论文部分内容阅读
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.