CN109299434B - 货物海关通关大数据智能评级及抽检率计算系统 - Google Patents

货物海关通关大数据智能评级及抽检率计算系统 Download PDF

Info

Publication number
CN109299434B
CN109299434B CN201811023140.5A CN201811023140A CN109299434B CN 109299434 B CN109299434 B CN 109299434B CN 201811023140 A CN201811023140 A CN 201811023140A CN 109299434 B CN109299434 B CN 109299434B
Authority
CN
China
Prior art keywords
cargo
sampling observation
customs
network
observation rate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201811023140.5A
Other languages
English (en)
Other versions
CN109299434A (zh
Inventor
刘康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Vocational College of Public Transportation
Original Assignee
Chongqing Vocational College of Public Transportation
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Vocational College of Public Transportation filed Critical Chongqing Vocational College of Public Transportation
Priority to CN201811023140.5A priority Critical patent/CN109299434B/zh
Publication of CN109299434A publication Critical patent/CN109299434A/zh
Application granted granted Critical
Publication of CN109299434B publication Critical patent/CN109299434B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0831—Overseas transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Educational Administration (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

货物海关通关大数据智能评级及抽检率计算系统，包括输入数据生成、特征提取网络、信用等级评定网络以及抽检率输出网络。使用模型自动对起进行信用等级评定以及抽检率计算，降低了海关通关的工作负责度，提高了效率；同时货物海关通关大数据智能评级及抽检率计算系统统计和计算了企业海关通关货物近几年的海关通关各指标，通过大数据的分析和整理，得到的信用等级评定和抽检率计算结果更准确和合理，保证了不同货物，不同企业有针对性的抽检检查。

