采用组合算法的物流系统防疫风险评估

作者：王海灵; 杨亚宁; 康紫依; 李淑娟

来源：安全与环境学报, 2023, 23(08): 2849-2858.

DOI：10.13637/j.issn.1009-6094.2022.1080

• 公共安全
• 组合最优化
• 防疫
• 物流系统
• 机器学习

为了更合理地评估物流系统引起疫情传播的风险，提供了一种基于随机森林回归、K近邻(K-Nearest Neighbor,KNN)及专家判断法的风险组合评估算法。通过构建传播疫情风险的组合评估基础方法模型，对目标地区系统风险等级进行预判，对人员、交通工具、周转工具、货物包装、产品及系统风险等级进行仿真。首先构建随机森林回归模型预测感染者数据，构建KNN聚类及专家打分预判等级的风险组合算法测度风险等级。之后利用留出法按8∶2将7国省级数据分为训练集和预测集来训练模型，得到最优随机森林回归模型；利用专家打分法设定低、中、高风险区间，按照此区间预设1 000条数据，且随机打乱其中的5 000个数值构成矩阵，作为KNN的假设数据集，训练得到最优KNN模型，准确率(Accuracy, ACC)为0.975。最后对非精准国家吉尔吉斯斯坦共和国进行实证仿真，得到五要素的风险值，其物流系统整体风险等级为高风险。该组合算法是物流系统疫情防控的技术突破点，可为决策提供数据支撑。

• 单位
  新疆大学