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

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。