[发明专利]基于序列异常判断的物流站点风险预测方法

权利要求书

1.一种基于序列异常判断的物流站点风险预测方法，其特征在于，包括步骤：

S1，获取用于预测物流站点风险的特征数据并形成为特征序列数据；

S2，对不同类型的所述特征序列数据，利用Boxplot、3-sigma、联合Boxplot和3-sigma、结合STL和ESD方法中的任意一种或多种异常值检测算法进行异常特征检测；

S3，判断检测出的异常特征数量是否超过预设的数量阈值，

若是，则判定所述物流站点当前存在风险；

若否，则判定所述物流站点当前不存在风险。

2.根据权利要求1所述的基于序列异常判断的物流站点风险预测方法，其特征在于，用于预测物流站点风险的所述特征数据包括所述物流站点的快件堆积量、快件签收量以及小件员数量中的任意一种或多种。

3.根据权利要求1所述的基于序列异常判断的物流站点风险预测方法，其特征在于，步骤S2中，联合Boxplot和3-sigma的异常值检测算法对所述特征序列数据进行异常特征检测的方法包括步骤：

A1，计算所述特征序列数据的hight值和low值；

A2，根据所述特征序列数据的数据类型，并基于所述hight值和/或所述low值判断所述特征序列数据中的每个数据是否为异常特征，具体判断方法如下：

当所述特征序列数据为快件堆积量特征序列数据时，判断序列中的每个数据的值是否大于所述hight值，

若是，则判定该数据为异常特征；

若否，则判定该数据为非异常特征；

当所述特征序列数据为快件签收量特征序列数据时，判断序列中的每个数据的值是否大于所述hight值或小于所述low值，

若是，则判定该数据为异常特征；

若否，则判定该数据为非异常特征；

当所述特征序列数据为小件员数量特征序列数据时，判断所述序列中的每个数据的值是否小于所述low值，

若是，则判定该数据为异常特征；

若否，则判定该数据为非异常特征。

4.根据权利要求3所述的基于序列异常判断的物流站点风险预测方法，其特征在于，步骤A1中，通过以下公式(1)计算所述特征序列数据的所述hight值：

hight＝(μ+3σ)*r+max*(1-r) 公式(1)

公式(1)中，μ表示所述特征序列数据的序列所在分布的均值；

σ表示所述特征序列数据的序列所在分布的标准差；

r为引入的权重系数，r∈[0,1]；

max通过以下公式(2)计算而得：

max＝Q3+1.5IQR 公式(2)

公式(2)中，Q3表示所述特征序列数据在Boxplot中的上四分位数；

IQR表示中间四分位数极差，IQR通过以下公式(3)计算而得：

IQR＝Q3-Q1 公式(3)

公式(3)中，Q1表示所述特征序列数据在Boxplot中的下四分位数。

5.根据权利要求3所述的基于序列异常判断的物流站点风险预测方法，其特征在于，步骤A1中，通过以下公式(4)计算所述特征序列数据的所述low值：

low＝(μ-3σ)*r+min*(1-r) 公式(4)

公式(4)中，μ表示所述特征序列数据的序列所在分布的均值；

σ表示所述特征序列数据的序列所在分布的标准差；

r为引入的权重系数，r∈[0,1]；

min通过以下公式(5)计算而得：

min＝Q1-1.5IQR 公式(5)

公式(5)中，Q1表示所述特征序列数据在Boxplot中的下四分位数；

IQR表示中间四分位数极差，IQR通过以下公式(6)计算而得：

IQR＝Q3-Q1 公式(6)

公式(6)中，Q3表示所述特征序列数据在Boxplot中的上四分位数。

6.根据权利要求4或5所述的基于序列异常判断的物流站点风险预测方法，其特征在于，r＝0.3。