[发明专利]考虑部分数据模糊和缺失的应急物资需求预测的方法

说明书

本发明公开一种考虑部分数据模糊和缺失的应急物资需求预测模型构建方法及基于该模型对应急物资需求进行预测，针对白化权函数转折点难以确定模糊数据的问题，提出两种求模糊区间灰数的“核”的计算公式，所得的“核”代替原有模糊信息，达到不确定信息转变为确定信息的目的，针对部分数据缺失，在结合灰色关联度和K近邻填补算法的基础上，提出改进的GKNN算法，在填补环节引入权重，并在填补后加入逻辑检验条件；然后将预处理后的数据输入经过改进的遗传算法优化后的神经网络模型，得到训练好的应急物资需求预测模型，并对预测模型进行测试，调整模型参数使得模型最优，预测精度也更高。

技术领域

本发明属于应急物质需求预测技术领域，尤其涉及部分数据模糊和缺失的应急物资需求预测。

背景技术

在地震灾害发生的情况下，救援时间紧迫、人力物力有限、灾害现场混乱等各种不利情势，同时，应急救援物资的需求预测，受到诸多社会、环境等因素影响，具有很强的时效性和阶段性，同时灾情和物资需求信息具有模糊性和不确定性，这就给应急物资需求预测工作增加了难度，同时也会极大影响预测结果的准确度和真实度。救援物资需求的准确预测，可为救援调度等后续救援工作的开展，争取宝贵的救援时间，是应急管理部门和应急规划研究人员亟待解决的关键性问题，具有重要的研究价值。

解决应急物资需求数据模糊现象的方法，可选择基于模糊数学或灰色系统理论，两者都可以研究模糊现象，但是侧重点不同：模糊数学以经典的集合论为基础进行拓展，而集合论要求给定的集合必须由确定的元素所组成，故而模糊数学更侧重于研究元素对集合的隶属程度，然而对于模糊问题，研究目标数值对某个模糊集合的隶属关系并不能有效帮助后续的应急物资需求预测工作。而灰色系统理论的研究对象是含有确定信息和不确定信息的系统，目标是研究如何将系统中的不确定信息、未知信息发展为确定信息和已知信息。

对于模糊信息的处理，已有相关文献采用灰色系统理论进行了研究。例如，2010年《系统工程与电子技术》杂志公开的“基于核和灰度的区间灰数运算法则”(即文献[1])中建立了区间灰数运算公理、运算法则，灰数运算被转化为实数运算，但该文献为讨论方便，将灰数均值白化数作为灰数的核，这种方法运用在灾情信息模糊处理中，会使得到的结果丢失实际情况中客观存在的信息分布不确定性。

为了达成对模糊区间灰数的白化处理，求得区间灰数的核，首先要确定区间灰数的白化权函数，而白化权函数的类型最主要由转折点的位置和数量决定。目前关于白化权函数转折点的选取没有统一明确的方法，主要是依靠研究者根据研究背景的相关灰值分布信息来主观确定转折点。同时也没有一个具体明确的计算公式可以帮助研究者确定转折点，故大部分做法是直接采用等权均值白化方法，或者避开转折点的选取具体过程，直接将白化权函数作为已知条件进行研究。接下来推导白化权函数转折点位置不确定的情况下，求区间灰数的核的公式，从而解决在灰值分布信息不充分情形下，模糊区间灰数的白化处理问题。

对于应急物资需求数据缺失问题，现有的主要方法可以归为单一插补法、多重插补法、建立模型法。在单一插补法中，随机插补和均值插补虽然操作简单，但忽略了信息背后的关联性，把问题过于简单化，不适合用于灾情缺失信息补全；单一插补中具有代表性的方法还有回归插补法，但回归插补需要找出信息之间的线性回归方程，这对于灾情信息而言具有很大难度，由于每个灾情案例所处环境背景不同，多个灾情案例属性之间很难找出共性的回归模型。多重插补则是基于单一插补发展而来，主要思想是重复执行相同的操作若干次得到多个候选完整数据集，但至于选取何种方法作为重复执行的操作还需要具体确定。建立模型法需要分析缺失数据的缺失机制，再为需要填补的属性建立模型，但这种方法不适用于数据样本较小的情况。