CN113052441B - 一种应急食品供应风险分析方法 - Google Patents

一种应急食品供应风险分析方法 Download PDF

Info

Publication number
CN113052441B
CN113052441B CN202110258163.XA CN202110258163A CN113052441B CN 113052441 B CN113052441 B CN 113052441B CN 202110258163 A CN202110258163 A CN 202110258163A CN 113052441 B CN113052441 B CN 113052441B
Authority
CN
China
Prior art keywords
food supply
emergency food
risk
early warning
index
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.)
Active
Application number
CN202110258163.XA
Other languages
English (en)
Other versions
CN113052441A (zh
Inventor
张红
李全明
刘岩
褚衍玉
陈涛
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.)
China Academy of Safety Science and Technology CASST
Original Assignee
China Academy of Safety Science and Technology CASST
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 China Academy of Safety Science and Technology CASST filed Critical China Academy of Safety Science and Technology CASST
Priority to CN202110258163.XA priority Critical patent/CN113052441B/zh
Publication of CN113052441A publication Critical patent/CN113052441A/zh
Application granted granted Critical
Publication of CN113052441B publication Critical patent/CN113052441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供一种应急食品供应安全风险分析管理系统，包括：基础数据层、数据分析层和数据应用层；所述基础数据层，用于获取应急食品供应基础信息；所述数据分析层，用于结合所述应急食品供应基础新息，针对灾害条件的风险因子开展预警阈值判定、风险分级，并建立动态风险预警模型，获得动态风险预警结果；所述数据应用层，用于根据所述动态风险预警结果进行远程调度，以及根据所述动态风险预警结果优化应急食品供应方案。本发明给出了一种应急食品供应安全风险分析管理系统，通过动态风险预警模型，不仅能够优化应急食品供应方案，而且还能够及时进行远程调度。

