智能核算的准确性以及对复杂成本变化特征捕捉能力。

本发明授权一种面向层级化的成本智能核算方法在权利要求书中公布了：1.一种面向层级化的成本智能核算方法，其特征在于，包括以下步骤： S1.获取成本数据，对成本数据进行预处理，将所述成本数据分为4个层级，包括直接成本、间接成本、固定成本和其他成本，并将成本数据划分为训练集和测试集； S2.构建加权的时间序列加法分解模型，所述训练集中的成本数据经过所述模型进行数据提取，得到趋势项、季节项和残差项； S21.设置趋势项的成本数据以天为单位，周期dr=7；设置连续dr天为一个窗口，采用滑动窗口平均法计算训练集中每天成本数据的趋势项，公式表示如下： ， 其中，表示当时间节点为t时成本的估计值，即趋势项，表示在时间节点为t+i天时的原始成本数据值； S22.设置季节项的成本数据以月为单位，计算训练集中成本数据每个月份的平均值，公式表示如下： ， 其中，表示训练集共有年，表示在第y年第m个月的第d天的成本数据，Day表示第y年第m个月的天数，表示第m个月在所有年份成本数据的平均值，；根据步骤S21中的每天成本数据的趋势项，利用三次样条插值法得到每月成本数据的趋势项；计算去趋势后的月度平均值，根据每个月的节假日天数除以每月总共的天数得到权重，对去趋势后的月度平均值进行加权处理，得到加权后的月平均值，公式表示如下： ， ， ， 其中，表示去趋势后的月度平均值，表示加权后的月平均值；将加权后的月平均值扩展到每一天得到，构成以天为单位的时间序列数据； 具体地，利用三次样条插值法得到每月成本数据的趋势项，过程如下： S221.构建三次多项式段来表示两个相邻的时间成本趋势值，公式表示如下： ， 当给定两个相邻的时间成本趋势项和，被设计为通过这些点，并在这些点之间提供平滑的过渡；其中，分别表示待求解的第一系数、第二系数、第三系数、第四系数；t表示任意时间点的变量，其取值范围为[]，是一个特定的时间点，表示第i个时间成本趋势值对应的时间； S222.构建方程式组求解，所述方程式组采用插值条件和连续性条件进行构建，公式表示如下： ， ， ， ， 其中，和分别表示第i个和第i+1个三次多项式在时间段上的多项式的一阶导数，和分别表示第i个和第i+1个三次多项式在时间段上的多项式的二阶导数； S223.求得所有的后，得到样条插值函数，选择每个月的15号为节点，输入到后，得到每月成本数据的趋势项； S23.通过公式，得到时间点的残差项，最终构建的加权的时间序列加法分解模型表示为： ， 其中，表示训练集中时间点的数据，分别表示趋势项、季节项、残差项； S3.将趋势项、季节项和残差项进行处理，得到新的训练样本集合； S4.构建成本预测模型，所述成本预测模型包括CNN残差模块和双向LSTM模块，所述新的训练样本集合输入到成本预测模型得到预测成本总额； S5.采用测试集中成本总额与所述预测成本总额进行误差评估，来评价模型的预测性能。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东电子职业技术学院，其通讯地址为：250000 山东省济南市章丘区双山街道文化路888号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。