[发明专利]一种基于SVM的运费误差预测方法及装置

权利要求书

1.一种基于SVM的运费误差预测方法，其特征在于，包括：

获取承运商的历史运费数据构建训练样本集，并且获取当前运费数据构建测试样本集；

选择任意一对惩罚系数和核参数函数的组合，构造SVM分类器的目标函数；

结合所述训练样本集作为输入以及训练样本集中的误差率作为输出，对所述目标函数进行训练，获得所述SVM分类器；

利用所述SVM分类器，将所述测试样本集作为输入，计算获得所述承运商运费的所述误差率。

2.根据权利要求1所述的方法，其特征在于，所述当前运费数据包括：预设时间周期中的特定时间段的所述承运商对应的路由、计费类型、运单体积、商品件型、计费时间、计算金额；

所述历史运费数据包括：所述预设时间周期中除所述特定时间段之外的剩余时间段的所述承运商对应的路由、计费类型、运单体积、商品件型、计费时间、计算金额、实际金额、误差率。

3.根据权利要求1所述的方法，其特征在于，对所述目标函数进行训练，还包括：

采用均匀设计方法选择预设数量的所述惩罚系数和所述核参数函数的组合，结合所述训练样本集作为输入以及训练样本集中的误差率对所述目标函数进行训练。

4.根据权利要求3所述的方法，其特征在于，还包括：在对所述目标函数进行训练，获得所述SVM分类器之后，确认得到最优的所述惩罚系数和所述核参数函数。

5.根据权利要求1所述的方法，其特征在于，还包括：如果计算获得所述承运商运费的所述误差率小于等于预设阀值，则向所述承运商支付所述当前运费数据中所述计算金额的承运费，反之，则向所述承运商按照实际金额进行支付。

6.根据权利要求1所述的方法，其特征在于，构造的所述目标函数是：

f(x)=Σj=1nαjyjk(xj,x)+b]]>

其中，α_j表示拉格朗日系数，x_j表示输入样本，y_j表示样本类别值，y_j表示以误差率作为样本类别值且y_j∈(-∞,+∞)，k，b分别为超平面kx+b＝0的系数和常数。

7.一种基于SVM的运费误差预测装置，其特征在于，包括：

数据采集模块，用于获取承运商的历史运费数据构建训练样本集，并且获取当前运费数据构建测试样本集；

目标函数构造模块，用于选择任意一对惩罚系数和核参数函数的组合，构造SVM分类器的目标函数；

分类器构造模块，用于结合所述训练样本集作为输入以及训练样本集中的误差率作为输出，对所述目标函数进行训练，获得所述SVM分类器；

预测模块，用于利用所述SVM分类器，将所述测试样本集作为输入，计算获得所述承运商运费的所述误差率。

8.根据权利要求7所述的装置，其特征在于，所述当前运费数据包括：预设时间周期中的特定时间段的所述承运商对应的路由、计费类型、运单体积、商品件型、计费时间、计算金额；

所述历史运费数据包括：所述预设时间周期中除所述特定时间段之外的剩余时间段的所述承运商对应的路由、计费类型、运单体积、商品件型、计费时间、计算金额、实际金额、误差率。

9.根据权利要求7所述的装置，其特征在于，所述分类器构造模块还用于：

采用均匀设计装置选择预设数量的所述惩罚系数和所述核参数函数的组合，结合所述训练样本集作为输入以及训练样本集中的误差率对所述目标函数进行训练。