[发明专利]一种基于大数据的危化品运输风险预测方法

权利要求书

1.一种基于大数据的危化品运输风险预测方法，包括以下步骤：

针对危化品运输风险事件的低概率高危害的特征，在风险等级划分与因素关联分析的基础上，为每一种风险因素添加权重，同时充分考虑空间地域特性、运输事故率、暴露人口数、期望损失度量因子，通过集成方法将多个单一定性和定量预测模型进行集成，构建一个危化品运输风险多维因素组合预测模型，从而有效提高预测精度；其最优组合预测模型定义如下:

设{y_i}，(t＝1,2,...,n)表示n个实际观测序列，{f_n}表示用第i种预测方法计算得到的预测值拟合序列((i＝1,2,...,k；t＝1,2,...,n),{w_i}表示各种预测方法在组合模型的权重集合(i＝1,2,3...,k),表示组合这些模型计算得到的预测值和序列，因此:

2.根据权利要求1所述的基于大数据的危化品运输风险预测方法，其特征在于：所述预测方法中使用的预测算法如下:

在所述组合预测模型的基础上，项目拟采用基于离群点识别的数据挖掘算法，对风险事件进行预测评估，其算法的基本步骤如下:

步骤1:离群点问题定义。对危化品运输安全状态各项检测指标定义“正常”数据，与“异常”数据，及其对应的偏离度量值；

步骤2:数据选取与预处理。从原始数据仓库中抽取数据样本，进行消除噪声等数据预处理，同时进行数据降维转换，以减少数据挖掘时要考虑的特征与变量个数；

步骤3:离群点探测。根据离群点问题定义，采用离群点探测的数据挖据算法，获取离群，点数据；

步骤4:结果评估。对数据挖掘结果进行评估，对于不满足要求的数据，返回步骤3，重新探测离群点数据，直到评估结果满足要求。