本发明涉及风险评估，具体涉及一种用于科技领域可量化指标的风险评估方法及系统。
背景技术：
1、科技领域广泛涉及信息、电子、人工智能、机器人等多个专业和技术领域，在每个具体的领域中，涉及到多种数据指标，例如增长速度、发展指数、市场份额等，这些数据指标在评估科技领域的发展状况以及是否存在潜在发展风险方面发挥着重要的作用。
2、然而，由于数据指标的多样性和标准的不一致，进行统一的评估变得相当困难。
3、因此，如何提供一种科技领域数据指标风险评估方法，对不同指标类型综合分析，以便于更准确地评估科技领域的风险状况，提高决策的科学性和可靠性，是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本发明提供了一种用于科技领域可量化指标的风险评估方法及系统以解决背景技术中提到的部分技术问题。
2、为了实现上述目的，本发明采用如下技术方案：
3、一种用于科技领域可量化指标的风险评估方法，包括以下步骤：
4、s1.获取一组科技领域的由标签和数字组成的可量化的指标数据，并根据指标是否是时间序列，是否存在对比以及是否为绝对数值或相对数值，对指标类型进行分类；
5、s2.对不同类型的指标，基于评价计算基准分别计算指标中不同数据之间的差距，同一序列数据的变化趋势，不同数据之间的变化趋势的差距以及不同数据之间的差距的变化趋势，并对不同类型的指标对应的不同评价计算基准分别赋予风险指数；
6、s3.建立风险矩阵模型，计算各指标的风险矩阵系数；
7、s4.将风险矩阵系数输入训练好的深度学习模型，利用风险矩阵与风险等级之间的映射关系输出指标的风险等级。
8、优选的，步骤s1中，对指标类型进行分类的具体内容为：根据指标是否是时间序列进行第一次划分，将结果继续分解，按照是否存在不同国家、不同区域、不同行业的对比进行第二次分类，将结果继续分解，按照是否为绝对数值，还是相对数值，进行第三次分类。
9、优选的，指标类型的分类结果包括7项不同类型，具体为：
10、tca：时间序列、对比指标、绝对数值；
11、tca：时间序列、对比指标、相对数值；
12、tca：时间序列、非对比指标、绝对数值；
13、tca：时间序列、非对比指标、相对数值；
14、tca：非时间序列、对比指标、绝对数值；
15、tca：非时间序列、对比指标、相对数值；
16、tca：非时间序列、非对比指标、相对数值。
17、优选的，对于步骤s2中的评价计算基准的具体内容为：
18、定义所需要判定风险的指标为n(n1,n2,n3,...，ni，...，nm，t)，其中，ni为风险指标中的目标序列，m为指标的维度，t为风险指标中的时间序列；
19、不同数据之间的差距d通过函数diff(n1，n2，n3，...)计算：
20、d＝diff(n1，n2，n3，...)＝(d1，d2，d3，...)
21、di＝(ni+1-ni)/m
22、同一序列数据的变化趋势a通过函数acc(n，t)计算：
23、acc(n，t)＝(a1，a2，a3，...)
24、ai＝δni/δt
25、其中，δni为数据序列插值，δt为时间序列间隔；
26、不同数据之间的变化趋势的差距ad通过函数adiff(n1,n2,n3，...)计算：
27、adiff(n1，n2，n3，...)＝(ad1，ad2，ad3，...)
28、adi＝diff(d，t)；
29、不同数据之间的差距的变化趋势da通过函数dacc(n1,n2,n3，...)计算：
30、daiff(n1，n2，n3，...)＝(da1，da2，da3，...)
