典型文献
信息技术在大气污染防治审计中的应用——基于"计算审计学"新领域
文献摘要：
以北京地区大气污染监测站点数据为例,运用无监督学习下的DBSCAN聚类算法和监督学习下的长短期记忆网络人工智能技术,挖掘大气污染监测记录中的虚假数据,发现大气污染监测数据中存在的审计疑点,并对审计结果进行分析,提出基于神经网络的异常检测的优越性.在数字化和智能化审计不断发展完善的背景下,审计人员应利用信息技术进行大数据审计,完善复杂数据的异常检测,提升大气污染防治审计的质量,确保大气污染数据的真实披露,并进一步促进环境保护的精准投资、精准施策和治理,改善生态环境,打赢"蓝天保卫战".同时,信息技术和审计的交叉融合,有助于推动审计数字化智能化技术方法在审计全覆盖中的应用,为审计人员、审计机构和监管机构提供理论指导和实践价值借鉴,为"计算审计学"学科理论创新与发展提供学术铺垫.
文献关键词：
大数据审计;DBSCAN;长短期记忆网络;异常检测;大气污染防治审计
中图分类号：
作者姓名：
邢春玉;张立民;张莉
作者机构：
北京信息科技大学信管学院,北京100192;北京交通大学经济管理学院,北京100044
文献出处：
引用格式：
[1]邢春玉;张立民;张莉-.信息技术在大气污染防治审计中的应用——基于"计算审计学"新领域)[J].财会月刊,2022(24):86-91
A类：
B类：
大气污染防治审计,审计学,新领域,北京地区,污染监测,监测站,无监督学习,DBSCAN,聚类算法,长短期记忆网络,网络人,假数据,审计疑点,审计结果,异常检测,数字化和智能化,审计人员,大数据审计,复杂数据,精准投资,精准施策,改善生态环境,打赢,蓝天保卫战,交叉融合,数字化智能化,智能化技术,审计全覆盖,审计机构,监管机构,实践价值,学科理论,创新与发展,铺垫
AB值：
0.31477
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。
