[發(fā)明專利]實現(xiàn)報廢汽車蓄電池逆向物流可行性評價的方法

在審

• 申請?zhí)枺?/td>: 201811269084.3
• 申請日: 2018-10-29
• 公開（公告）號: CN109409541A
• 公開（公告）日: 2019-03-01
• 發(fā)明（設(shè)計）人: 郝皓;張騫;王治國
• 申請（專利權(quán)）人: 上海第二工業(yè)大學
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q10/06;G06N3/08
• 代理公司: 上海元好知識產(chǎn)權(quán)代理有限公司 31323
• 代理人: 包姝晴;徐雯瓊

1.一種實現(xiàn)報廢汽車蓄電池逆向物流可行性評價的方法，其特征在于，建立基于粒子群算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)法，包含以下步驟：

S1、通過對風險因素進行識別，構(gòu)建報廢汽車蓄電池逆向物流可行性評價指標體系，并結(jié)合調(diào)查問卷法進行數(shù)據(jù)收集及處理；

S2、利用模糊綜合評價法對報廢汽車蓄電池逆向物流進行可行性評價；

S3、使用模糊綜合評價模型計算的可行性程度對粒子群優(yōu)化的反向傳播神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，使用訓(xùn)練好的粒子群優(yōu)化的反向傳播神經(jīng)網(wǎng)絡(luò)對其他具有類似特征電子廢棄物拆解企業(yè)可行性的智能化評價；

S4、根據(jù)評價結(jié)果進行警報判別，并提出相應(yīng)的可行性控制策略。

2.如權(quán)利要求1所述的實現(xiàn)報廢汽車蓄電池逆向物流可行性評價的方法，其特征在于，所述的步驟S1具體包含以下步驟：

S1.1、構(gòu)建報廢汽車蓄電池逆向物流可行性評價指標體系，基于主動式逆向物流管理理論，構(gòu)建報廢汽車蓄電池逆向物流可行性評價指標體系；

S1.2、采用調(diào)查問卷法使專家為各指標對企業(yè)實施報廢汽車蓄電池逆向物流的影響程度打分；

S1.3、采用SPSS軟件對數(shù)據(jù)進行信度及效度分析。

3.如權(quán)利要求2所述的實現(xiàn)報廢汽車蓄電池逆向物流可行性評價的方法，其特征在于，所述步驟S1.3先采用科隆巴赫Alpha系數(shù)對調(diào)查問卷數(shù)據(jù)進行可靠性分析，再對數(shù)據(jù)進行KMO檢驗和巴特利特球形檢驗判斷其效度。

4.如權(quán)利要求1所述的實現(xiàn)報廢汽車蓄電池逆向物流可行性評價的方法，其特征在于，所述的步驟S2具體包含以下步驟：

S2.1、建立評價因素集U＝{u₁，u₂，...u_n}，其中，n為準則層影響因素的個數(shù)；

對第i層評價因素u_i進一步劃分為u_i＝{u_i1，u_i2，...u_im}，其中m為指標層影響因素的個數(shù)；

S2.2、建立評價等級論域V＝{v₁，v₂，...v_n}；

S2.3、確立準則層評價指標的權(quán)重A＝(a1，a2，a3)，進行單因素評價；

S2.4、建立模糊關(guān)系矩陣R；

S2.5、確立指標層評價指標的綜合權(quán)重，進行二級評價；

其中，表示模糊算子；

S2.6、根據(jù)最大隸屬度原則，對評價指標進行總體排序。

5.如權(quán)利要求4所述的實現(xiàn)報廢汽車蓄電池逆向物流可行性評價的方法，其特征在于，所述的步驟S2.2采用李科特五級量表將評價指標按其對電子廢棄物逆向物流影響程度大小劃分為五個等級。

6.如權(quán)利要求1所述的實現(xiàn)報廢汽車蓄電池逆向物流可行性評價的方法，其特征在于，所述的步驟S3具體包含以下步驟：

S3.1、初始化BP神經(jīng)網(wǎng)絡(luò)各層神經(jīng)元的個數(shù)、隱含層的層數(shù)、粒子的位置向量、速度向量的維數(shù)、粒子群的規(guī)模、學習因子c₁和c₂、慣性權(quán)重ω、每個粒子的速度、個體極值P_best和全局最優(yōu)值g_best、適應(yīng)度函數(shù)；

S3.2、使用訓(xùn)練樣本對每一粒子進行前向傳播計算訓(xùn)練誤差，然后根據(jù)適應(yīng)度函數(shù)計算粒子的適應(yīng)度；

S3.3、根據(jù)各粒子的適應(yīng)度值更新個體極值、全局最優(yōu)值、各粒子速度及位置；

S3.4、判斷粒子群的適應(yīng)度是否達到預(yù)設(shè)的誤差標準或最大迭代次數(shù)。

7.如權(quán)利要求6所述的實現(xiàn)報廢汽車蓄電池逆向物流可行性評價的方法，其特征在于，所述的步驟S3通過C語言對基于PSO優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)算法進行編程，并于MATLABR2018a版本上運行進行仿真模擬。