[发明专利]基于DE-BP神经网络的物流风险预警方法、装置及电子设备

权利要求书

1.一种基于DE-BP神经网络的物流风险预警方法，其特征在于，包括：

获取物流风险数据，根据所述物流风险数据生成数据集；

根据所述数据集对DE-BP神经网络进行训练，得到训练完备后的DE-BP神经网络；

采集物流的实时数据，根据所述实时数据和所述训练完备后的DE-BP神经网络，获取物流风险预警结果。

2.根据权利要求1所述的基于DE-BP神经网络的物流风险预警方法，其特征在于，根据所述物流风险数据生成数据集，包括：

对所述物流风险数据进行降维处理，得到降维后的物流风险数据，对所述降维后的物流风险数据进行归一化处理，得到处理后的物流风险数据，根据所述处理后的物流风险数据生成数据集。

3.根据权利要求2所述的基于DE-BP神经网络的物流风险预警方法，其特征在于，对所述物流风险数据进行降维处理，得到降维后的物流风险数据，包括：

利用主成分算法获取所述物流风险数据的贡献率，当所述贡献率累计达到设定预值时，对应的物流风险数据为降维后的物流风险数据。

4.根据权利要求1所述的基于DE-BP神经网络的物流风险预警方法，其特征在于，在根据所述数据集对DE-BP神经网络进行训练之前，还包括：

利用输入层、隐含层及输出层形成BP神经网络，利用差分进化算法对所述BP神经网络的初始权值和阈值进行优化，构建DE-BP神经网络。

5.根据权利要求4所述的基于DE-BP神经网络的物流风险预警方法，其特征在于，利用输入层、隐含层及输出层形成BP神经网络，包括：

获取输入层的节点数和输出层的节点数，根据所述输入层的节点数和所述输出层的节点数确定隐含层的节点数，公式为

其中，d为隐含层的节点数，x为输入层的节点数，b为输出层的节点数，ε为1-10之间的常数；

利用节点数确定的输入层、隐含层及输出层形成BP神经网络。

6.根据权利要求4所述的基于DE-BP神经网络的物流风险预警方法，其特征在于，利用差分进化算法对所述BP神经网络的初始权值和阈值进行优化，构建DE-BP神经网络，包括：

利用所述数据集随机产生初始种群，利用所述初始种群对BP神经网络进行训练得到BP神经网络的训练误差，若所述训练误差满足终止条件则获取BP神经网络最优的初始权值和阈值；

若所述训练误差不满足终止条件，则进行变异和交叉操作得到中间种群，在中间种群和初始种群中进行选择得到新的种群，利用所述新的种群重新获取训练误差；

将获取到的BP神经网络最优初始权值和阈值输入BP神经网络构建DE-BP神经网络。

7.根据权利要求1所述的基于DE-BP神经网络的物流风险预警方法，其特征在于，根据所述实时数据和所述训练完备后的DE-BP神经网络，获取物流风险预警结果，包括：

将所述实时数据输入所述训练完备后的DE-BP神经网络得到风险值，根据所述风险值获取物流风险等级，以所述物流风险等级作为物流风险预警结果。

8.一种基于DE-BP神经网络的物流风险预警装置，其特征在于，包括数据获取模块、网络训练模块及风险预警模块；

所述数据获取模块，用于获取物流风险数据，根据所述物流风险数据生成数据集；

所述网络训练模块，用于根据所述数据集对DE-BP神经网络进行训练，得到训练完备后的DE-BP神经网络；

所述风险预警模块，用于采集物流的实时数据，根据所述实时数据和所述训练完备后的DE-BP神经网络，获取物流风险预警结果。

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-7任一所述的基于DE-BP神经网络的物流风险预警方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机该程序被处理器执行时，实现如权利要求1-7任一所述的基于DE-BP神经网络的物流风险预警方法。