[发明专利]跨境隐存高危因子智能风险挖掘方法

说明书

本申请提出了一种跨境隐存高危因子智能风险挖掘方法，其用于对跨境隐存高危因子进行智能识别，该跨境隐存高危因子智能风险挖掘方法可包括：建立跨境隐存高危因子风险识别指标体系，并提出一种综合评价指数以对进入风险、定殖风险、危害风险进行评价；基于所述跨境隐存高危因子风险识别指标体系智能快速采集数据并对采集的数据进行处理；以及基于处理的数据并采用基于决策树模型、随机森林模型、Logistics回归模型和贝叶斯估计等结果的组合构建风险等级空间智能分析模型，从而通过该模型对隐存高危因子进行智能识别。

技术领域

本申请涉及生物安全风险分析领域，具体地涉及跨境隐存高危因子智能风险挖掘方法。

背景技术

跨境生物可能为被入侵地区带来各种危害，因此需要对跨境生物(“跨境生物因子”或者“跨境因子”，以下称“跨境因子”)的风险进行深入分析，例如，可以对特定跨境因子进入入侵地区的繁殖体进行压力分析，以确定其进入风险大小；还可以在被入侵地区进行特定跨境因子的适生性分析，以确定该跨境因子在被入侵地区定殖的可能性及适生范围和程度等，从而可以基于分析的结果对跨境因子的进入、定殖等风险进行识别，进而可识别出具有较高风险的跨境隐存高危因子，以便有针对性地制定相应的防控措施。

目前，在针对跨境因子风险的研究和应用中，还不存在采用智能算法对跨境隐存高危因子风险进行挖掘，从而基于现有数据对跨境隐存高危因子进行智能识别。

需要一种跨境隐存高危因子智能风险挖掘方法，其通过智能算法对跨境隐存高危因子风险进行挖掘，能够对跨境隐存高危因子进行智能识别。

发明内容

根据本申请，提出了一种跨境隐存高危因子智能风险挖掘方法，其用于对跨境隐存高危因子进行智能识别，该跨境隐存高危因子智能风险挖掘方法可包括：建立跨境隐存高危因子风险识别指标体系；基所述跨境隐存高危因子风险识别指标体系采集数据并对采集的数据进行处理；以及基于处理的数据并采用基于决策树模型、随机森林模型、Logistics回归模型和贝叶斯估计模型的组合构建风险等级空间分析模型，从而通过构建的风险等级空间分析模型对跨境隐存高危因子进行识别。

根据本申请的实施方式，在跨境隐存高危因子智能风险挖掘方法中，所述跨境隐存高危因子风险识别指标体系包括风险指标以及与风险指标对应的风险因子，所述风险指标包括进入风险指标、定殖风险指标和危害风险指标，所述进入风险指标、定殖风险指标和危害风险指标中的每一个风险指标分为5级，与所述进入风险指标、定殖风险指标和危害风险指标分别对应的风险因子均包括多个一级指标和多个二级指标，以及所述风险指标用作综合评价指数以对进入风险、定殖风险、危害风险进行评价。也就是说，可以对进入风险、定殖风险、危害风险的这三个维度以三维坐标的形式进行评价，即(进入风险，定殖风险，危害风险)的形式进行评价。

根据本申请的实施方式，在跨境隐存高危因子智能风险挖掘方法中，还分别通过决策树模型、随机森林模型、Logistics回归模型和贝叶斯估计模型获得对应的决策树模型预测风险、随机森林模型预测风险、Logistics回归模型预测风险和贝叶斯估计预测风险，通过以下方式确定预测风险，

其中，

y表示预测风险，

y_i表示决策树模型预测风险、随机森林模型预测风险、Logistics回归模型预测风险或贝叶斯估计预测风险，i＝1，…，4，

y₁表示决策树模型预测风险，y₂表示随机森林模型预测风险，y₃表示Logistics回归模型预测风险，y₄表示贝叶斯估计预测风险，

w_i表示决策树模型预测风险的权重、随机森林模型预测风险的权重、Logistics回归模型预测风险的权重或贝叶斯估计预测风险的权重，