技术特征：
1.基于人工智能的会计数据处理方法，其特征在于，包括的步骤有：通过财务软件数据接口输出目标单位的会计数据；对目标单位的会计数据归类、去噪并整合为按照时间前后排序的队列数据以作为待处理的会计数据；构建带未知参数的队列数据拟合模型，将待处理的会计数据划分为训练集、识别集、校验集，通过将训练集数据输入到带未知参数的队列数据拟合模型以确定“带未知参数的队列数据拟合模型”中的未知参数的具体数值，并形成确定参数的队列数据拟合模型；然后以确定参数的队列数据拟合模型遍历地计算识别集中的数据；计算识别集中的数据之后再通过校验集对计算的结果检验；在“以确定参数的队列数据拟合模型遍历地计算识别集中的数据”过程中将目标数据分批次输入到确定参数的队列数据拟合模型并首先计算第一类预警值q1，如果目标数据的第一类预警值q1达到阈值后则计算目标数据的第二类预警值q2，目标数据的第二类预警值q2也达到阈值则标记目标数据为异常数据。2.根据权利要求1所述的基于人工智能的会计数据处理方法，其特征在于，所述的“将训练集数据输入到带未知参数的队列数据拟合模型以确定“带未知参数的队列数据拟合模型”中的未知参数的具体数值”具体的，通过神经网络模型学习训练特征确定未知参数的数值。3.根据权利要求1所述的基于人工智能的会计数据处理方法，其特征在于，带未知参数的队列数据拟合模型具体为：m＝e
t-a
·
arctan(dt)/(b
·
sin(ct))，其中的t为目标数据参与拟合的时间量，m为输出量，a、b、c、d均为未知参数，e为自然常数。4.根据权利要求1所述的基于人工智能的会计数据处理方法，其特征在于，计算第二类预警值q2，具体的，q2＝∣q3∣/(1+(q1)2)
3/2
，其中的q1为第一类预警值，q3为q1的导数。5.根据权利要求1所述的基于人工智能的会计数据处理方法，其特征在于计算第一类预警值q1，具体的，q1＝w3
·
w1
1/2
/w1-w2
·
w0/w1，其中的w3、w1
1/2
、w1、w2、w0均为中间参数，具体的：w0＝e
t-a
·
arctan(dt)；w1＝b2·
sin2(ct)；w1
1/2
＝bsin(ct)；w2＝b
·
c
·
cos(ct)；w3＝e
t-a
·
arctan(dt)+e
t-a
/(1+(dt)2)；所以，q1＝(e
t-a
·
arctan(dt)+e
t-a
/(1+(dt)2))
·
bsin(ct)/b2·
sin2(ct)-b
·
c
·
cos(ct)
·
e
t-a
·
arctan(dt)/b2·
sin2(ct)；其中的t为目标数据参与拟合的时间量，a、b、c、d均对应“带未知参数的队列数据拟合模型”中的未知参数，当形成确定参数的队列数据拟合模型之后，a、b、c、d即为确定的参数，e为自然常数。6.基于人工智能的会计数据处理系统，其特征在于，包括采集单元、预处理单元、数据拟合与运算单元，所述的采集单元用于通过财务软件数据接口输出目标单位的会计数据；所述的预处理单元用于对目标单位的会计数据归类、去噪并整合为按照时间前后排序的队列数据以作为待处理的会计数据；
所述的数据拟合与运算单元用于构建带未知参数的队列数据拟合模型，将待处理的会计数据划分为训练集、识别集、校验集，通过将训练集数据输入到带未知参数的队列数据拟合模型以确定“带未知参数的队列数据拟合模型”中的未知参数的具体数值，并形成确定参数的队列数据拟合模型；还用于以确定参数的队列数据拟合模型遍历地计算识别集中的数据；还用于计算识别集中的数据之后再通过校验集对计算的结果检验；还用于在“以确定参数的队列数据拟合模型遍历地计算识别集中的数据”过程中将目标数据分批次输入到确定参数的队列数据拟合模型并首先计算第一类预警值q1，还用于目标数据的第一类预警值q1达到阈值后，计算目标数据的第二类预警值q2，还用于当目标数据的第二类预警值q2达到阈值时标记目标数据为异常数据。
技术总结
本发明公开了基于人工智能的会计数据处理方法及系统，通过将训练集数据输入到带未知参数的队列数据拟合模型以确定“带未知参数的队列数据拟合模型”中的未知参数的具体数值，并形成确定参数的队列数据拟合模型；然后以确定参数的队列数据拟合模型遍历地计算识别集中的数据；计算识别集中的数据之后再通过校验集对计算的结果检验；在“以确定参数的队列数据拟合模型遍历地计算识别集中的数据”过程中将目标数据分批次输入到确定参数的队列数据拟合模型并首先计算第一类预警值Q1，如果目标数据的第一类预警值Q1达到阈值后则计算目标数据的第二类预警值Q2，目标数据的第二类预警值Q2也达到阈值则标记目标数据为异常数据。值Q2也达到阈值则标记目标数据为异常数据。值Q2也达到阈值则标记目标数据为异常数据。
技术研发人员：董爱乐
受保护的技术使用者：吉林工程技术师范学院
技术研发日：2022.07.01
技术公布日：2022/9/6