[發明專利]跨境隱存高危因子智能風險挖掘方法

在審

• 申請號: 202110703100.0
• 申請日: 2021-06-24
• 公開（公告）號: CN113537726A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 潘緒斌
• 申請（專利權）人: 中國檢驗檢疫科學研究院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62;G06F17/18
• 代理公司: 北京漢智嘉成知識產權代理有限公司 11682
• 代理人: 方珉;高芬芳

1.跨境隱存高危因子智能風險挖掘方法，其用于對跨境隱存高危因子進行智能識別，所述跨境隱存高危因子智能風險挖掘方法包括：

建立跨境隱存高危因子風險識別指標體系；

基于所述跨境隱存高危因子風險識別指標體系采集數據并對采集的數據進行處理；以及

基于處理的數據并采用基于決策樹模型、隨機森林模型、Logistics回歸模型和貝葉斯估計模型的組合構建風險等級空間分析模型，從而通過構建的風險等級空間分析模型對跨境隱存高危因子進行識別。

2.如權利要求1所述的跨境隱存高危因子智能風險挖掘方法，其中，

所述跨境隱存高危因子風險識別指標體系包括風險指標以及與風險指標對應的風險因子，所述風險指標包括進入風險指標、定殖風險指標和危害風險指標，所述進入風險指標、定殖風險指標和危害風險指標中的每一個風險指標分為5級，

與所述進入風險指標、定殖風險指標和危害風險指標分別對應的風險因子均包括多個一級指標和多個二級指標，以及

所述風險指標用作綜合評價指數以對進入風險、定殖風險、危害風險進行評價。

3.如權利要求1或2所述的跨境隱存高危因子智能風險挖掘方法，其中，分別通過決策樹模型、隨機森林模型、Logistics回歸模型和貝葉斯估計模型獲得對應的決策樹模型預測風險、隨機森林模型預測風險、Logistics回歸模型預測風險和貝葉斯估計預測風險，通過以下方式確定預測風險，

其中，

y表示預測風險，

y_i表示決策樹模型預測風險、隨機森林模型預測風險、Logistics回歸模型預測風險或貝葉斯估計預測風險，i＝1，…，4，

y₁表示決策樹模型預測風險，y₂表示隨機森林模型預測風險，y₃表示Logistics回歸模型預測風險，y₄表示貝葉斯估計預測風險，

w_i表示決策樹模型預測風險的權重、隨機森林模型預測風險的權重、Logistics回歸模型預測風險的權重或貝葉斯估計預測風險的權重，

w₁表示決策樹模型預測風險，w₂表示隨機森林模型預測風險，w₃表示Logistics回歸模型預測風險，w₄表示貝葉斯估計預測風險。

4.如權利要求1或2所述的跨境隱存高危因子智能風險挖掘方法，其中，分別通過決策樹模型、隨機森林模型、Logistics回歸模型和貝葉斯估計模型獲得對應的決策樹模型預測風險、隨機森林模型預測風險、Logistics回歸模型預測風險和貝葉斯估計預測風險，并基于所獲得的決策樹模型預測風險、隨機森林模型預測風險、Logistics回歸模型預測風險和貝葉斯估計預測風險的均值和變異系數對決策樹模型、隨機森林模型、Logistics回歸模型和貝葉斯估計模型的變化進行分析。

5.如權利要求3或4所述的跨境隱存高危因子智能風險挖掘方法，其中，

通過殘差倒數法、方差倒數法、或者最小二乘法確定決策樹模型預測風險的權重、隨機森林模型預測風險的權重、Logistics回歸模型預測風險的權重和貝葉斯估計預測風險的權重。

6.如前述權利要求中任一項所述的跨境隱存高危因子智能風險挖掘方法，其中，

所述進入風險指標、定殖風險指標和危害風險指標中的每一個風險指標由多個一級指標以及與每一個一級指標對應的一級權重構成，通過一級指標和對應的一級權重能夠獲得相應的風險指標，以及每一個一級指標對應多個二級指標以及與每一個二級指標對應的二級權重，通過二級指標和對應的二級權重能夠獲得對應的一級指標。