本發(fā)明涉及數(shù)據(jù)處理，尤其是一種智慧化評判項目價值綜合指標的管理方法。

背景技術(shù)：

1、傳統(tǒng)項目申報系統(tǒng)的評審機制，長期以來飽受主觀性過強的詬病，評審專家的個人偏好與主觀判斷往往成為影響申報結(jié)果的關(guān)鍵因素，這在一定程度上削弱了評審的客觀公正性。此外，評審標準和流程的模糊性，如同籠罩在申報者心頭的迷霧，使得申報者難以窺見評審的全貌與確切結(jié)果，無形中加劇了申報過程的不確定性以及申報者的焦慮感。

2、隨著近年來ai技術(shù)的飛速發(fā)展，其在多個領(lǐng)域的深度融合與卓越表現(xiàn)，正以前所未有的力量推動著各行各業(yè)的變革與升級。ai不僅展現(xiàn)了其強大的數(shù)據(jù)處理與分析能力，更以其智能化、高效化的特點，為解決傳統(tǒng)評審體系中的弊端提供了可能。

3、因此有必要研發(fā)一種智慧化評判項目價值綜合指標的管理方法，利用ai技術(shù)使項目申報系統(tǒng)克服現(xiàn)有弊端，以解決傳統(tǒng)項目申報系統(tǒng)中存在的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明需要解決的技術(shù)問題是提供一種智慧化評判項目價值綜合指標的管理方法，充分利用ai技術(shù)的大數(shù)據(jù)分析能力，實現(xiàn)了評審過程從數(shù)字化到智能化的轉(zhuǎn)型；項目申報系統(tǒng)能夠自動、客觀地對申報項目進行多維度、深層次的剖析與評估，有效剔除了人為因素對分析結(jié)果的干擾，確保了評審的公正性與客觀性；同時，項目申報系統(tǒng)還具備持續(xù)自我學習與優(yōu)化的能力，能夠不斷適應變化的需求，提升評審的精準度與效率。

2、為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是：

3、一種智慧化評判項目價值綜合指標的管理方法，包括：

4、以項目申報系統(tǒng)中的大量歷史項目數(shù)據(jù)作為訓練集，構(gòu)建項目價值評估模型，智能ai采用循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu)對項目價值評估模型進行訓練；

5、制作數(shù)據(jù)收集模板，獲取各能源項目的各項數(shù)據(jù)，并依據(jù)項目申報指標進行分類，建立能源項目基礎(chǔ)數(shù)據(jù)庫；

6、對收集到的數(shù)據(jù)樣本進行預處理操作，預設(shè)關(guān)鍵指標，項目申報系統(tǒng)根據(jù)關(guān)鍵要素對數(shù)據(jù)進行篩選清洗，若關(guān)鍵指標匹配到則可進入下一步申報流程，若未匹配到，則將項目申報自動退回；所有進入下一步申報流程的能源項目構(gòu)成了項目儲備庫；

7、使用訓練好的項目價值評估模型對項目儲備庫中的各能源項目進行評估，得到評估結(jié)果；

8、根據(jù)各能源項目的評估結(jié)果再對項目價值評估模型進行調(diào)優(yōu)；

9、基于調(diào)優(yōu)后項目價值評估模型評估的各能源項目的得分，按類型分類推送到項目儲備庫，項目申報系統(tǒng)依據(jù)項目得分高低，得分高的項目優(yōu)先分配申報指標，直到申報指標分配完截止。

10、本發(fā)明技術(shù)方案的進一步改進在于：所述各項數(shù)據(jù)至少包括：項目總投資、年度投資計劃、項目類型、能源類型、新開\續(xù)建類型、計劃發(fā)電量、配套儲能功率、配套儲能容量、配套制氫情況、項目所處地市、占地面積、計劃工期、配套調(diào)峰措施、配套調(diào)峰措施、計劃電網(wǎng)接入時間、計劃全部并網(wǎng)時間、建設(shè)內(nèi)容、股東信息、預計投資回收期、預計投資回報率、前期手續(xù)辦理情況、已征租地面積、落實土地面積、是否落實群眾利益。

11、本發(fā)明技術(shù)方案的進一步改進在于：所述前期手續(xù)辦理情況至少包括：是否取得土地租賃手續(xù)、土地預審文件、環(huán)境影響評估報告、水土保持方案、林地草地使用可研報告、土地綜合利用方案。

12、本發(fā)明技術(shù)方案的進一步改進在于：所述預設(shè)關(guān)鍵指標至少包括：項目總投資不低于1億元、發(fā)電機組容量在30萬kw-200萬kw之間、計劃工期不大于36個月。

13、本發(fā)明技術(shù)方案的進一步改進在于：項目價值評估模型對各能源項目進行評估時，項目申報系統(tǒng)能夠?qū)υO(shè)定的各項指標值進行初始權(quán)重賦值，各項指標值權(quán)重加和為1，項目申報系統(tǒng)根據(jù)設(shè)定的得分標準對各項指標值進行計算得分s,分別為s1、s2、s3…sn，全部計算完成后結(jié)合權(quán)重計算各項目總得分m：