Description

一种应急食品供应风险分析方法
技术领域
本发明涉及风险分析技术领域，特别涉及一种应急食品供应风险分析方法。
背景技术
我国地理、地质条件复杂，生态环境基础比较薄弱，重特大自然灾害发生的强度大、种类多、频率高、地域差异性大、分布区域广，灾后人群食品需求多样化、应急食品供应链冗长效率低下等因素共同导致重特大自然灾害后，应急食品往往很难满足高效、快捷的供应需求。
目前的应急食品供应安全风险分析管理系统往往只能够单一的优化应急食品供应方案，无法实现动态优化，而且还不能够及时进行远程调度，造成应急食品供应延迟等问题，因此，本发明给出了一种应急食品供应安全风险分析管理系统，通过动态风险预警模型，不仅能够优化应急食品供应方案，而且还能够及时进行远程调度，使得应急食品能够及时供应。
发明内容
本发明的目的在于提供一种应急食品供应安全风险分析管理系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种应急食品供应安全风险分析管理系统，包括：基础数据层、数据分析层和数据应用层；
所述基础数据层，用于获取应急食品供应基础信息，所述应急食品供应基础信息包括：灾害条件、灾区人群供需需求、应急食品储备点分布基础信息和应急食品供应方案；
所述数据分析层，用于结合所述应急食品供应基础新息，针对灾害条件的风险因子开展预警阈值判定、风险分级，并建立动态风险预警模型，获得动态风险预警结果；
所述数据应用层，用于根据所述动态风险预警结果进行远程调度，以及根据所述动态风险预警结果优化应急食品供应方案。
进一步地，所述数据应用层还用于在应急食品供应方案执行过程中，根据所述动态风险预警结果进行应急指挥。
进一步地，所述预警阈值判定的方法包括：通过人工神经网络模型进行预警阈值判断和通过卷积神经网络模型进行预警阈值判断。
进一步地，在所述预警阈值判定过程中，针对预警阈值分析的方法包括：中数原则、均数原则、卷积神经算法和专家征询。
进一步地，所述风险分级包括：重大风险、较大风险、一般风险和低风险；所述重大风险是指损失率高于百分之八十；所述较大风险是指损失率在百分之五十至百分之八十之间；所述一般风险是指损失率在百分之三十至百分之五十之间；所述低风险是指损失率低于百分之三十。
进一步地，所述动态风险预警模型通过模糊综合评价模型获得动态风险预警结果，其建立过程包括：
确定应急食品供应链条指标体系；根据所述应急食品供应基础信息建立应急食品供应链条指标体系，通过对应急食品供应基础信息进行分析分为一级指标、二级指标和三级指标；
确定评价结果集合；所述评价结果集合中包含评价值与模糊评价结果之间的映射关系；
获取同级指标中各个因素的权重值；
建立模糊综合评价模型；根据应急食品供应链条指标结合同级指标中各个因素的权重值建立与评价结果集合之间的映射关系；
通过模糊综合评价模型对所述应急食品供应基础信息进行分析，得到动态风险预警结果。
进一步地，所述确定应急食品供应链条指标体系根据灾害条件下应急食品调配、运输失效方法，结合影响应急食品调配、运输的风险因子，建立应急食品供应链条指标体系，包括：构建层次结构模型和对层次结构模型进行检验；所述对层次结构模型进行检验包括：
构建层次结构模型的判断矩阵；采用两两比较的方法确定层次结构模型的判断矩阵，判断矩阵中每一个元为比较同级指标中的因素对上级指标的重要程度得到的；其中所述判断矩阵表示为A,具体表示为A＝(dij)n×n，n表示指标中因子的数目，dij表示因素Di和Dj对上级指标的影响比率，
Figure BDA0002968418020000031
对所述判断矩阵进行一致性检验；将所述判断矩阵进行对角化变形，获得判断矩阵的特征值，在矩阵特征值中选取最大特征值，然后通过公式
Figure BDA0002968418020000032
其中CR表示一致性比率，RI表示随机一致性指标，λmax表示最大特征值；当CR<0.10时，表示接受判断矩阵，否则，对判断矩阵做修正；
获取层次结构模型的权向量；其中，第k-1级指标对目标的权向量为w(k-1)，且ω(k-1)＝(a1,a2,…,am)Tω(k-1)；
通过下述公式进行总体一致性检验；
Figure BDA0002968418020000041
其中，CR(k)表示k级指标一致性比率，aj表示权向量中j分量，
