基于区块链的企业运行诊断系统和方法技术方案

本发明专利技术公开了一种基于区块链的企业运行诊断系统和方法，包括传感器、电量转换器、数值识别器和云平台，云平台中包含有区块链和大数据平台，通过区块链技术，将工业园区的供电量与用电量同时与工业园区的税收与产值进行记录与联动，当上述记录的数据汇集成大数据平台后，利用VMD

【技术实现步骤摘要】
基于区块链的企业运行诊断系统和方法


[0001]本专利技术涉及区块链具体场景应用
，特别涉及一种基于区块链的企业运行诊断系统和方法。

技术介绍

[0002]区块链技术可大大优化现有的大数据应用，在数据流通和共享上发挥巨大作用。未来互联网、人工智能、物联网都将产生海量数据，现有中心化数据存储将面临巨大挑战，基于区块链技术的边缘存储有望成为未来解决方案。区块链对数据的不可篡改和可追溯机制保证了数据的真实性和高质量，这成为大数据、深度学习、人工智能等一切数据应用的基础。区块链可以在保护数据隐私的前提下实现多方协作的数据计算，有望解决“数据垄断”和“数据孤岛”问题，实现数据流通价值。
[0003]随着经济社会发展，建立新型税收管理体制和征管模式，不断提高税务部门专业化管理、规范化执法和程序化服务水平势在必行。
[0004]针对这一需求，本申请结合区块链技术提出了一种解决方案。

