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！

龙图腾网获悉浪潮通用软件有限公司申请的专利一种企业司库风险识别与应对方法、系统及设备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：CN121120290B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511668562.8，技术领域涉及：G06Q40/12；该发明授权一种企业司库风险识别与应对方法、系统及设备是由王思聪;刘辉;李明明;钟如玉;孙帅设计研发完成，并于2025-11-14向国家知识产权局提交的专利申请。

本一种企业司库风险识别与应对方法、系统及设备在说明书摘要公布了：本发明属于数据处理技术领域，为了解决现有企业司库风险管理技术所存在的风险识别静态孤立与风险应对决策滞后等问题，提出一种企业司库风险识别与应对方法、系统及设备，基于多源时序数据得到多元时间序列矩阵；利用编码器对多元时间序列矩阵进行特征提取得到风险状态向量；利用聚类算法进行聚类分析，得到所属的风险情景标签；以历史风险情景标签为离散状态空间，基于历史风险情景序列统计生成马尔可夫状态转移矩阵，以初始风险状态为起点进行风险模拟生成多条风险演化路径；基于风险演化路径对强化学习模型进行预训练，利用预训练后的强化学习模型生成风险应对策略，提升企业司库面对市场波动的抗风险能力。

本发明授权一种企业司库风险识别与应对方法、系统及设备在权利要求书中公布了：1.一种企业司库风险识别与应对方法，其特征在于，包括： 对获取的企业司库场景下的多源时序数据进行预处理，得到多元时间序列矩阵； 利用引入分形时序关联注意力层的编码器对多元时间序列矩阵进行特征提取，得到融合全局上下文信息的风险状态向量；具体为：利用多尺度赫斯特指数对多元时间序列矩阵进行多尺度分形特征提取；基于所提取的多尺度分形特征之间的关联强度，构建分形先验矩阵；对多元时间序列矩阵计算注意力得分和动态门控值，通过门控融合机制融合注意力得分、动态门控值和分形先验矩阵，得到动态注意力权重；利用动态注意力权重进行加权求和，得到融合全局上下文信息的风险状态向量； 利用聚类算法对所述风险状态向量进行聚类分析，得到所述风险状态向量所属的风险情景标签，具体为： 步骤1：设定聚类数，从历史风险状态向量集合随机选择k个初始聚类中心，初始化历史风险状态向量集合中各历史风险状态向量权重； 步骤2：计算历史风险状态向量集合中各个历史风险状态向量到各个聚类中心的距离，将每个历史风险状态向量分配到距离最近的聚类中心所属的簇； 步骤3：对每一个簇，采用加权平均重新计算聚类中心，根据最大相关熵准则更新每个历史风险状态向量的权重，；其中，σ为核宽参数，控制对异常值的敏感度；表示历史风险状态向量当前所属聚类簇的中心向量； 步骤4：重复步骤2-步骤3，直至收敛满足以下收敛条件之一：1.聚类中心的位置不再发生显著变化即所有中心点的移动距离小于预设阈值；2.达到预设的最大迭代次数；3.簇的分配关系不再改变；聚类完成后对簇的语义化定义，将聚类后每个簇定义为一种典型风险情景模式，簇的中心向量即为对应的风险情景标签，多个簇对应的风险情景标签构成风险情景标签库； 以历史风险情景标签为离散状态空间，基于历史风险情景序列统计生成马尔可夫状态转移矩阵，以初始风险状态为起点进行风险模拟，生成多条风险演化路径，具体为：将每一个历史风险情景标签定义为马尔可夫链的一个离散状态，构建离散状态空间；遍历历史风险情景序列，统计风险状态i转移到风险状态j的频数，以及风险状态i出现的总频数，根据频数计算从风险状态i到风险状态j的转移概率，构建马尔可夫状态转移矩阵；以初始风险状态为起点，通过蒙特卡洛模拟生成多条风险演化路径； 基于所生成的风险演化路径对强化学习模型进行预训练，利用预训练后的强化学习模型生成实时风险状态的风险应对策略。

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浪潮通用软件有限公司，其通讯地址为：250000 山东省济南市高新区浪潮路1036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。