Figure BDA0002968418020000042
表示判断矩阵一致性指标中k级指标比率，
Figure BDA0002968418020000043
表示随机一致性指标；
总体一致性比率CR*表示为：
Figure BDA0002968418020000044
其中，log表示对数函数，当CR*的值接近于0.1时，通过一致性检验，否则不通过一致性检验，需要对建立的应急食品供应链条指标体系进行调整。
进一步地，在通过模糊综合评价模型对所述应急食品供应基础信息进行分析时，使用三次模糊综合评价方法，即：先对三级指标进行模糊综合评价，得出其对应的二级指标的综合评价结果；然后对二级指标进行模糊综合评价，得出一级指标的综合评价结果，再对其应用模糊综合评价方法，以得出应急食品供应风险水平的最终评价结果。
进一步地，根据所述动态风险预警结果优化应急食品供应方案包括：根据所述动态风险预警结果对所述应急食品供应方案进行调整和制定新的辅助方案对所述应急食品供应方案进行修订。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明所述的一种应急食品供应安全风险分析管理系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1所示，本发明实施例提供了一种应急食品供应安全风险分析管理系统，包括：基础数据层、数据分析层和数据应用层；
所述基础数据层，用于获取应急食品供应基础信息，所述应急食品供应基础信息包括：灾害条件、灾区人群供需需求、应急食品储备点分布基础信息和应急食品供应方案；
所述数据分析层，用于结合所述应急食品供应基础新息，针对灾害条件的风险因子开展预警阈值判定、风险分级，并建立动态风险预警模型，获得动态风险预警结果；
所述数据应用层，用于根据所述动态风险预警结果进行远程调度，以及根据所述动态风险预警结果优化应急食品供应方案。
上述技术方案中，在应急食品供应安全风险分析管理系统中设置有基础数据层、数据分析层和数据应用层；通过基础数据层，获取应急食品供应基础信息，能够了解灾区的情况以及灾区人群供需需求，从而还能够获得初步根据灾区确定的应急食品供应方案；通过数据分析层，对灾害条件的风险因子开展预警阈值判定、风险分级，并建立动态风险预警模型，获得动态风险预警结果；通过数据应用层，使得不仅能够根据动态风险预警结果进行远程调度，而且还能够根据动态风险预警结果及时对应急食品供应方案进行优化。
本发明提供的一个实施例中，所述数据应用层还用于在应急食品供应方案执行过程中，根据所述动态风险预警结果进行应急指挥。
上述技术方案中，在应急食品供应方案执行过程中，根据动态预警结果的动态变化，针对应急食品供应方案的执行状况进行应急指挥，能够及时发现应急食品供应方案的执行过程中的状况变化，并通过应急指挥得以改善，从而使得应急食品得以顺利供应。
本发明提供的一个实施例中，所述预警阈值判定的方法包括：通过人工神经网络模型进行预警阈值判断和通过卷积神经网络模型进行预警阈值判断。
上述技术方案中，在进行预警阈值判定时，能够通过人工神经网络模型进行预警阈值判断或者通过卷积神经网络模型进行预警阈值判断，在通过人工神经网络模型进行预警阈值判断时，由大量处理单元互联组成的非线性、自适应信息处理系统，从而具有非线性、非局限性、非常定性和非凸性的基本特征，而且在人工神经网络模型中，由响应函数结合阈值根据输出信号输出预警阈值判断结果，其根据公式如下:
Figure BDA0002968418020000061
Figure BDA0002968418020000062
其中，xi表示人工神经网络模型的输入信号，wi表示输出信号的连接权，n表示输入信号的信息数量，θ表示阈值，
Figure BDA0002968418020000063
表示激励函数，u表示中间量，y表示人工神经网络模型的输出预警阈值判断结果；
人工神经网络模型分为离线学习和在线判断，离线学习主要是各神经元进行规则学习，权参数调整，进行非线性映射关系拟合以达到训练精度，在线判断是训练好的稳定的网络读取输入信息通过计算得到输出结果。