Description

货物海关通关大数据智能评级及抽检率计算系统
技术领域
本发明涉及大数据智能系统，具体涉及货物海关通关大数据智能评级及抽检率计算系统。
背景技术
海关通关检查是一项繁杂但对于国家和人民利益至关重要的工作，其中又以货物海关通关检查最为繁重。针对工作量大的货物海关通关检查，海关工作人员无法进行所有货物的全部检查，此既浪费人力物力，又严重影响海关通关效率。采用随机抽样检查方法能节省人力提高海关通关效率，但是针对不同企业、不同货物的同等抽样率的抽样检查既浪费了人力，对于信誉较差企业的货物检查存在不足问题。
发明内容
本发明的目的在于提供货物海关通关大数据智能评级及抽检率计算系统，它可根据被检查企业的上一年度信用等级、通关差错率、通关效率、AEO认证企业等级、货物性质等指标，评估出该年度信用等级并计算其对应抽检率，实行针对性抽检，从而提高货物检验的效率。
本发明通过如下技术方案实现：
货物海关大数据智能评级及抽检率计算系统，包括输入数据生成、特征提取网络、信用等级评定网络以及抽检率输出网络组成；
输入数据生成，完成从大数据中生成输入数据，按照如下步骤进行：
S1、数学度量海关货物的年度信用等级、通关差错率、通关效率、AEO认证企业等级、货物产地、货物目的地、货物用途、货物危险系数等级等指标；
S2、将S1中海关货物的指标数学度量结果按照行排列为货物年度数据向量vi，表征与今年相距i年的历史数据；
S3、从大数据中引入历史数据，将S1中货物年度数据向量vi按照时间列排列；同时为了网络对边界信息的弱化，进行上下左右的扩展，得到货物年度数据输入矩阵
特征提取网络选用VGG16标准卷积神经网络结构；输入为货物年度数据输入矩阵M,输出为提取特征f；
信用等级评定网络采用全链接层和损失函数计算层组成，输入为特征提取网络提取特征f；损失函数选用softmax损失函数；
抽检率输出网络，采用支撑向量机，核函数选用高斯核函数，输入为信用等级评定网络的分类置信分序列和当前通关货物总量组成，输出为归一化的抽检率比例值。
更进一步的，信用等级评定网络全链接层输出特征维度为1乘10，即分别对应信用等级10级评定等级。
本发明具有如下有益效果：
本发明根据企业海关通关货物各项指标度量值，使用模型自动对其进行信用等级评定以及抽检率计算，降低了海关通关的工作复杂度，提高了效率；货物海关通关大数据智能评级及抽检率计算系统同时使用了年度信用等级、通关差错率、通关效率、AEO认证企业等级、货物产地、货物目的地、货物用途、货物危险系数等级等指标，充分考虑了货物的信息和其使用信息，对评定其信用等级和抽检率计算具有重要促进作用；同时统计和计算了企业海关通关货物近几年的海关通关各指标，通过大数据的分析和整理，得到的信用等级评定和抽检率计算结果更准确和合理；通关货物各指标数学度量值列排列为向量，由历史数据向量进行行排列为矩阵，并对矩阵进行上下左右扩展，具有数据组织严密、避免了边界信息弱化、适应神经网络输入的优势；采用神经网络作为特征提取网络，具备信息的充分利用和保证了提取特征的准确性和实用性；在抽检率输出网络中输入采用信用等级评定网络的输出各信用等级置信分序列和当前通关货物总量组成，综合考虑了评定等级的置信分以及总量，提高了抽检率计算结果的准确性；综上，本发明提出的货物海关通关大数据智能评级及抽检率计算系统具备企业海关通关货物的信用等级评定和抽检率计算的高智能化和自动化，同时能保证99％以上的准确性，更有利于实现不同货物，不同企业有针对性的抽检检查。
附图说明
图1为货物海关同感大数据智能平台及抽检率计算系统结构示意图。
图2为货物海关同感大数据智能平台及抽检率计算系统输入数据生成流程图。
具体实施方式
下面通过实施例对本发明进行具体的描述，有必要在此指出的是以下实施例只用于对本发明进行进一步说明，不能理解为对本发明保护范围的限制，该领域的技术人员可以根据上述本发明内容对本发明作出一些非本质的改进和调整。
实施例1
如图1所示，货物海关同感大数据智能平台及抽检率计算系统，包括输入数据生成、特征提取网络、信用等级评定网络以及抽检率输出网络。
特征提取网络选用VGG16标准卷积神经网络结构；
信用等级评定网络采用全链接层和损失函数计算层组成，其中损失函数计算层中损失函数选用softmax损失函数；
信用等级评定网络全链接层输出特征维度为1乘10，即分别对应信用等级10级评定等级；
抽检率输出网络，采用支撑向量机，输入为信用等级评定网络的输出各信用等级置信分序列和当前通关货物总量组成，输出为归一化抽检率比例值。
在对货物海关通关大数据智能评级及抽检率计算系统工作前，需先对网络模型进行训练。
在训练阶段；采用输入数据生成，如图2所示，对于货物海关通关历史数据，随机选取某年年度信用等级和抽检率作为标签，选取该年以前的历史数据，首先对海关货物的年度信用等级、通关差错率、通关效率、AEO认证企业等级、货物产地、货物目的地、货物用途、货物危险系数等级等指标进行数学度量；
为了降低模型训练难度及使得输入数据接近于图片数据对各指标数学度量结果分别按照0～255范围进行归一化处理，
再将结果按照行排列为货物年度数据向量vi；表征与选取的该年相距i年的历史数据；
将年度数据向量按照时间先后进行排列，得到货物历史年度数据矩阵
考虑特征提取网络对于边界有较大信息损失，对货物历史年度数据矩阵m的上下左右分别进行扩展，得到可用于特征提取网络输入的货物年度数据输入矩阵
货物年度数据输入矩阵M和作为标签的年度信用等级和抽检率组成一对训练样本；由货物海关通关历史大数据，组成多组训练样本，用作网络模型的训练；
优先训练特征提取网络、信用等级评定网络；当其训练完成后固定参数训练抽检率输出网络的支撑向量机。得到用于工作的货物海关通关大数据智能评级及抽检率计算系统模型。
在部署工作阶段：对于需要评定的货物，调取其历史数据，由输入数据生成得到其货物年度数据输入矩阵，作为特征提取网络的输入，根据信用等级评定网络以及抽检率输出网络的输出得到评定的年度信用等级和其对应的抽检率。