31、dai＝acc(d,t)。
32、优选的，步骤s3中，风险矩阵系数的计算方法具体为：
33、m＝(a*k1、d*k2、ad*k3、da*k4)
34、其中，a为指标中不同数据之间的差距，d为同一序列数据的变化趋势，ad为不同数据之间的变化趋势的差距，da为不同数据之间的差距的变化趋势，k1、k2、k3、k4分别为各评价计算基准对应的风险指数。
35、优选的，步骤s4中，神经网络模型训练的具体内容为：
36、随机抽取若干指标，按照步骤s1、步骤s2和步骤s3分别计算指标的风险矩阵系数，并基于专家经验，按照无风险、低风险、中风险、高风险、极高风险对指标进行风险等级的标注；
37、将所计算的风险矩阵系数作为输入，风险等级作为输出，进行深度学习的训练，获得风险矩阵与风险等级之间得映射关系l＝f(a、d、ad、da)；
38、利用映射关系计算剩余指标数据的风险等级并进行验证。
39、一种基于数据特征和风险矩阵的科技领域可量化指标风险评估系统，基于所述的一种用于科技领域可量化指标的风险评估方法，包括数据获取模块、分类模块、评价基准计算模块、风险指数赋值模块、风险矩阵系数计算模块和风险等级评估模块；
40、数据获取模块，用于获取一组科技领域的由标签和数字组成的可量化的指标数据；
41、分类模块，用于根据指标是否是时间序列，是否存在对比以及是否为绝对数值或相对数值，对指标类型进行分类；
42、评价基准计算模块，用于对不同类型的指标，基于评价计算基准分别计算指标中不同数据之间的差距，同一序列数据的变化趋势，不同数据之间的变化趋势的差距以及不同数据之间的差距的变化趋势；
43、风险指数赋值模块，用于对不同类型的指标对应的不同评价计算基准分别赋予风险指数；
44、风险矩阵系数计算模块，用于基于风险矩阵模型计算各指标的风险矩阵系数；
45、风险等级评估模块，用于将风险矩阵系数输入训练好的深度学习模型，利用风险矩阵与风险等级之间的映射关系输出指标的风险等级。
46、一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的一种用于科技领域可量化指标的风险评估方法。
47、一种处理终端，包括存储器和处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现所述的一种用于科技领域可量化指标的风险评估方法。
48、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种用于科技领域可量化指标的风险评估方法及系统，基于数据特征和风险矩阵，针对科技领域发展过程中面对的技术、人才、社会等内外部因素，建立基于指标种类的风险评估模型，利用神经网络对既往数据进行训练，获取各元素发生的先验概率，通过风险评估模型计算各指标当前状态和未来变化趋势，形成风险分析矩阵，根据风险评估矩阵结果得到指标的风险等级，用以实现对于科技领域的风险评估的计算和预测推演；本发明考虑了指标的类型以及相应数据的计算，并根据风险矩阵进行分析，以确定风险等级，通过对不同指标类型的综合分析，可以更准确地评估科技领域的风险状况，提高决策的科学性和可靠性。
1.一种用于科技领域可量化指标的风险评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于科技领域可量化指标的风险评估方法，其特征在于，步骤s1中，对指标类型进行分类的具体内容为：根据指标是否是时间序列进行第一次划分，将结果继续分解，按照是否存在不同国家、不同区域或不同行业的对比进行第二次分类，将结果继续分解，按照是否为绝对数值，还是相对数值，进行第三次分类。
3.根据权利要求1所述的一种用于科技领域可量化指标的风险评估方法，其特征在于，指标类型的分类结果包括7项不同类型，具体为：
4.根据权利要求1所述的一种用于科技领域可量化指标的风险评估方法，其特征在于，对于步骤s2中的评价计算基准的具体内容为：
5.根据权利要求1所述的一种用于科技领域可量化指标的风险评估方法，其特征在于，步骤s3中，风险矩阵系数的计算方法具体为：
6.根据权利要求1所述的一种用于科技领域可量化指标的风险评估方法，其特征在于，步骤s4中，神经网络模型训练的具体内容为：
7.一种用于科技领域可量化指标的风险评估系统，其特征在于，基于权利要求1-6任意一项所述的一种用于科技领域可量化指标的风险评估方法，包括数据获取模块、分类模块、评价基准计算模块、风险指数赋值模块、风险矩阵系数计算模块和风险等级评估模块；
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6任意一项所述的一种用于科技领域可量化指标的风险评估方法。
9.一种处理终端，包括存储器和处理器，存储器中存储有可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现如权利要求1-6任意一项所述的一种用于科技领域可量化指标的风险评估方法。
