基于深度學習的化工企業財務數據信息異常分析方法

安世俊

（蘭州資源環境職業技術大學，甘肅 蘭州 730022）

0 引言

隨著現代化社會的飛速發展，互聯網技術、數據挖掘技術在國內得到了快速發展與應用，我國許多化工企業均可實現快速、有效地對大規模異常數據進行檢測與分析[1]。這些分析方法將統計的海量檢測數據進行合理分析，及時檢測出因網絡設備問題或軟件故障而生成的不同種類異常數據信息。實時檢測與分析網絡異常數據，根據信息獲取和邏輯思考將時間序列數據分段，通過構建不同網絡結構來對異常數據信息進行分析，使有標簽數據集數量增加。同時其還加強了網絡訓練的能力，提升對網絡結構和異常數據的檢測實時性及準確性，使海量數據的異常識別效果更優，大幅提升分析的準確性。目前，由于分析過程的算法生成的序列缺少迭代，存在檢測網絡數據中混雜異常數據數量多、分析不明顯等問題，導致企業的財務數據分析存在多種致命問題，如數據缺失、數據漂移等。異常數據的分布過于隨機使檢測結果在大數據中不好辨別，導致分析進程慢，更易產生虛假預警，嚴重影響異常數據分析的效果，進而造成網絡診斷準確性大幅降低。因此，現階段，為有效診斷與分析異常數據，該文以化工企業財務異常數據信息為試驗對象，運用深度學習方法，結合具體情況進行試驗與分析。

1 化工企業財務數據信息異常分析

1.1 PCA 法進行數據預處理

測量過程中的大量數據中均存在噪聲，將這些噪聲值設定為異常值。……