Claims (3)

1.货物海关通关大数据智能评级及抽检率计算系统，其特征在于：包括输入数据生成、特征提取网络、信用等级评定网络以及抽检率输出网络；
所述输入数据生成，按照如下步骤进行：
S1、数学度量海关货物的年度信用等级、通关差错率、通关效率、AEO认证企业等级、货物产地、货物目的地、货物用途和货物危险系数等级指标；
S2、将S1中海关货物的指标数学度量结果按照行排列为货物年度数据向量vi，表征与今年相距i年的历史数据；
S3、将S1中货物年度数据向量vi按照时间列排列并进行扩展，得到货物年度数据输入矩阵
所述特征提取网络应选用VGG16标准卷积神经网络结构，输入为货物年度数据输入矩阵M,输出为提取特征f；
所述信用等级评定网络采用全链接层和损失函数计算层组成，输入为特征提取网络提取特征f，输出为各信用等级置信分；
所述损失函数计算层中损失函数选用softmax损失函数；
所述抽检率输出网络，采用支撑向量机，输入为信用等级评定网络的输出各信用等级置信分序列和当前通关货物总量组成，输出为归一化抽检率比例值。
2.如权利要求1所述的货物海关通关大数据智能评级及抽检率计算系统，其特征在于：所述货物年度数据向量vi各元素值即各指标度量值，按照0到255范围进行归一化处理。
3.如权利要求2所述的货物海关通关大数据智能评级及抽检率计算系统，其特征在于：所述信用等级评定网络全链接层输出特征维度为1乘10，即分别对应信用等级10级评定等级。
CN201811023140.5A 2018-09-04 2018-09-04 货物海关通关大数据智能评级及抽检率计算系统 Expired - Fee Related CN109299434B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811023140.5A CN109299434B (zh) 2018-09-04 2018-09-04 货物海关通关大数据智能评级及抽检率计算系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811023140.5A CN109299434B (zh) 2018-09-04 2018-09-04 货物海关通关大数据智能评级及抽检率计算系统

Publications (2)

Publication Number Publication Date
CN109299434A CN109299434A (zh) 2019-02-01
CN109299434B true CN109299434B (zh) 2019-06-14

Family

ID=65166215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811023140.5A Expired - Fee Related CN109299434B (zh) 2018-09-04 2018-09-04 货物海关通关大数据智能评级及抽检率计算系统

Country Status (1)

