[发明专利]基于区间估计的农户垃圾采收数量计算方法有效

专利信息
申请号: 201910085359.6 申请日: 2019-01-29
公开(公告)号: CN109858805B 公开(公告)日: 2022-12-16
发明(设计)人: 卢朝晖;徐睿滨;陈宇航 申请(专利权)人: 浙江力嘉电子科技有限公司
主分类号: G06Q10/06 分类号: G06Q10/06;G06F17/18;G06Q50/26
代理公司: 浙江永鼎律师事务所 33233 代理人: 陆永强
地址: 311800 浙江省*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 区间 估计 农户 垃圾 采收 数量 计算方法
【权利要求书】:

1.一种基于区间估计的农户垃圾采收数量计算方法,其特征在于:

(1)针对特定的垃圾收运员,记录其每日采收的实际农户数,得到每日采收量数据;

(2)将步骤(1)中得到的每日采收量数据,与该收运员收运责任区所有农户数比较,当该数据在特定范围时,则作为一个有效样本数据记录;

(3)当步骤(2)所得到的数据记录量超过30条时,构造一个采收量的初始样本库;按照步骤(2)的规则,不断扩充初始样本库的样本数量,直到样本数据量最多达到180条,以后每增加一条新记录,则替换最早的样本数据,保持样本数据始终为最新;

(4)根据步骤(3)得到的样本,由于每天收运员的采收数量为随机变量,其服从均值为υ,方差为σ2的正态分布,根据数理统计中的区间估算法,可估算在一定置信度的前提条件下,采收数量的下限值。

2.根据权利要求1所述的基于区间估计的农户垃圾采收数量计算方法,其特征在于,步骤(3)中所构建样本库方法如下:

(2-1)有效样本数据:区域所有农户数量M,设定一个最低比率r,当收运员每天的采收数量xi大于M × r时,则作为有效样本数据,输入样本库X;

(2-2)构建样本:样本数据量大于30,且样本的最大数据量设定为180,当样本数据量达到180条时,以后每增加一条新记录,则替换最早的样本数据,保持样本数据始终为最新。

3.根据权利要求1所述的基于区间估计的农户垃圾采收数量计算方法,其特征在于,步骤(4)中估算收运员应收数量下限方法如下:

(3-1) 收运员需要每天采收责任区域的农户垃圾桶,且每天的采收量 X ,采收量 X是一个随机变量,且 X ~ N(υ,σ2),服从正态分布;

故对于任何实数A B,随机变量 X 落在A和B之间的概率由下式确定:

其中:

式中:υ 是总体平均数,σ 是总体标准差,φυ,σ(X)的图像为正态分布的概率密度曲线;

(3-2)由于X ~ N(υ,σ2),在总体方差σ2 已知,在置信度1-α为95%条件下,计算总体均值υ,而υ值依赖于样本均值 x及抽样误差范围Δx=|x - υ|,可利用样本群计算得到抽样误差Δx,则收运员每天应收农户数量的区间为【x - Δx,x + Δx】;

(3-3)根据中心极限定理,样本均值误差符合均值为υ,标准差σ= 的标准正态分布;

构造,则Z服从标准正态分布,即Z ~ [0,1],故可以得到P{υ1 Z υ2 }=1-α ,由标准正态分布式的分位数得,

故有;

(3-4)当样本数量大于30时,可近似认为总体方差σ为样本方差σN,当置信度1-α=95%时,此时可得知α/2=0.025,在处对应的概率密度为1-(α/2)=0.975,根据标准正态分布表可知0.975对应表中1.9那一行,0.06那一列;

所以采收数量的下限θ1=;

(3-5)针对具有N个样本数据的样本X={X1,X2…Xi…XN} (30≤N≤180),有:

将上述两式代入(3-4)中下限计算公式,即可得到估算的应采收量;

(3-6)如果收运员当日实际采收数量超过估算的采收数量下限,则设定其采收率为100%。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江力嘉电子科技有限公司,未经浙江力嘉电子科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910085359.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top