在通过卷积神经网络模型进行预警阈值判断时，卷积神经网络分为输入层、隐含层、输出层；通过输入层处理多维数据，且采用三维输入数据；隐含层又包含卷积层、池化层和全连接层，卷积层采用矩阵乘法，并在卷积层间构建全连接网络。卷积层参数包括卷积核大小、步长和填充，是卷积神经网络的超参数，三者共同决定了卷积层输出特征图的尺寸。在卷积层进行特征提取后，输出的特征图会被传递至池化层进行特征选择和信息过滤，池化层选取池化区域与卷积核扫描特征图步骤相同，由池化大小、步长和填充控制。全连接层位于卷积神经网络隐含层的最后部分，并只向其它全连接层传递信号，特征图在全连接层中会失去空间拓扑结构，被展开为向量并通过激励函数。输出层的上游通常是全连接层，其结构和工作原理与传统前馈神经网络中的输出层相同，在图像语义分割中，输出层直接输出每个像素的分类结果。
本发明提供的一个实施例中，在所述预警阈值判定过程中，针对预警阈值分析的方法包括：中数原则、均数原则、卷积神经算法和专家征询。
上述技术方案中，在所述预警阈值判定过程中，针对预警阈值判断时还可以通过中数原则、均数原则和专家征询进行预警阈值分析，
本发明提供的一个实施例中，所述风险分级包括：重大风险、较大风险、一般风险和低风险；所述重大风险是指损失率高于百分之八十；所述较大风险是指损失率在百分之五十至百分之八十之间；所述一般风险是指损失率在百分之三十至百分之五十之间；所述低风险是指损失率低于百分之三十。
上述技术方案中，风险等级是根据损失率进行限定的，当损失率低于百分之三十时，则为低风险，当损失率在百分之三十至百分之五十之间时，则为一般风险，当损失率在百分之五十至百分之八十之间时，则为较大风险，当损失率在百分之八十以上时，则为重大风险，通过损失率进行风险等级反映能够灾害的严重性，进而能够间接反映对应急食品的需要紧急状况，从而能够及时进行应急食品供应。
本发明提供的一个实施例中，所述动态风险预警模型通过模糊综合评价模型获得动态风险预警结果，其建立过程包括：
确定应急食品供应链条指标体系；根据所述应急食品供应基础信息建立应急食品供应链条指标体系，通过对应急食品供应基础信息进行分析分为一级指标、二级指标和三级指标；
确定评价结果集合；所述评价结果集合中包含评价值与模糊评价结果之间的映射关系；
获取同级指标中各个因素的权重值；
建立模糊综合评价模型；根据应急食品供应链条指标结合同级指标中各个因素的权重值建立与评价结果集合之间的映射关系；
通过模糊综合评价模型对所述应急食品供应基础信息进行分析，得到动态风险预警结果。
上述技术方案中，动态风险预警模型通过模糊综合评价模型获得动态风险预警结果，在建立动态风险预警模型时，首先根据应急食品供应基础信息建立应急食品供应链条指标体系，应急食品供应链条指标体系包括三级指标，一级指标包括应急食品供应链，二级指标包括：应急食品调配和应急食品运输，三级指标包括：储备物资不足、储备供应点分散、管理经验不足、沟通信息不畅、运输时效、运输距离、运输备选路线、道路交通状况、运输能力、运输管理能力、受灾及救援人数、信息共享及时性、天气状况；然后确定评价结果集合，明确在通过动态风险预警模型最终输出的动态风险预警结果是以什么样的形式呈现；接着，获取应急食品供应链条指标体系中同级指标的各个因素的权重值；以及应急食品供应链条指标结合同级指标中各个因素的权重值建立与评价结果集合之间的映射关系；最后通过模糊综合评价模型对应急食品供应基础信息进行分析，得到动态风险预警结果。上述技术方案通过应急食品供应基础信息动态实时获得，使得通过模糊综合评价模型输出的风险预警结果也是一个动态结果，从而能够随时获得风险预警结果，进而能够及时优化应急食品供应方案和进行远程调度，有利于实现应急食品供应安全风险分析管理，此外在确定应急食品供应链条指标体系时，充分考虑应急食品供应链的各个因素，为应急食品供应链的改良和优化提出了指导和理论依据。
本发明提供的一个实施例中，所述确定应急食品供应链条指标体系根据灾害条件下应急食品调配、运输失效方法，结合影响应急食品调配、运输的风险因子，建立应急食品供应链条指标体系，包括：构建层次结构模型和对层次结构模型进行检验；所述对层次结构模型进行检验包括：
构建层次结构模型的判断矩阵；采用两两比较的方法确定层次结构模型的判断矩阵，判断矩阵中每一个元为比较同级指标中的因素对上级指标的重要程度得到的；其中所述判断矩阵表示为A,具体表示为A＝(dij)n×n，n表示指标中因子的数目，dij表示因素Di和Dj对上级指标的影响比率，
Figure BDA0002968418020000091
