[发明专利]一种基于模糊推理与LSTM结合的邮寄物风险评价方法与系统

说明书

本发明给出了一种基于模糊推理与LSTM结合的邮寄物风险评价方法与系统，包括利用层次分析法，确定邮寄物风险的风险评估指标和风险评估指标权重系数，再对邮寄物的申报数据和查验数据进行预处理，得到原始数据样本，基于模糊推理理论，对原始数据样本进行模糊归一化，构建可用于深度学习训练的风险等级样本数据，基于风险源指标体系表，对风险等级样本数据利用LSTM深度神经网络进行建模，对风险源进行智能综合评价及预测。本发明构建了分析所需的原始数据样本以及完善的数据分析体系，并将原始数据样本中的语言变量转化为数字变量，最后利用改进的LSTM深度神经网络对数据进行训练，得到相比于现有技术更加稳定的邮寄物风险源评价模型。

技术领域

本发明涉及物联网技术领域，尤其是一种基于模糊推理与LSTM结合的邮寄物风险评价方法与系统。

背景技术

现有的海关部门对所有跨境邮寄物都采用的是均匀随机的布控方式，而均匀随机布控抽检方式导致高风险等级的生化产品流入市场，无法达到较高的风险源产品的查验率。

本发明基于模糊推理的邮寄物风险评价方法，该方法对邮寄物的申报数据、查验数据进行预处理的基础上，实施大数据研究，利用层次分析法，建立邮寄物的风险源多元多维度评价的指标体系模型；然后利用模糊理论构建风险源指标体系的模糊推理模型，实现数据样本的模糊归一化；最后应用LSTM深度神经网络建模，实现风险源智能综合评价及预测。

发明内容

本发明提出了一种基于模糊推理与LSTM结合的邮寄物风险评价方法与系统，以解决上文提到的现有技术的缺陷。

在一个方面，本发明提出了一种基于模糊推理与LSTM结合的邮寄物风险评价方法，该方法包括以下步骤：

S1：利用层次分析法，确定邮寄物风险的风险评估指标和风险评估指标权重系数，建立表征邮寄物的风险评估指标和风险评估指标权重系数的对应关系的风险源指标体系表，再根据所述风险源指标体系表以及邮寄物的物流环节风险评测对邮寄物的申报数据和查验数据进行预处理，得到表征所述风险评估指标的具体指标值与邮寄物合格情况的对应映射的原始数据样本；

S2：基于模糊推理理论，对所述原始数据样本进行模糊归一化，将所述具体指标值转化为相应的风险等级的模糊归一化值，构建可用于深度学习训练的风险等级样本数据；以及

S3：基于所述风险源指标体系表，对所述风险等级样本数据利用LSTM深度神经网络进行建模，对风险源进行智能综合评价及预测。

以上方法在对邮寄物的申报数据、查验数据进行预处理的基础上，利用大数据研究方法中的层次分析法，基于多元多维度建立邮寄物的风险源的评价的指标体系模型，然后利用模糊理论构建风险源指标体系的模糊推理模型，实现数据样本的模糊归一化，将邮寄物数据中的文字描述的语言变量转化为可进行深度学习训练建模的数字变量，最后应用LSTM深度神经网络建模，实现风险源智能综合评价及预测。

在具体的实施例中，步骤S1中所述层次分析法具体包括：

确定层次结构和邮寄物风险的影响因素；

从所述邮寄物风险的影响因素中筛选出一定数量的合适的风险评估指标，来构造判断矩阵，计算各个所述风险评估指标对应的风险评估指标权重系数；

进行层次的单一排序及一致性检验；

进行层次的总排序及一致性检验。

在具体的实施例中，风险评估指标包括邮寄物的税号编码、企业编码、起运地/目的地和中转地。

在具体的实施例中，步骤S1中的表征所述风险评估指标的具体指标值是利用文字来描述相应风险评估指标的语言变量。

在具体的实施例中，步骤S2中对所述原始数据样本进行模糊归一化的具体步骤包括：