【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种电网企业的esg决策期望值计算和预测方法及相关设备。
技术介绍
1、为了推动落实可持续发展理念，esg(environmental,social and governance，环境、社会和公司治理)理念应运而生。esg整合了环境，社会和公司治理三个维度因素，用以衡量企业运行对环境的影响、对社会的影响，以及公司治理体系是否完善等。esg本身是一种基于价值可持续的评估理念，在推动企业落实低碳转型、实现可持续发展等方面形成了一整套具有可操作性的方法论。研究esg决策期望值预测方法，加强对esg决策的认知程度和践行力度，可以为企业决策提供依据和指引，考察企业中长期发展潜力，找到创造社会价值，以及具有可持续成长能力的决策。
2、当前esg决策的制定通过esg决策模型完成，esg决策模型较多直接引入国外成熟的评级方法，未能更加接近本土实际的环境、社会、治理方向的数据。在esg决策模型基础上的指标赋予权重较少能根据行业发展及时进行合理配置与调整，忽略很多与时俱进的指标。此外，现有关于esg的决策分析几乎都是对一个评价或时间周期内的历史数据进行回溯总结、计算，未能对未来评价或时间周期的esg决策期望值进行预测，缺乏对未来时间周期内esg决策期望值情况的精准把握，以至于企业无法根据预测决策期望值制定决策，进而使得制定的决策可能并不准确。
技术实现思路
1、有鉴于此，本申请的目的在于提出一种电网企业的esg决策期望值计算和预测方法及相关设备，以克服现有技术中
2、基于上述目的，本申请提供了一种电网企业的esg决策期望值计算和预测方法，包括：获取每个预定时间段的esg数据，按照预定预测需求，在全部预定时间段中确定目标预定时间段；将所述esg数据输入至预先构建的esg决策模型，通过所述esg决策模型输出所述esg数据对应的实际决策期望值；将所述esg数据和与其关联的实际决策期望值输入至经过预训练的bp神经网络模型，通过所述bp神经网络模型确定所述esg数据对应的预测决策期望值，计算所述预测决策期望值与所述实际决策期望值的相对误差，并通过所述bp神经网络模型输出所述预测决策期望值与所述相对误差；基于全部相对误差，确定马尔可夫状态概率转移矩阵；基于所述马尔可夫状态概率转移矩阵，对所述目标预定时间段的esg数据对应的预测决策期望值进行修正，得到预定未来时间段的最终预测决策期望值。
3、可选地，在将所述esg数据输入至预先构建的esg决策模型之前，所述方法包括：对所述esg数据进行清洗；利用词云分析技术对经过所述清洗的esg数据进行词频分析；利用无量纲化技术对经过所述词频分析的esg数据进行标准化处理。
4、可选地，所述esg决策模型通过以下方法构建：获取历史esg数据，并对所述历史esg数据进行清洗；分别利用所述词云分析技术和所述无量纲化技术对经过所述清洗的历史esg数据进行处理；利用层次分析法对经过所述处理的历史esg数据对应的指标设置权重，得到多个指标权重；基于全部指标和每个指标对应的指标权重，构建所述esg决策模型。
5、可选地，在将所述esg数据输入至预先构建的esg决策模型之前，所述方法还包括：获取针对于所述esg数据的当前影响因素，通过所述当前影响因素对所述esg决策模型中的指标和其对应的指标权重进行优化。
6、可选地，所述基于全部相对误差，得到全部相对误差对应的马尔可夫状态概率转移矩阵，包括：利用模糊c-均值聚类算法将全部相对误差划分为多个马尔可夫链状态；基于全部马尔可夫链状态，确定马尔可夫状态转移矩阵；基于所述马尔可夫状态转移矩阵，确定马尔可夫状态概率转移矩阵。
7、可选地，所述基于所述马尔可夫状态概率转移矩阵，对所述目标预定时间段的esg数据对应的预测决策期望值进行修正，得到预定未来时间段的最终预测决策期望值，包括：基于全部相对误差，确定所述目标预定时间段对应的第一状态概率；基于所述马尔可夫状态概率转移矩阵和所述第一状态概率，计算所述预定未来时间段的第二状态概率；基于所述第二状态概率，对所述目标预定时间段中的esg数据对应的预测决策期望值进行修正，得到所述最终预测决策期望值。
8、可选地，所述基于所述第二状态概率，对所述目标预定时间段中的esg数据对应的预测决策期望值进行修正，得到所述最终预测决策期望值，包括：通过以下公式确定所述最终预测决策期望值：其中，f(x)为所述最终预测决策期望值，δd为所述第二状态概率中的最小值，δu为所述第二状态概率中的最大值，f(x)为所述目标预定时间段中的esg数据对应的预测决策期望值。
9、可选地，在基于全部相对误差，得到全部相对误差对应的马尔可夫状态概率转移矩阵之前，所述方法包括：对全部相对误差进行归一化处理。
