作者:張彥彬,蘇楊,許亞春,彭速標,徐國江,劉陽麗,鐘志光,蕭達輝
摘要:本文旨在研究準確預測大宗礦產資源的放行風險,采用海關2016年至2020年的進口大宗礦產資源通關數據,選取22個特征值,基于TensorFlow框架,建立了LSTM神經網絡時間序列模型,并將該模型用于預測大宗礦產資源的放行風險等級。通過F1-score評價該模型的預測精度,該模型的F1-score值為87.9%,研究表明該模型預測結果滿意,適用于大宗礦產資源的放行風險的預測。
發文機構:廣州海關技術中心 中國電子口岸數據中心廣州分中心 廣東智源信息技術有限公司
關鍵詞:大宗礦產資源預測模型LSTM放行風險檢驗監管bulk mineral resourceprediction modelLSTMrelease riskinspection and supervision
分類號: F752.61[經濟管理—國際貿易]F426.1[經濟管理—產業經濟]