[发明专利]一种风险信息自动分类、识别与预警方法及系统

说明书

本发明涉及风险识别与预警领域，更具体地，涉及一种风险信息自动分类、识别与预警方法及系统。方法包括：S1．接收用户发送的信息并将其作为风险目标；S2．对该信息进行风险信息分类和识别处理得到用户所处环境的风险类别；S3．根据风险类别输出对应的预警信号；S4．根据预警信号提供应急决策方案。本发明的方法先对用户发出的信息进行风险信息分类处理，然后根据分类情况输出相对应的预警信号，根据预警信号提供对应的应急决策方案，该方法集合了风险识别、分类和预警功能，能够根据用户发送的信息及时为用户提供应对措施。

技术领域

本发明涉及风险识别与预警领域，更具体地，涉及一种风险信息自动分类、识别与预警方法及系统。

背景技术

目前，现有技术中对信息分类大概有如下集中方式：逐步分类判别、逐步判别分析、分类逐层评价、逐层贪婪训练法、逐层递进法。

其中，逐步判别采用有进有出的算法，对每一步都进行检验。把一个判别能力最强的变量引入判别式，同时对先进入判别式的某些变量，如果其原有的差别能力随其后变量的引入而改变，被某些变量的作用所替代，则及时将其从判别式中剔除，使最终的判别式保留判别能力最强的变量。逐步判别分析算法的具体步骤为：第1步：挑选变量（数据准备、选入和剔除变量）；第2步：利用选入和剔除变量建立判别函数；第3步：对待判别的样本作判别分析。

分类逐层评价方法是在专家打分的基础上，采用基于云模型标度判断矩阵的改进层次分析法，逐层进行权重计算，确定了各具体指标与城市综合交通枢纽评价总指数之间的关系，然后进行分类逐层评价。

逐层贪婪训练法的主要思路是：在深度神经网络中，每次只训练网络中的一层，即首先训练一个只含一个隐藏层的网络，仅当这层网络训练结束之后才开始训练一个有两个隐藏层的网络，以此类推。在每一步中，把已经训练好的前k-1层固定，然后增加第k层，也就是将已经训练好的前k-1的输出作为输入。每一层的训练可以是有监督的（例如，将每一步的分类误差作为目标函数），但更通常使用无监督方法。

逐层递进法又叫层进式，它与并列式（并列组合法）、对照式、总分式一起构成了议论文论证结构的四种模式。逐层递进法中，各分论点呈现出由此及彼、由浅入深、由现象到本质、由简单到复杂、由小到大、由表及里的递进关系。但这5个概念即逐步分类判别、逐步判别分析、分类逐层评价、逐层贪婪训练法、逐层递进法在中国期刊网上都尚未查到相应的研究文献。

在分类模型和算法研究方面，West（2000）建立了五种不同的神经网络信用分类模型及其相应算法：多层感知器（MLP）、专家杂合系统（mixture-of-experts）、径向基函数网络（RBF）、学习向量量化器（learning vector quantization）和模糊自适应共振（fuzzyadaptive resonance），用来研究商业银行信用评价的准确性。庞素琳（2005）建立了10种信用分类模型及其相应算法：①. 5种神经网络信用评价模型：多层感知器（MLP）、BP算法网络、径向基函数网络（RBF）、概率神经网络（PNN）和自组织竞争网络（SOCN）；②. Logistic回归模型；③. 两种线性判别分析模型：一种是利用SPSS统计软件对数据样本进行判别分析（称为LDA－SPSS方法），一种是利用原始数据推导建立线性判别分析模型，然后根据模型计算得到的结果对数据样本进行判别分析（称为LDA方法）；④. 采用了2种支持向量基方法：一种是利用多项式函数作为核函数，一种是利用径向基函数作为核函数，用来研究我国上市公司信用评价的准确性。都定元（2009）给出的汶川地震中大规模灾害应急救援计划为实例，给出大数据处理应急分拣算法的应用。Anjum（2011）在GIS技术的基础上模拟了石油储罐爆炸场景，通过场景分析和数学建模的方法城市风险规避方法。庞素琳（2015）巨灾风险大数据处理的应急分类、分解和分拣算法，给出了相应的算法原理和实现步骤。