对所述判断矩阵进行一致性检验；将所述判断矩阵进行对角化变形，获得判断矩阵的特征值，在矩阵特征值中选取最大特征值，然后通过公式
Figure BDA0002968418020000092
其中CR表示一致性比率，RI表示随机一致性指标，λmax表示最大特征值；当CR<0.10时，表示接受判断矩阵，否则，对判断矩阵做修正；
获取层次结构模型的权向量；其中，第k-1级指标对目标的权向量为w(k-1)，且ω(k-1)＝(a1,a2,…,am)Tω(k-1)；
通过下述公式进行总体一致性检验；
Figure BDA0002968418020000101
其中，CR(k)表示k级指标一致性比率，aj表示权向量中j分量，
Figure BDA0002968418020000102
表示判断矩阵一致性指标中k级指标比率，
Figure BDA0002968418020000103
表示随机一致性指标；
总体一致性比率CR*表示为：
Figure BDA0002968418020000104
其中，log表示对数函数，当CR*的值接近于0.1时，通过一致性检验，否则不通过一致性检验，需要对建立的应急食品供应链条指标体系进行调整。
上述技术方案中，根据所述应急食品供应基础信息建立评价指标体系时，按照建立层次结构模型、构建判断矩阵、对判断矩阵进行一致性检验、计算权向量和组合权向量以及总体一致性检验的顺序进行，从而使得建立的评价指标体系总体上通过一致性检验，从而降低最终的评价结果的误差。
本发明提供的一个实施例中，在通过模糊综合评价模型对所述应急食品供应基础信息进行分析时，使用三次模糊综合评价方法，即：先对三级指标进行模糊综合评价，得出其对应的二级指标的综合评价结果；然后对二级指标进行模糊综合评价，得出一级指标的综合评价结果，再对其应用模糊综合评价方法，以得出应急食品供应风险水平的最终评价结果。
上述技术方案中，在进行评价时，按照三级指标、二级指标和一级指标的顺序进行模糊综合评价，最终获得应急食品供应风险水平的最终评价结果，由低向高的顺序进行，从而使得根据三级指标得到对应的二级指标的综合评价结果，根据二级指标得到对应的一级指标的综合评价结果，最后根据一级指标得到应急食品供应风险水平的最终评价结果，环环相扣，层层关联，还能够避免引用出错导致评价结果不准确。
本发明提供的一个实施例中，根据所述动态风险预警结果优化应急食品供应方案包括：根据所述动态风险预警结果对所述应急食品供应方案进行调整和制定新的辅助方案对所述应急食品供应方案进行修订。
上述技术方案中，在根据所述动态风险预警结果优化应急食品供应方案时，既可以通过对应急食品供应方案进行调整，又可以制定新的辅助方案对应急食品供应方案进行修订，由于应急食品供应基础信息的动态实时获取的信息导致的动态风险预警结果的变化，从而通过对应急食品供应方案的调整和修订使得应急食品供应方案能够适应当前的灾害条件，从而能够及时供应应急食品，降低应急食品供应方案的风险。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种应急食品供应安全风险分析管理系统，其特征在于，包括：基础数据层、数据分析层和数据应用层；
所述基础数据层，用于获取应急食品供应基础信息，所述应急食品供应基础信息包括：灾害条件、灾区人群供需需求、应急食品储备点分布基础信息和应急食品供应方案；
所述数据分析层，用于结合所述应急食品供应基础新息，针对灾害条件的风险因子开展预警阈值判定、风险分级，并建立动态风险预警模型，获得动态风险预警结果；所述动态风险预警模型通过模糊综合评价模型获得动态风险预警结果，其建立过程包括：
确定应急食品供应链条指标体系；根据所述应急食品供应基础信息建立应急食品供应链条指标体系，通过对应急食品供应基础信息进行分析分为一级指标、二级指标和三级指标；
确定评价结果集合；所述评价结果集合中包含评价值与模糊评价结果之间的映射关系；
获取同级指标中各个因素的权重值；
建立模糊综合评价模型；根据应急食品供应链条指标结合同级指标中各个因素的权重值建立与评价结果集合之间的映射关系；
通过模糊综合评价模型对所述应急食品供应基础信息进行分析，得到动态风险预警结果；
所述数据应用层，用于根据所述动态风险预警结果进行远程调度，以及根据所述动态风险预警结果优化应急食品供应方案。