10、基于同一专利技术构思，本申请还提供了一种电网企业的esg决策期望值计算和预测装置，包括：获取模块，被配置为获取每个预定时间段的esg数据，按照预定预测需求，在全部预定时间段中确定目标预定时间段；第一输出模块，被配置为将所述esg数据输入至预先构建的esg决策模型，通过所述esg决策模型输出所述esg数据对应的实际决策期望值；第二输出模块，被配置为将所述esg数据和与其关联的实际决策期望值输入至经过预训练的bp神经网络模型，通过所述bp神经网络模型确定所述esg数据对应的预测决策期望值，计算所述预测决策期望值与所述实际决策期望值的相对误差，并通过所述bp神经网络模型输出所述预测决策期望值与所述相对误差；确定模块，被配置为基于全部相对误差，确定马尔可夫状态概率转移矩阵；修正模块，被配置为基于所述马尔可夫状态概率转移矩阵，对所述目标预定时间段的esg数据对应的预测决策期望值进行修正，得到预定未来时间段的最终预测决策期望值。
11、基于同一专利技术构思，本申请还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上所述的方法。
12、从上面所述可以看出，本申请提供的电网企业的esg决策期望值计算和预测方法及相关设备，所述方法包括获取每个预定时间段的esg数据，按照预定预测需求，在全部预定时间段中确定目标预定时间段。将所述esg数据输入至预先构建的esg决策模型，通过所述esg决策模型输出所述esg数据对应的实际决策期望值，进而达到了准确确定实际决策期望值的目的。将所述esg数据和与其关联的实际决策期望值输入至经过预训练的bp神经网络模型，通过所述bp神经网络模型确定所述esg数据对应的预测决策期望值，计算所述预测决策期望值与所述实际决策期望值的相对误差，并通过所述bp神经网络模型输出所述预测决策期望值与所述相对误差，达到了准确确定预测决策期望值与相对误差的目的。基于全部相对误差，确定马尔可夫状态概率转移矩阵，能够准确预测未来时间段的相对误差。基于所述马尔可夫状态概率转移矩阵，对所述目标预定时间段的esg数据对应的预测决策期本文档来自技高网...
【技术保护点】
1.一种电网企业的ESG决策期望值计算和预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在将所述ESG数据输入至预先构建的ESG决策模型之前，所述方法包括：
3.根据权利要求2所述的方法，其特征在于，所述ESG决策模型通过以下方法构建：
4.根据权利要求3所述的方法，其特征在于，在将所述ESG数据输入至预先构建的ESG决策模型之前，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述基于全部相对误差，得到全部相对误差对应的马尔可夫状态概率转移矩阵，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述马尔可夫状态概率转移矩阵，对所述目标预定时间段的ESG数据对应的预测决策期望值进行修正，得到预定未来时间段的最终预测决策期望值，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述第二状态概率，对所述目标预定时间段中的ESG数据对应的预测决策期望值进行修正，得到所述最终预测决策期望值，包括：
8.根据权利要求1所述的方法，其特征在于，在基于全部相对
9.一种电网企业的ESG决策期望值计算和预测装置，其特征在于，包括：
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。
...【技术特征摘要】
1.一种电网企业的esg决策期望值计算和预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在将所述esg数据输入至预先构建的esg决策模型之前，所述方法包括：
3.根据权利要求2所述的方法，其特征在于，所述esg决策模型通过以下方法构建：
4.根据权利要求3所述的方法，其特征在于，在将所述esg数据输入至预先构建的esg决策模型之前，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述基于全部相对误差，得到全部相对误差对应的马尔可夫状态概率转移矩阵，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述马尔可夫状态概率转移矩阵，对所述目标预定时间段的es...
【专利技术属性】
技术研发人员：邵研，杨哲，严永兵，王东，马海波，严渊，李清军，李佩益，
申请(专利权)人：北京中电普华信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。