摘要
本发明公开了基于时空因果图网络的个体风险动态评估方法及系统,涉及数据处理技术领域。所述方法包括步骤:获取待评估个体的风险相关数据;将前述数据转化为结构化数据以得到前述待评估个体的风险相关结构化数据,所述风险相关结构化数据按静态特征、动态特征和因果特征划分;根据风险相关结构化数据,计算前述待评估个体的静态特征风险分值和动态特征风险分值后确定最终风险得分;以及,获取风险的划分信息,根据划分的多个动态风险动向,结合动态时空融合预测结果和因果特征矩阵预测出置信度最高的动态风险动向信息。本发明有效地提高了个体风险动态评估的可靠性、精准性和及时性,可更高效、动态地预测评估个体的风险状况。
技术关键词
静态特征
Arima模型
风险动态评估方法
XGBoost模型
GCN模型
LSTM模型
矩阵
加密数据
特征值
数据可视化界面
动态评估系统
数据加密算法
预测模型训练
极值
长短期记忆网络
轨迹
序列
系统为您推荐了相关专利信息
时空融合特征
跟踪方法
序列
静态特征
协方差矩阵
狼疮性肾炎
预测系统
系统性红斑狼疮
样本
LightGBM模型
多源异构数据
XGBoost模型
电网保护
辨识方法
计算机可执行指令
汽车动力电池
健康状态监测方法
RNN模型
生成汽车
多层感知机