2.根据权利要求1所述的应急食品供应安全风险分析管理系统，其特征在于，所述数据应用层还用于在应急食品供应方案执行过程中，根据所述动态风险预警结果进行应急指挥。
3.根据权利要求1所述的应急食品供应安全风险分析管理系统，其特征在于，所述预警阈值判定的方法包括：通过人工神经网络模型进行预警阈值判断和通过卷积神经网络模型进行预警阈值判断。
4.根据权利要求3所述的应急食品供应安全风险分析管理系统，其特征在于，在所述预警阈值判定过程中，针对预警阈值分析的方法包括：中数原则、均数原则、卷积神经算法和专家征询。
5.根据权利要求1所述的应急食品供应安全风险分析管理系统，其特征在于，所述风险分级包括：重大风险、较大风险、一般风险和低风险；所述重大风险是指损失率高于百分之八十；所述较大风险是指损失率在百分之五十至百分之八十之间；所述一般风险是指损失率在百分之三十至百分之五十之间；所述低风险是指损失率低于百分之三十。
6.根据权利要求1所述的应急食品供应安全风险分析管理系统，其特征在于，所述确定应急食品供应链条指标体系根据灾害条件下应急食品调配、运输失效方法，结合影响应急食品调配、运输的风险因子，建立应急食品供应链条指标体系，包括：构建层次结构模型和对层次结构模型进行检验；所述对层次结构模型进行检验包括：
构建层次结构模型的判断矩阵；采用两两比较的方法确定层次结构模型的判断矩阵，判断矩阵中每一个元为比较同级指标中的因素对上级指标的重要程度得到的；其中所述判断矩阵表示为A,具体表示为A＝(dij)n×n，n表示指标中因子的数目，dij表示因素Di和Dj对上级指标的影响比率，
Figure FDA0003226977990000031
对所述判断矩阵进行一致性检验；将所述判断矩阵进行对角化变形，获得判断矩阵的特征值，在矩阵特征值中选取最大特征值，然后通过公式
Figure FDA0003226977990000032
其中CR表示一致性比率，RI表示随机一致性指标，λmax表示最大特征值；当CR＜0.10时，表示接受判断矩阵，否则，对判断矩阵做修正；
获取层次结构模型的权向量；其中，第k-1级指标对目标的权向量为w(k-1)，且ω(k-1)＝(a1,a2,…,am)Tω(k-1)；
通过下述公式进行总体一致性检验；
Figure FDA0003226977990000033
其中，CR(k)表示k级指标一致性比率，aj表示权向量中j分量，
Figure FDA0003226977990000034
表示判断矩阵一致性指标中k级指标比率，
Figure FDA0003226977990000035
表示随机一致性指标；
总体一致性比率CR*表示为：
Figure FDA0003226977990000036
其中，log表示对数函数，当CR*的值等于0.1时，通过一致性检验，否则不通过一致性检验，需要对建立的应急食品供应链条指标体系进行调整。
7.根据权利要求1所述的应急食品供应安全风险分析管理系统，其特征在于，在通过模糊综合评价模型对所述应急食品供应基础信息进行分析时，使用三次模糊综合评价方法，即：先对三级指标进行模糊综合评价，得出其对应的二级指标的综合评价结果；然后对二级指标进行模糊综合评价，得出一级指标的综合评价结果，再对其应用模糊综合评价方法，以得出应急食品供应风险水平的最终评价结果。
8.根据权利要求1所述的应急食品供应安全风险分析管理系统，其特征在于，根据所述动态风险预警结果优化应急食品供应方案包括：根据所述动态风险预警结果对所述应急食品供应方案进行调整和制定新的辅助方案对所述应急食品供应方案进行修订。
CN202110258163.XA 2021-03-09 2021-03-09 一种应急食品供应风险分析方法 Active CN113052441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110258163.XA CN113052441B (zh) 2021-03-09 2021-03-09 一种应急食品供应风险分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110258163.XA CN113052441B (zh) 2021-03-09 2021-03-09 一种应急食品供应风险分析方法