技术实现思路

[0005]专利技术目的：本专利技术的目的是提供一种基于区块链的企业运行诊断系统和方法，能够及时发现工业园区的税收与产值的异常情况，节约行政成本，增强工业园区的赋税。
[0006]技术方案：本专利技术所述的基于区块链的企业运行诊断系统，包括有传感器一、电量转换器一、传感器二、电量转换器二、数值识别器一、数值识别器二和云平台，所述云平台中包括有区块链和大数据平台，所述传感器一、电量转换器一和云平台依次电气连接，所述传感器二、电量转换器二和云平台依次电气连接，所述数值识别器一与数值识别器二分别与云平台电气连接；
[0007]所述大数据平台基于VMD
‑
HHO
‑
ELM诊断算法判定大数据平台中工业园区各阶段的用电量、供电量、税收值及产值数据是否异常。
[0008]作为优选，所述传感器一在工业园区进行生产活动用电时，采集工业园区电网的电流值及电压值，并通过电量转换器一将采集到的电流值数据和电压值数据转换为工业园区每月的用电量数据；所述传感器二在工业园区的供电设备运行及从电网购入电量时，采集工业园区电网的电流值及电压值，并通过电量转换器二将采集到的电流值数据和电压值数据转换为工业园区每月的供电量数据。
[0009]作为优选，所述数值识别器一从工业园区的税收账单中采集各阶段的税收数据，数值识别器二从工业园区的账务账单中采集各阶段的产值数据。
[0010]作为优选，所述云平台中的区块链内汇集记录有传感器一、传感器二、数值识别器一和数值识别器二采集的数据，并且传感器一、传感器二、数值识别器一和数值识别器二采集的数据在大数据平台内进一步处理。
[0011]作为优选，所述区块链包括有应用层、合约层、激励层、共识层、网络层及数据层，
所述应用层封装有区块链的应用场景和案例；所述合约层封装有各类脚本、算法和智能合约；所述激励层将经济因素集成到区块链技术体系中；所述共识层封装有网络节点的各类共识算法；所述网络层包括分布式组网机制、数据传播机制和数据验证机制；所述数据层封装有底层数据区块以及相关的数据加密和时间戳这些基础数据和基本算法；
[0012]所述区块链中将收集的工业园区各阶段的用电量、供电量、税收值及产值，再加入国家最新公布的缴税标准这些模拟数值数据，送入数据收集系统进行临时存储，通过数据收集系统将这些模拟数值数据送入区块链税收数据处理系统中，通过区块链网络管理中的区块链数据处理网关，将模拟数值进行处理与加密后转换为数字数值，便于区块链对上述数据进行处理，将上述数据送入区块链网络中的各个区块链节点进行存储，使上述数据难以更改，以保证其真实性及准确性，上述数据在各个区块链节点之间实现相关数据的联动，最后，将联动后的数字数值数据通过区块链网络管理中的区块链数据处理网关，转换为模拟数值数据作为结果输出，输入大数据平台进行处理。
[0013]作为优选，所述大数据平台经过VMD
‑
HHO
‑
ELM诊断算法诊断后，若某一阶段的数据存在异常，可通过区块链回溯该阶段的所有数据，找出异常的原因。
[0014]基于区块链的企业运行诊断方法，具体包括以下步骤：
[0015]S1：建立目标函数：
[0016][0017]其中o1为工业园区在a至b阶段的用电量，o2为工业园区在a至b阶段的供电量，W
c
为c时刻的电价且c在(a,b)区间内，δ为工业园区在a至b阶段的产值，p为工业园区在a至b阶段的税收值，d
j
为VMD
‑
HHO
‑
ELM诊断算法的实际输出值；
[0018]若τ的值在(0,1)区间内，则数据正常，反之则此阶段工业园区数据存在异常，需要进一步查看与处理；
[0019]S2：利用VMD算法对输入的数据进行初步处理，去除冗余或干扰性数据，该算法将原信号分解成k个IMF分量，把模态函数定义为一个调频调幅信号，记为：
[0020]u
k
(t)＝A
k
(t)cos[φ(t)][0021]其中：A
k
(t)为IMF的幅值，φ(t)为IMF的频率；
[0022]S3：利用HHO算法对ELM算法中的输入权重ω和阈值b进行寻优搜索，最小化预测误差，获取最佳期望网络模型，实现ELM算法对工业园区税收数据异常的高精度诊断；
[0023]S4：利用优化后的ELM算法，对通过VMD算法初步处理后的数据进一步处理，诊断工业园区税收数据是否异常，具体的：
[0024]ELM算法由输入层、隐藏层以及输出层3部分组成，输入层的输入权重ω和隐含层的阈值b由S3中HHO算法寻优搜索获得；
[0025]输入层的n个神经元对应的输入矩阵为C＝[c
i1
,c
i2
,...,c
in
]T
，输出层的m个神经元对应的输出矩阵为D＝[d
i1
,d
i2
,...,d
im
]T
，隐含层有L个神经元，激励函数g(x)的模型为：
[0026][0027]式中：β
jk
为隐含层神经元第j个神经元与输出层第k个神经元的连接权值；ω
ij
为
输入层第i个神经元与隐含层第j个神经元的连接权值；g(x)为隐含层神经元的激励函数；b
i
为第i个隐含层神经元的与之；d
j
为网络的实际输出值；
[0028]隐含层输出矩阵H表示为：
[0029][0030]网络输出用Hβ＝D
T
表示，其中D
T
为矩阵D的装置，若L＝N则预测结果与ω和b无关，神经网络的输出值以零误差逼近训练样本，即
[0031][0032]min||Hβ
‑
T||＜ε
[0033]式中：T为神经网络的期望输出；ε为输出误差，当N足够大时，ε＜0；...

