[发明专利]基于LM神经网络的自助行李托运系统运行效率评估方法

权利要求书

1.一种基于LM神经网络的自助行李托运系统运行效率评估方法，其特征在于：所述的方法包括按顺序进行的下列步骤：

1)选取自助行李托运系统中多台自助行李托运设备某一运行时间段内的原始运行数据；

2)对上述原始运行数据进行筛选，获得筛选后的运行数据；

3)采用拉格朗日插值法对上述筛选后的运行数据中的缺失值进行插补，获得完整运行数据；

4)删除上述完整运行数据中特征不够明显的数据，获得重新构建的运行数据；

5)利用上述重新构建的运行数据，构建用于构成系统运行效率评价指标体系的评价指标；

6)由所有上述评价指标对应的数据构成专家样本库，在专家样本库中随机抽选80％的数据作为训练样本，剩余的20％的数据作为测试样本；

7)基于上述系统运行效率评价指标体系的评价指标，构建基于LM神经网络的自助行李托运系统运行效率评估模型；

8)将训练样本输入到上述自助行李托运系统运行效率评估模型中，对该模型进行训练，然后将测试样本输入到训练后的自助行李托运系统运行效率评估模型中，用于验证自助行李托运系统运行效率评估模型的准确性；采用ROC评价曲线的方法进行模型验证，若模型对应的ROC评价曲线的走向趋势为向上延伸，则说明自助行李托运系统运行效率评估模型分类性能良好；

9)将待评估的自助行李托运设备某一运行时间段内的实时运行数据经过步骤1)至步骤6)的处理而获得评估样本，然后将评估样本输入到经过验证的自助行李托运系统运行效率评估模型中，模型的输出为自助行李托运设备的设备托运效率标识，由此可实现对于自助行李托运设备运行效率的自动在线检测；

在步骤4)中，所述的删除上述完整运行数据中特征不够明显的数据，获得重新构建的运行数据的方法如下：

将自助行李托运设备运行过程采集的运行数据中包括托运行李件数、单件行李托运办理时间在内的运行数据删除，获得重新构建的运行数据；

在步骤5)中，所述的评价指标如下：

5.1)自助行李托运设备使用率指数D(i)：设定自助行李托运设备使用率k超过50％以上为高效，在这种情况下，自助行李托运设备使用率指数D(i)为1，否则为0：

其中，k表示自助行李托运设备使用率，k＝每天托运业务办理时间总量/每天开机时间×100％，D(i)表示第i天的自助行李托运设备使用率指数；

5.2)设备托运总量M(i):指自助行李托运设备每天实际行李托运件数与每天设定行李托运件数A之比；以10天为一个计算周期，如果设备托运总量M连续超过5天没有达到阈值，即设备托运总量M没有达到1.0以上，则认为该自助行李托运设备的运行效率没有达标，属于低效率运行；

5.3)设备托运业务办理频率N:将每天24h划分成不同的时间段，通过观察自助行李托运设备在各个时间段内的实际行李托运件数是否达到平均行李托运件数水平，来计算设备托运业务办理频率N；将每天24h划分成6个时间段T{t₁,t₂,t₃,t₄,t₅,t₆}，每个时间段4h，每个时间段内的平均行李托运件数为A/6，若某一个时间段内有3次实际行李托运件数超过A/6，则此时间段的设备托运业务办理频率n(i)为1，最终该台自助行李托运设备的设备托运业务办理频率N为6个时间段的设备托运业务办理频率的总和；若设备托运业务办理频率N≤3，则该自助行李托运设备不达标；若设备托运业务办理频率N＞3，则该自助行李托运设备达标；

在步骤7)中，所述的基于上述系统运行效率评价指标体系的评价指标，构建基于LM神经网络的自助行李托运系统运行效率评估模型的方法如下：

使用Keras工具库构建基于LM神经网络的自助行李托运系统运行效率评估模型，该模型的输入节点为3，分别对应上述系统运行效率评价指标体系的三个评价指标，即自助行李托运设备使用率指数D(i)、设备托运总量M(i)和设备托运业务办理频率N，输出节点为1，为设备托运效率标识1或0，其中1表示达标，0表示不达标；隐层节点数为15，每一隐层都把前一层的向量通过坐标变换生成新的向量，并结合激活函数relu(x)＝max(x,0)最大幅度地提高模型的计算准确率，使得模型最终计算出的分类结果更趋近真实值，并根据分类结果得出模型分类准确率。