Publications (2)

Publication Number Publication Date
CN113052441A CN113052441A (zh) 2021-06-29
CN113052441B true CN113052441B (zh) 2021-10-08

Family

ID=76510931

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110258163.XA Active CN113052441B (zh) 2021-03-09 2021-03-09 一种应急食品供应风险分析方法

Country Status (1)

Country Link
CN (1) CN113052441B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114118731A (zh) * 2021-11-10 2022-03-01 中国电子科技集团公司电子科学研究院 一种动态风险预警分级方法及装置
CN113886716B (zh) * 2021-11-30 2022-04-05 国家食品安全风险评估中心 食品安全突发事件的应急处置推荐方法及系统
CN114399123B (zh) * 2022-03-24 2022-06-21 深圳市磅旗科技智能发展有限公司 一种智慧供应链物流智能优化管理方法和系统
CN115860485B (zh) * 2023-02-17 2023-05-23 南京币鑫数据科技有限公司 一种基于大数据和人工智能的供应链风险控制系统及方法
CN117078102B (zh) * 2023-08-28 2024-05-17 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) 基于空间匹配度的区域粮食安全保障能力定量化评价方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496103A (zh) * 2011-12-16 2012-06-13 芜湖安得物流股份有限公司 食品安全物流信息管理系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010019462A2 (en) * 2008-08-15 2010-02-18 Raytheon Company Method and apparatus for critical infrastructure protection
CN104361418B (zh) * 2014-12-05 2017-05-24 北京师范大学 一种流域水生态安全监控预警平台及其预警方法
CN105279704B (zh) * 2015-09-25 2019-02-01 天津大学 长距离输水工程应对突发水污染事件的调控预案生成方法
CN108510146A (zh) * 2017-12-28 2018-09-07 国家安全生产监督管理总局通信信息中心 煤矿安全生产风险预警方法和系统
CN112163732A (zh) * 2020-08-27 2021-01-01 北京市安全生产科学技术研究院 典型商业区风险预警体系构建及预警分级分类方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496103A (zh) * 2011-12-16 2012-06-13 芜湖安得物流股份有限公司 食品安全物流信息管理系统

Also Published As

Publication number Publication date
CN113052441A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN113052441B (zh) 一种应急食品供应风险分析方法
CN111091143B (zh) 基于深度信念网络和K-means聚类的配变重过载预警方法
Larbani et al. A novel method for fuzzy measure identification.
WO2009099448A1 (en) Methods and systems for score consistency
CN112966871B (zh) 基于卷积长短期记忆神经网络的交通拥堵预测方法及系统
AU2019100968A4 (en) A Credit Reporting Evaluation System Based on Mixed Machine Learning
CN112734154B (zh) 一种基于模糊数相似度的多因素舆情风险评估方法
CN113011518B (zh) 基于组合加权朴素贝叶斯的铝电解槽槽况健康度分类方法
CN112016742A (zh) 一种基于ahp的消防救援路径选择算法的优化方法
CN111210621A (zh) 基于实时路况的信号绿波协调路线优化控制方法及系统
CN115829326A (zh) 基于优化组合赋权模型的山区公路建设风险评价方法
CN113886372A (zh) 一种基于改进层次分析法的用户画像构建方法
CN113822499A (zh) 一种基于模型融合的列车备件损耗预测方法
CN112036651A (zh) 基于量子免疫优化bp神经网络算法的电价预测方法
CN116739376A (zh) 一种基于数据挖掘的公路路面预防性养护决策方法
CN113344692B (zh) 多信息源融合的网络借贷信用风险评估模型的建立方法
CN114021873A (zh) 一种数据指标量化方法和智慧园区企业价值评价系统
CN112766637A (zh) 股东支持企业的评分方法、装置和电子设备
CN113327047A (zh) 基于模糊综合模型的电力营销服务渠道决策方法及系统
Kun et al. Default identification of p2p lending based on stacking ensemble learning
CN116956740A (zh) 面向平面桁架结构的用户偏好模型构建方法、系统、应用
CN116611686A (zh) 一种基于组合赋权-云模型的充填管道堵塞等级评价方法
CN115907719A (zh) 充电站分级运维管理方法及装置
CN115689191A (zh) 一种面向指标体系筛选优化的智能电网安全性评估方法
CN113807063A (zh) 面向dikw内容的意图驱动交互填表方法

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