【技术保护点】

【技术特征摘要】
1.基于区块链的企业运行诊断系统，其特征在于：包括有传感器一、电量转换器一、传感器二、电量转换器二、数值识别器一、数值识别器二和云平台，所述云平台中包括有区块链和大数据平台，所述传感器一、电量转换器一和云平台依次电气连接，所述传感器二、电量转换器二和云平台依次电气连接，所述数值识别器一与数值识别器二分别与云平台电气连接；所述大数据平台基于VMD
‑
HHO
‑
ELM诊断算法判定大数据平台中工业园区各阶段的用电量、供电量、税收值及产值数据是否异常。2.根据权利要求1所述的基于区块链的企业运行诊断系统，其特征在于：所述传感器一在工业园区进行生产活动用电时，采集工业园区电网的电流值及电压值，并通过电量转换器一将采集到的电流值数据和电压值数据转换为工业园区每月的用电量数据；所述传感器二在工业园区的供电设备运行及从电网购入电量时，采集工业园区电网的电流值及电压值，并通过电量转换器二将采集到的电流值数据和电压值数据转换为工业园区每月的供电量数据。3.根据权利要求1所述的基于区块链的企业运行诊断系统，其特征在于：所述数值识别器一从工业园区的税收账单中采集各阶段的税收数据，数值识别器二从工业园区的账务账单中采集各阶段的产值数据。4.根据权利要求1所述的基于区块链的企业运行诊断系统，其特征在于：所述云平台中的区块链内汇集记录有传感器一、传感器二、数值识别器一和数值识别器二采集的数据，并且传感器一、传感器二、数值识别器一和数值识别器二采集的数据在大数据平台内进一步处理。5.根据权利要求1所述的基于区块链的企业运行诊断系统，其特征在于：所述区块链包括有应用层、合约层、激励层、共识层、网络层及数据层，所述应用层封装有区块链的应用场景和案例；所述合约层封装有各类脚本、算法和智能合约；所述激励层将经济因素集成到区块链技术体系中；所述共识层封装有网络节点的各类共识算法；所述网络层包括分布式组网机制、数据传播机制和数据验证机制；所述数据层封装有底层数据区块以及相关的数据加密和时间戳这些基础数据和基本算法；所述区块链中将收集的工业园区各阶段的用电量、供电量、税收值及产值，再加入国家最新公布的缴税标准这些模拟数值数据，送入数据收集系统进行临时存储，通过数据收集系统将这些模拟数值数据送入区块链税收数据处理系统中，通过区块链网络管理中的区块链数据处理网关，将模拟数值进行处理与加密后转换为数字数值，便于区块链对上述数据进行处理，将上述数据送入区块链网络中的各个区块链节点进行存储，使上述数据难以更改，以保证其真实性及准确性，上述数据在各个区块链节点之间实现相关数据的联动，最后，将联动后的数字数值数据通过区块链网络管理中的区块链数据处理网关，转换为模拟数值数据作为结果输出，输入大数据平台进行处理。6.根据权利要求1所述的基于区块链的企业运行诊断系统，其特征在于：所述大数据平台经过VMD
‑
HHO
‑
ELM诊断算法诊断后，若某一阶段的数据存在异常，可通过区块链回溯该阶段的所有数据，找出异常的原因。7.基于区块链的企业运行诊断方法，其特征在于：应用于权利要求1
‑
6中任一项所述的基于区块链的企业运行诊断系统，所述诊断方法具体包括以下步骤：
S1：建立目标函数：其中o1为工业园区在a至b阶段的用电量，o2为工业园区在a至b阶段的供电量，W
c
为c时刻的电价且c在(a,b)区间内，δ为工业园区在a至b阶段的产值，p为工业园区在a至b阶段的税收值，d
j
为VMD
‑
HHO
‑
ELM诊断算法的实际输出值；若τ的值在(0,1)区间内，则数据正常，反之则此阶段工业园区数据存在异常，需要进一步查看与处理；S2：利用VMD算法对输入的数据进行初步处理，去除冗余或干扰性数据，该算法将原信号分解成k个IMF分量，把模态函数定义为一个调频调幅信号，记为：u
k
(t)＝A
k
)t)cos[φ(t)]其中：A
k
(t)为IMF的幅值，φ(t)为IMF的频率；S3：利用HHO算法对ELM算法中的输入权重ω和阈值b进行寻优搜索，最小化预测误差，获取最佳期望网络模型，实现ELM算法对工业园区税收数据异常的高精度诊断；S4：利用优化后的ELM算法，对通过VMD算法初步处理后的数据进一步处理，诊断工业园区税收数据是否异常，具体的：ELM算法由输入层、隐藏层以及输出层3部分组成，输入层的输入权重ω和隐含层的阈值b由S3中HHO算法寻优搜索获得；输入层的n个神经元对应的输入矩阵为C＝[c
i1
,c
i2
,...,c
in
]
T
，输出层的m个神经元对应的输出矩阵为D＝[d
i1
,d
i2
,...,d
im
]
T
，隐含层有L个神经元，激励函数g(x)的模型为：式中：β
jk
为隐含层神经元第j个神经元与输出层第k个神经元的连接...

【专利技术属性】
技术研发人员：谢滢琦，殷庆媛，纪捷，谢金博，王文杰，段卫平，黄慧，陈帅，张楚，彭甜，孙娜，王旭，史煜，张一航，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：