[发明专利]一种海洋产业发展趋势分析方法

说明书

本申请公开了一种海洋产业发展趋势分析方法，通过网络爬虫技术获取海洋产业的企业数据信息和企业文本信息；采用预置LSNet根据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，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企业文本信息进行分块处理，得到文本信息块；根据企业文本信息和文本信息块计算企业的聚集程度；基于海洋产业预测结果和聚集程度指导企业决策的制定，企业决策包括企业选址、企业投资和企业合作对象选择。本申请能够克服现有技术无法适应新型海洋产业中出现的多种复杂，多维化的产业信息，导致实际分析结果可靠性较差的技术问题。

技术领域

本申请涉及产业发展趋势分析技术领域，尤其涉及一种海洋产业发展趋势分析方法。

背景技术

当前，中国推动产业转型升级，促使经济高质量发展。对海洋产业演变分析一定程度上可以直接观察到产业内部资源分布。另外，海洋产业演化分析对于理解产业历史数据具有重要意义：一方面可以直观获取到海洋产业内部产业、公司间互动变迁；另一方面可以直接观察到产业内部产业、公司分布。

在国家经济组成中，海洋经济俨然已成为发展可持续经济的重要组成部分。现阶段针对产业发展趋势预测方法，大多使用传统的线性模型，但随着新型海洋产业的出现，引入复杂、多维化的数据，海洋产业间的相互作用愈发明显，需要对新常态条件下的海洋产业发展趋势预测使用新方，来揭示产业发展状况。

发明内容

本申请提供了一种海洋产业发展趋势分析方法，用于解决现有技术无法适应新型海洋产业中出现的多种复杂，多维化的产业信息，导致实际分析结果可靠性较差的技术问题。

有鉴于此，本申请第一方面提供了一种海洋产业发展趋势分析方法，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。

可选的，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。

可选的，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、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。

可选的，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：