本发明专利技术提供一种基于异常检测的AHP‑残差融合的智慧口岸评价方法，涉及口岸评价技术领域。该智慧口岸评价方法，包括以下步骤：步骤1：口岸数据收集与量化；步骤2：构建异常检测模型；步骤3：拟合检测模型；步骤4：计算预测残差；步骤5：残差编码标记；步骤6：异常信息判断；步骤7：计算趋势性指标对比强度；步骤8：微调评价权重；步骤9：构建成对比较矩阵；步骤10：计算各指标的特征向量；步骤11：一致性检验；步骤12：得到主观权重；步骤13：计算异常指标对比强度；步骤14：组合权重；步骤15：构建评价矩阵；步骤16：计算评价分数。通过构建异常检测模型动态捕捉趋势性变化和突发异常情况，实现了评价模型的自适应调整。
1、口岸评价是对口岸在多个方面的综合考量和分析，用于衡量口岸的综合表现、运行效率、发展潜力等。目前的口岸评价方法通常依赖固定的指标权重分配方式。这些方式大多通过静态的专家意见或基于历史数据的统计分析来决定权重，例如常见的层次分析法(ahp)、熵值法和critic方法。
>3、步骤1：口岸数据收集与量化4、选取货运吞吐量、旅客吞吐量、仓储利用率及气象数据作为输入变量，按月度时间序列进行记录，所述气象数据包括温度和降水；
5、步骤2：构建异常检测模型
6、根据数据的特性，构建序列模型进行时间序列分析；
7、步骤3：拟合检测模型
8、为了确定模型的具体形式，对p，d，q参数进行估算；
9、步骤4：计算预测残差
10、对于给定的输入数据xt′，模型能够给出预测值通过计算残差，即实际值与预测值之间的差异，可以判断是否存在异常，残差的定义为：
11、
12、步骤5：残差编码标记
13、为了更加精准地捕捉货运量f、旅客量p、仓储利用率w、温度t和降水量r这五个时序预测残差的波动情况，通过编码规则用于记录和标记异常残差信号；
14、步骤6：异常信息判断
15、检测异常的方法是分析残差的自相关函数(acf)，并判断趋势性偏差是否超出正常波动范围，acf的的公式为：
16、
17、其中，ρ(s)是滞后s期的自相关系数，是残差的均值；
18、步骤7：计算趋势性指标对比强度
19、当检测模型结果未显示异常时，将根据货运量、旅客量和仓储物流数据的趋势性规律，对综合服务、设施设备、口岸监管、运行管理和区域合作五个评价维度的权重进行动态调整；
20、步骤8：微调评价权重
21、在无异常情况下，根据数据变化，对五个评价维度中指标对比强度的计算方式进行调整；
22、步骤9：构建成对比较矩阵
23、构建成对比较矩阵：a＝(aij)表示指标i和j的相对重要性，其中aij代表指标i相对于指标j的重要程度；设有n个评价指标，那么成对比较矩阵a大小为n×n；
24、矩阵a满足以下条件：aii＝1，即每个指标与自身的比较结果为1；即成对比较矩阵具有对称性；
25、步骤10：计算各指标的特征向量
26、通过成对比较矩阵aaa的最大特征值和对应的特征向量，可以得出每个指标的权重；特征值的求解公式为：
27、a·w＝λmaxw
28、其中：λmax是成对比较矩阵a的最大特征值；w＝(w1，w2，...，wn)t是各指标的特征向量，表示各指标的主观权重；
29、步骤11：一致性检验
30、为了保证成对比较的合理性，需要进行一致性检验，检验指标为一致性比率cr，其计算公式为：其中：是一致性指标，反映矩阵一致性偏离的程度；ri是随机一致性指标，根据指标个数n确定；
31、当cr<0.1时，认为成对比较矩阵具有可接受的一致性；
32、步骤12：得到主观权重
33、通过一致性检验后，可以得出主观权重用于反映专家经验或历史数据在各个评价维度的重要性；
34、步骤13：计算异常指标对比强度
35、首先进行所有维度的权重微调，然后计算最终的客观权重；
36、步骤14：组合权重
37、通过ahp与客观的融合，最终的权重不仅考虑各个维度的残差异常，还能融入专家的判断权重，公式为：
38、其中，β表示残差调整权重与专家判断权重的平衡参数；
39、步骤15：构建评价矩阵