14、

15、式中，si為各項指標值；wi為權(quán)重值。

16、本發(fā)明技術(shù)方案的進一步改進在于：通過綜合考量各項評估指標，項目申報系統(tǒng)能夠自動生成全面且客觀的綜合評分，為項目評審提供有力依據(jù)；

17、針對在比對過程中識別出的“較嚴重”扣分項，項目申報系統(tǒng)會智能地生成針對性的優(yōu)化建議，能夠幫助項目團隊明確改進方向，進一步提升項目質(zhì)量與競爭力。

18、本發(fā)明技術(shù)方案的進一步改進在于：項目價值評估模型進行調(diào)優(yōu)時，至少包括調(diào)整模型參數(shù)、更換模型架構(gòu)；還能夠增加偏移量進行邏輯加固，提高參考結(jié)果的數(shù)據(jù)價值。

19、本發(fā)明技術(shù)方案的進一步改進在于：偏移量設(shè)定分為兩種：彈性偏移和向量偏移；

20、彈性偏移是對范圍域的寬度進行拉伸或擠壓，算法如下：

21、qmin＝smin+(1-v彈性)(smax-smin)/2

22、qmax＝qmax-(1-v彈性)(smax-smin)/2

23、向量偏移則是對范圍域進行線性的平移，算法如下：

24、rmin＝smin+v向量

25、rmax＝smax+v向量

26、式中，smax表示偏移前數(shù)據(jù)最大值；smin表示偏移前數(shù)據(jù)最小值；v彈性表示設(shè)定的彈性偏移量；qmax表示彈性偏移后數(shù)據(jù)最大值；qmin表示彈性偏移后數(shù)據(jù)最小值；rmax表示向量偏移后數(shù)據(jù)最大值；rmin表示向量偏移后數(shù)據(jù)最小值；v向量表示設(shè)定的向量偏移量；

27、彈性偏移和向量偏移是對初期訓練樣本數(shù)據(jù)量有限、訓練結(jié)果項目價值評估模型存在偏差問題的補償，隨著不斷有新數(shù)據(jù)樣本涌入，智能ai訓練出的項目價值評估模型也將會更加精確，偏移量將逐步調(diào)低并最終實現(xiàn)0偏移的成熟體項目價值評估模型。

28、本發(fā)明技術(shù)方案的進一步改進在于：基于調(diào)優(yōu)后項目價值評估模型評估的各能源項目的得分，按類型分類推送到項目儲備庫，項目申報系統(tǒng)依據(jù)項目得分高低，得分高的項目優(yōu)先分配申報指標，直到申報指標分配完截止，這一過程緊密集成于項目申報系統(tǒng)的審批流程引擎之中，確保了審批流程的順暢與高效。

29、本發(fā)明技術(shù)方案的進一步改進在于：所有經(jīng)過處理的數(shù)據(jù)均被保存為歷史記錄，以便于后續(xù)的數(shù)據(jù)輸出與可視化展示，還能夠給項目價值評估模型的持續(xù)優(yōu)化與強化訓練提供樣本資源。

30、由于采用了上述技術(shù)方案，本發(fā)明取得的技術(shù)進步是：

31、1、本發(fā)明充分利用ai技術(shù)的大數(shù)據(jù)分析能力，實現(xiàn)了評審過程從數(shù)字化到智能化的轉(zhuǎn)型；項目申報系統(tǒng)能夠自動、客觀地對申報項目進行多維度、深層次的剖析與評估，有效剔除了人為因素對分析結(jié)果的干擾，確保了評審的公正性與客觀性；同時，項目申報系統(tǒng)還具備持續(xù)自我學習與優(yōu)化的能力，能夠不斷適應變化的需求，提升評審的精準度與效率。

32、2、本發(fā)明中的項目申報系統(tǒng)能夠?qū)崟r生成評估報告并提供優(yōu)化建議，幫助項目團隊快速定位問題并采取有效措施進行改進、探索最佳實踐。

33、3、本發(fā)明中的項目申報系統(tǒng)從項目價值評估模型訓練開始，到項目信息上報、評估、業(yè)務流審批、數(shù)據(jù)輸出和展示，并最終結(jié)果成為數(shù)據(jù)樣本再次參與模型訓練，形成完整閉環(huán)，自主迭代、不斷完善，業(yè)務鏈條全面。

34、4、本發(fā)明中的項目申報系統(tǒng)是輔助決策的手段，可以客觀、公正的對項目價值進行評估，消除或降低“人為”主觀意念對項目建設(shè)決策的影響。

35、5、本發(fā)明中的項目申報系統(tǒng)支持基于新樣本數(shù)據(jù)的加強訓練，能夠不斷適應市場變化和技術(shù)發(fā)展，保持項目價值評估模型的先進性和準確性。