典型文献
基于K-Means聚类算法的碳排放审计预警研究
文献摘要：
随着我国碳达峰碳中和目标的提出,碳排放审计深受关注.2022年"3·15"国际消费者权益日,国内首批碳排放数据造假案例浮出水面.我国高度重视碳排放数据造假问题,把打击数据造假、加强数据监管作为一项重要政治任务.为积极响应国家绿色低碳相关政策,改善碳排放工作中的相关问题,本文进行了如下研究:基于机器学习中无监督学习方法——K-Means聚类算法为企业构建碳排放审计预警模型,通过识别偏离的异常点,判定企业是否存在碳排放风险;并以我国重点钢铁企业为例进行了仿真;最后针对企业数据管理以及审计人员专业能力提出了两方面的保障措施,确保预警模型能够行之有效.
文献关键词：
碳排放审计;机器学习;K-Means聚类算法;预警机制
中图分类号：
作者姓名：
吴花平;黄尹薇;刘自豪
作者机构：
重庆理工大学会计学院
文献出处：
引用格式：
[1]吴花平;黄尹薇;刘自豪-.基于K-Means聚类算法的碳排放审计预警研究)[J].中国注册会计师,2022(12):14-20
A类：
B类：
Means,聚类算法,碳排放审计,审计预警,预警研究,碳达峰碳中和目标,国际消费,消费者权益,权益日,碳排放数据,数据造假,假案,浮出,水面,数据监管,积极响应,碳相,放工,基于机器学习,无监督学习,预警模型,异常点,放风,钢铁企业,企业数据管理,审计人员,预警机制
AB值：
0.344933
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