40、根据uipds智慧口岸建设评价指标体系构造评价矩阵，记为：
41、
42、其包含m个待评价样本，n项评价指标；
43、步骤16：计算评价分数
44、将评价矩阵与权重相乘计算每类评价分数z，公式为：
45、
46、z中数据表示评价个体的指标得分，求和得到其评价总得分，每类评价得分为最终评价结果。
47、优选的，所述步骤1的具体量化方法如下：
48、a货运吞吐量f：货运吞吐量为口岸在每月处理的货物总量，单位为吨；每月的货运吞吐量数据构成时间序列；
49、ft＝{f1，f2，f3，...，fn}，其中ft表示第t月的货运吞吐量；
50、b旅客吞吐量p：旅客吞吐量为每月通过口岸的旅客人数，单位为人；旅客吞吐量按月度记录为时间序列；
51、pt＝{p1，p2，p3，...，pn}，其中，pt表示第t月的旅客吞吐量；
52、c仓储利用率w：仓储利用率为每月仓库实际使用面积与总面积的比值，表示为百分比；仓储利用率记录仓储资源的使用效率；
53、wt＝{w1，w2，w3，...，wn}，wt∈[0，1]，其中，wt表示第t月的仓储利用率；
54、d气象数据：气象数据包括两部分：平均月温度(单位：摄氏度)和月降水量(单位：毫米)；
55、tt＝{t1，t2，t3，...，tn}，rt＝{r1，r2，r3，...，rn}，其中，tt表示第t月的平均温度，rt表示第t月的降水量；
56、对于每一类数据xt，通过以下公式进行标准化处理：
57、
58、其中，xt′表示第t月的标准化值，min(x)和max(x)分别为时间序列的最小值与最大值。
59、优选的，所述步骤2具体如下：
60、对于一个月度时间序列xt′，模型可以表示为：model(p，d，q)(p本文档来自技高网...
【技术保护点】
1.一种基于异常检测的AHP-残差融合的智慧口岸评价方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于异常检测的AHP-残差融合的智慧口岸评价方法，其特征在于：所述步骤1的具体量化方法如下：
3.根据权利要求1所述的一种基于异常检测的AHP-残差融合的智慧口岸评价方法，其特征在于：所述步骤2具体如下：
4.根据权利要求1所述的一种基于异常检测的AHP-残差融合的智慧口岸评价方法，其特征在于：所述步骤3的具体方法如下：
5.根据权利要求1所述的一种基于异常检测的AHP-残差融合的智慧口岸评价方法，其特征在于：所述步骤5具体如下：
6.根据权利要求1所述的一种基于异常检测的AHP-残差融合的智慧口岸评价方法，其特征在于：所述步骤6还包括：
7.根据权利要求1所述的一种基于异常检测的AHP-残差融合的智慧口岸评价方法，其特征在于：所述步骤7具体如下：
8.根据权利要求1所述的一种基于异常检测的AHP-残差融合的智慧口岸评价方法，其特征在于：所述步骤8中，无异常情况下五个评价维度中指标对比强度的计算方式具体如下：
9.根据权利要求1所述的一种基于异常检测的AHP-残差融合的智慧口岸评价方法，其特征在于：所述步骤13具体如下：
...
【技术特征摘要】
1.一种基于异常检测的ahp-残差融合的智慧口岸评价方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于异常检测的ahp-残差融合的智慧口岸评价方法，其特征在于：所述步骤1的具体量化方法如下：
3.根据权利要求1所述的一种基于异常检测的ahp-残差融合的智慧口岸评价方法，其特征在于：所述步骤2具体如下：
4.根据权利要求1所述的一种基于异常检测的ahp-残差融合的智慧口岸评价方法，其特征在于：所述步骤3的具体方法如下：
5.根据权利要求1所述的一种基于异常检测的ahp-残差融合的智慧口岸评价方法，其特征在...
【专利技术属性】
技术研发人员：蔡伊娜，郑文丽，柯培超，黄孙杰，杨珺喆，包先雨，
申请(专利权)人：深圳市检验检疫科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。