[发明专利]一种移动查勘定损系统的智能训练及完善方法

摘要

本发明公开了一种移动查勘定损系统的智能训练及完善方法，将样本划分成不同比例的训练样本、测试样本和验证样本，同时根据训练样本的模型因子数量，采用SMOTE算法对训练样本的模型因子进行均衡处理，丰富实际训练样本的数量，且提高样本的训练精度，得到初始模型；利用原始样本初次预测数据与实际数据进行比对，将二者的残差的标准差进行对比，用于调整初始模型的配置参数，可大大降低模型的误差率。在实际应用中，对新案例进行检查和筛选，形成增量样本，用于更新样本库，并且对模型进行抽检，利用更新样本库对模型重新进行训练，实现模型在增量样本的基础上持续优化完善。

主权项

1.一种移动查勘定损系统的智能训练及完善方法，其特征在于，包括以下步骤：(1)样本的获取与分类：从移动查勘定损系统的历史数据库中选取若干份完全不同的成功案例放入样本库，并随机分为训练样本、测试样本及验证样本三个组，提取所述训练样本、测试样本及验证样本的模型因子；(2)样本的预处理：根据训练样本的模型因子数量，采用SMOTE算法对训练样本的模型因子进行均衡处理；(3)模型的训练：S1：将原始训练样本及均衡处理后的训练样本的模型因子输入BP神经网络模型中按批次进行训练，得到初始模型；S2：将原始训练样本使用所述初始模型进行一次训练，并计算出初次预测数据，将所述初次预测数据与实际数据进行比对，并计算出初次预测数据残差的标准差；判断初次预测数据残差的标准差是否满足对应的阈值范围，若否，调整初始模型中的配置参数，重新对原始训练样本进行二次训练，直至各数据残差的标准差满足对应的阈值时，得到优化模型1.0；S3：使用所述测试样本对所述优化模型1.0进行测试，测试过程中优化模型1.0的模型参数会发生改变，当模型参数不再发生改变时，测试结束，优化模型1.0更新至优化模型2.0；S4：使用验证样本对所述优化模型2.0的精确度进行验证，若精确度大于95％，即为满足精确度要求，否则调整模型参数和结构，重复S1‑S3，直至满足精度要求；(4)模型的完善：模型的训练完成后，即可投入实际应用中，依靠最新模型版本对实际应用中的案例进行实时处理，并对最新模型版本得出的评估结果进行检查和筛选，形成增量样本，将所述增量样本添加入所述样本库，更新样本库；同时，定期抽检模型的精准度，当达到一定条件后利用更新样本库对模型按照步骤(3)重新进行训练，实现模型在增量样本的基础上持续优化完善。