[发明专利]一种海洋产业发展趋势分析方法

权利要求书

1.一种海洋产业发展趋势分析方法，其特征在于，包括：

通过网络爬虫技术获取海洋产业的历史信息，所述历史信息包括企业数据信息和企业文本信息；

采用预置LSNet根据所述企业数据信息进行未来海洋产业数据预测，得到海洋产业预测结果，所述预置LSNet包括预置卷积神经网络和预置递归神经网络；

通过预置社区发现算法将图结构化的所述企业文本信息进行分块处理，得到文本信息块；

根据所述企业文本信息和所述文本信息块计算企业的聚集程度；

基于所述海洋产业预测结果和所述聚集程度指导企业决策的制定，所述企业决策包括企业选址、企业投资和企业合作对象选择。

2.根据权利要求1所述的海洋产业发展趋势分析方法，其特征在于，所述预置LSNet的构建过程为：

将预置卷积神经网络的输出端与预置递归神经网络的输入端连接，构成初始LSNet，所述预置递归神经网络的递归网络层为GRU网络；

采用预置历史时间样本序列训练所述初始LSNet的未来数据序列预测能力，得到预置LSNet。

3.根据权利要求2所述的海洋产业发展趋势分析方法，其特征在于，所述GRU网络包括循环跳跃层和自回归层；

所述循环跳跃层的输出表达为：

其中，为循环跳跃层输出，t表示时刻，为t时刻递归网络隐藏层状态，为t-p+1时刻到t时刻的所有循环跳跃层隐藏层状态，W^R、W_i^S均为网络层中的权重系数，b为偏差值；

所述自回归层的输出表达为：

其中，为自回归层输出，q^ar输入矩阵上的窗口大小，t为时刻，n为第n种产业，y_t-k，n为大小为q^ar的窗口中的每一个观察值，为自回归网络层中的权重系数，b^ar为自回归网络层的偏差值。

4.根据权利要求1所述的海洋产业发展趋势分析方法，其特征在于，所述聚集程度可以采用预置公式计算得到，所述预置公式为：

其中，n_i为当前企业节点，为经过节点n_i和它邻居节点的三角形个数，为节点n_i的度数。