CN119295232A 一种基于人工智能优化系统及方法 （成都进托邦互联网信息服务有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119295232A

(43)申请公布日2025.01.10

(21)申请号202411833837.4

(22)申请日2024.12.13

(71)申请人成都进托邦互联网信息服务有限公

司

地址610031四川省成都市青羊区东胜街

12号2幢4层

申请人重庆邮电大学

(72)发明人张书刘洪涛章勇刘雪艳

蹇洁

GO6FGO6NGO6NGO6FGO6N

18/211(2023.01)3/0442(2023.01)

3/08(2023.01)17/16(2006.01)3/006(2023.01)

(74)专利代理机构连云港苏吉专利代理事务所

(普通合伙)32952专利代理师薛艳丽

(51)Int.CI.

G06Q40/10(2023.01)

GO6F18/10(2023.01)

权利要求书3页说明书10页附图1页

(54)发明名称

一种基于人工智能优化系统及方法

(57)摘要

CN119295232A本发明公开了一种基于人工智能优化系统及方法，属于财税流程管理领域；通过收集数据并进行预处理，得到预处理数据；从预处理数据中提取财税数据的相关特征，构建特征矩阵用于训练和优化初始LSTM时间序列预测模型，得到最终LSTM时间序列预测模型，将需要预测企业税务趋势的企业的财税数据特征带入最终LSTM时间序列预测模型，得到未来税务特征集；设立目标函数，为每个目标函数分配一个权重；设定一个最低的税务合规性分数作为约束条件；使用多目标粒子群优化，共同优化目标；根据优化结果，做出决策；本发明通过人工智能技术，实现对财税流程的优化管理，提高企业的税务合规性、成本

CN119295232A

收集并处理数

收集并处理数

据，得到预处理

数据

提取特征，构

建特征炬阵进

行LSTM樊型

1优化

得到展终LSTM时间序列预测模型

将所需预则企业财

税数据特征集代入

LSTM时间序列预

测模型

得到体现企业

税务趋势的未

来特征集

根据优化结果，做出决策

使用多目标粒

子群优化算法对目标函数进

行优化

收集与决策变量相关的数据得到

决策变量数据集

收集并处理数据，得到预处理

建立目标函数并构建约束条

得到帕累托最优解集

CN119295232A权利要求书1/3页

2

1.一种基于人工智能优化方法，其特征在于，包括以下步骤：

S1、对历史税务数据、财务数据、市场数据和财税政策数据进行预处理，得到预处理数

据；

S2、从预处理数据中提取财税数据的相关特征，构建特征矩阵和标签矩阵用于训练和测试初始LSTM时间序列预测模型，经过训练优化后得到最终LSTM时间序列预测模型，将需要预测企业税务趋势的企业的财税数据特征带入最终LSTM时间序列预测模型，得到未来税务特征集；

S3、设立三个目标函数，即最大化税务合规性、最大化资金流动性和最大化成本效益；为每个目标函数分配一个权重；设定一个最低的税务合规性分数作为约束条件；使用多目标粒子群优化，共同优化税务合规性、成本效益和资金流动性；

S4、根据优化结果，做出决策。

2.根据权利要求1所述的基于人工智能优化方法，其特征在于，所述S1包括以下步骤：

S11、获取历史税务数据、财务数据、市场数据和财税政策数据；

S12、识别并处理历史税务数据、财务数据、市场数据和财税政策数据中的缺失的数据点，使用均值、中位数和众数填充；删除重复的数据记录，统一数据格式；得到预处理数据。

3.根据权利要求1所述的基于人工智能优化方法，其特征在于，所述S2包括以下步骤：

S21、对训练数据集、测试数据集和其对应的标签集进行选择；构建训练矩阵、测试矩阵和其对应的标签集；收集并处理所需预测税务趋势的企业过往的财税数据，得到预测财税数据；从预测财税数据中提取时间序列和财务特征，得到预测特征集；

S22、建立初始LSTM时间序列预测模型，使用训练矩阵和第一标签矩阵训练初始LSTM时间序列预测模型；训练完成后得到训练好的LSTM时间序列预测模型，再将测试矩阵和第二标签矩阵输入至训练好的LSTM时间序列预测模型中进行测试，根据测试结果对训练好的LSTM时间序列预测模型进行优化，得到最终LSTM时间序列预测模型；将预测特征集代入最终LSTM时间序列预测模型，得到未来特征集。