基于LSTM神经网络模型对大宗矿产资源放行风险预测研究

作者：张彦彬,苏杨,许亚春,彭速标,徐国江,刘阳丽,钟志光,萧达辉

摘要：本文旨在研究准确预测大宗矿产资源的放行风险,采用海关2016年至2020年的进口大宗矿产资源通关数据,选取22个特征值,基于TensorFlow框架,建立了LSTM神经网络时间序列模型,并将该模型用于预测大宗矿产资源的放行风险等级。通过F1-score评价该模型的预测精度,该模型的F1-score值为87.9%,研究表明该模型预测结果满意,适用于大宗矿产资源的放行风险的预测。

发文机构：广州海关技术中心 中国电子口岸数据中心广州分中心 广东智源信息技术有限公司

关键词：大宗矿产资源预测模型LSTM放行风险检验监管bulk mineral resourceprediction modelLSTMrelease riskinspection and supervision

分类号： F752.61[经济管理—国际贸易]F426.1[经济管理—产业经济]