Country Link
CN (1) CN109299434B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114841269A (zh) * 2019-09-10 2022-08-02 福建榕基软件股份有限公司 基于稀疏数据的机器学习模型的构建方法及存储介质
CN110955866A (zh) * 2019-11-29 2020-04-03 卓尔智联(武汉)研究院有限公司 跨境交易风险评估装置、方法及可读存储介质
CN111784131A (zh) * 2020-06-19 2020-10-16 江苏金匮通供应链管理有限公司 基于通关数据分析的通关处理方法及系统
CN113298455A (zh) * 2020-11-16 2021-08-24 阿里巴巴集团控股有限公司 数据处理系统、方法及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049529A (zh) * 2012-12-21 2013-04-17 招商局国际信息技术有限公司 海关中处理货物监管数据的方法和系统
CN106446315A (zh) * 2016-05-12 2017-02-22 东华大学 涤纶纤维纺丝过程中性能指标的预测方法
CN106682067A (zh) * 2016-11-08 2017-05-17 浙江邦盛科技有限公司 一种基于交易数据的机器学习反欺诈监测系统
CN106875132A (zh) * 2017-03-17 2017-06-20 严东军 基于主观诚信意识的客观动态信用等级评定方法及平台
CN107547759A (zh) * 2017-08-22 2018-01-05 深圳市买买提乐购金融服务有限公司 一种对客服人员通话的质检方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4182448B2 (ja) * 2006-07-27 2008-11-19 ソニー株式会社 受信装置、受信方法、プログラム、並びに、記録媒体
US8208849B2 (en) * 2009-04-29 2012-06-26 Nec Corporation Filtering circuit with jammer generator
CN105578579B (zh) * 2016-03-02 2018-12-04 桂林电子科技大学 基于业务流量预测的蜂窝网基站和中继站联合休眠调度方法
CN107944443A (zh) * 2017-11-16 2018-04-20 深圳市唯特视科技有限公司 一种基于端到端深度学习进行对象一致性检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049529A (zh) * 2012-12-21 2013-04-17 招商局国际信息技术有限公司 海关中处理货物监管数据的方法和系统
CN106446315A (zh) * 2016-05-12 2017-02-22 东华大学 涤纶纤维纺丝过程中性能指标的预测方法
CN106682067A (zh) * 2016-11-08 2017-05-17 浙江邦盛科技有限公司 一种基于交易数据的机器学习反欺诈监测系统
CN106875132A (zh) * 2017-03-17 2017-06-20 严东军 基于主观诚信意识的客观动态信用等级评定方法及平台
CN107547759A (zh) * 2017-08-22 2018-01-05 深圳市买买提乐购金融服务有限公司 一种对客服人员通话的质检方法及装置

Also Published As

Publication number Publication date
CN109299434A (zh) 2019-02-01

Similar Documents

Publication Publication Date Title
CN109299434B (zh) 货物海关通关大数据智能评级及抽检率计算系统
CN109829631B (zh) 一种基于记忆网络的企业风险预警分析方法及系统
CN104462827B (zh) 一种综合评价中指标权重的柔性耦合方法
CN107492043A (zh) 窃电分析方法及装置
CN104021300B (zh) 一种基于分布式电源接入对配电网影响的综合评估方法
CN110111024A (zh) 基于ahp模糊综合评价模型的科技成果市场价值评估方法
Kaurova et al. Cross-country comparison of statistical indicators
CN111008870A (zh) 一种基于pca-bp神经网络模型的区域物流需求预测方法
CN109272179A (zh) 一种太阳能发电投资效益综合评价系统实现方法
CN103902798B (zh) 数据预处理方法
CN105117820A (zh) 一种基于dea-ahp的粮食储藏绿色度评价方法
Salma et al. A regression model-based approach to identifying determining factors for GDP growth in Bangladesh
CN107644285A (zh) 售电市场盈利能力评估指标的筛选与权重确定方法及系统
CN110866694A (zh) 一种电网建设项目财务评价系统及其方法
Chen et al. A local fiscal health index model based on extended matter-element evaluation
CN107179297A (zh) 一种智能红木种类鉴定方法及其平台
CN113516303A (zh) 一种提取多模式最优信息进行降水集合预测的方法、装置和介质
Ravinthirakumaran Applicability of openness-led growth hypothesis in Sri Lanka: An ARDL bounds test
Moodi et al. A CNN-LSTM deep neural network with technical indicators and sentiment analysis for stock price forecastings
CN107679712A (zh) 一种第三方食品检测机构综合评价方法
Hui Analysis of International Marketing Strategy Based on Intelligent Mining Algorithm for Big Data
Shi et al. Supply chain performance evaluation model based on unascertained clustering
Guo et al. Granger causality test of the relationship between export and economic growth in central jiangsu region
OuYang Research on the Diamond Price Prediction based on Linear Regression, Decision Tree and Random Forest
Li Statistical Method of Social Audit Risk Based on Machine Learning in the Context of Big Data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190614

Termination date: 20210904