[发明专利]一种基于模糊神经网络的废旧手机定价方法

说明书

本发明提出一种基于模糊神经网络的废旧手机定价方法，属于电子产品回收领域。针对废旧手机回收过程中难以精准定价的问题，本发明提出了一种基于模糊神经网络的废旧手机定价方法。本发明设计了一种基于主成分分析的特征提取方法，获得了影响废旧手机回收价值的关键特征变量；建立了基于模糊神经网络的废旧手机定价模型，实现了回收价值与关键特征变量之间的非线性关系描述。结果表明，本发明在实际回收交易过程中能够实现对废旧手机的准确定价，其定价结果的准确性可以满足废旧手机高效回收的需求。

技术领域

本发明在手机回收企业真实交易数据的基础上，通过特征分析方法提取影响废旧手机回收价值的关键特征变量，利用模糊神经网络建立废旧手机定价模型，实现废旧手机的准确定价。废旧手机回收价值与其影响因素之间存在着复杂的非线性关系，将基于模糊神经网络的废旧手机定价方法应用于实际回收交易过程中，能够实现手机回收价值与关键特征变量之间非线性关系的准确描述，获得更加精准的定价效果，属于电子产品回收领域。

背景技术

废旧手机蕴藏着丰富的可利用资源，回收利用的价值巨大；然而，废旧手机价值的影响因素众多，各影响因素之间关系复杂，难以准确确定回收价值，导致废旧手机的回收率低下。实现对废旧手机的精准定价，是促进废旧电子产品回收再利用的重要举措，不但具有较好的经济效益，而且具有显著的环境和社会效益。因此，本发明的研究成果具有广阔的应用前景。

废旧手机回收价值影响因素之间存在信息冗余，为降低废旧手机定价模型计算复杂度，必须寻求一种特征分析方法，进行关键特征变量的提取，从而使废旧手机定价过程更加简明清晰、定价结果更加客观准确。

传统废旧手机定价方法中定价参数主要由操作人员主观确定，而且由于二手手机市场不发达，交易价格信息不完善，导致该类方法难以取得满意的定价效果。基于数学模型的方法能够提高废旧手机定价的准确性，然而，废旧手机回收价值与其影响因素之间存在着复杂的非线性关系，该类方法不能实现对非线性关系的准确描述，其定价结果的准确性难以满足废旧手机高效回收的需求。近年来，为了进一步提高废旧手机的定价精度，基于数据驱动的定价方法引起了广泛的关注，然而，基于BP神经网络的废旧手机定价模型学习效率低、收敛速度慢、容易陷入局部最优，难以实现对废旧手机的快速精准定价。因此，如何快速实现对废旧手机的准确定价，已成为电子产品回收领域研究的重要课题，具有重要的现实意义。

本发明设计了一种基于模糊神经网络的废旧手机定价方法，该方法利用主成分分析算法提取关键特征变量并基于模糊神经网络建立了废旧手机定价模型，该模型充分的发挥了模糊系统和神经网络的优势，可以自适应调整定价模型参数，能够有效克服定价过程中主观因素的影响，使得定价结果趋于稳定和准确，为手机回收定价提供了一种有效的方法，满足了废旧手机回收的需要。

发明内容

本发明获得了一种基于模糊神经网络的废旧手机定价方法，该方法通过主成分分析算法得到了影响废旧手机回收价值的关键特征变量，通过构建基于模糊神经网络的定价模型，实现关键特征变量与回收价值之间的映射，实现废旧手机准确定价，解决了废旧手机回收过程中难以精准定价的问题，能够满足废旧手机高效回收的需求。

本发明采用了如下的技术方案及实现步骤：

1.一种基于模糊神经网络的废旧手机定价方法，其特征在于，包括以下步骤：

(1)对废旧手机回收交易案例进行预处理，确定交易样本数据矩阵

①将交易案例中的定性描述变量转化为可用于废旧手机定价模型学习和训练的数据型变量，转化过程如下：

W_a＝[w_a1,w_a2,...,w_aN]； (1)