[发明专利]一种基于机器学习的快递站点健康度检测方法

权利要求书

1.一种基于机器学习的快递站点健康度检测方法，其特征在于，该方法包括如下步骤：

步骤1、以快递站点各种运营数据的周均值作为各运营数据的周稳定值，选取各运营数据的多周稳定值，构建能够体现快递站点整体运营状况的特征属性集S1；

步骤2、从S1中选取能够体现快递站点运营异常发生前长期变化趋势的特征属性子集，并以多项式曲线拟合技术分别拟合选取出的特征属性子集中各特征属性的多周稳定值，将拟合产生的多项式系数以及选取出的特征属性子集中各特征属性的首尾周稳定值的差值进行组合，构建能够体现快递站点长期运营状况变化趋势的特征属性集S2；

步骤3、以运营异常发生时间为基准来分别对齐发生运营异常的快递站点与正常运营的快递站点平稳运营时的特征属性集S1与S2，并将S1与S2分别根据快递站点发生运营异常或正常运营进行分类；

步骤4、从已经对齐并分类的特征属性集S1包含的数据中，选取发生运营异常的快递站点运营异常发生前n₁周的数据与正常运营的快递站点相同周数的平稳运营时的数据；对归属于正面样例的发生运营异常的快递站点的特征属性集S1进行向上采样，然后使用随机森林算法构造并训练模型Model1；从已经对齐并分类的特征属性集S2包含的数据中，选取发生运营异常的快递站点运营异常发生n₂周前的n₃周的数据与正常运营站点相同周数的平稳运营时的数据，使用改进的随机森林算法构造并训练模型Model2，其中，改进的随机森林算法是将构建单棵决策树的抽样方法由Bootsrap方法改进为每次从样本量大的反面样例中随机有放回地选取一定比例的样本的下采样方法；

步骤5、以实时采集的待检测快递站点的各种运营数据的周均值作为各运营数据的周稳定值，选取各运营数据的多周稳定值，构建能够体现待检测快递整体运营状况的特征属性集S3，使用模型Model1根据特征属性集S3对待检测快递站点的健康度进行检测；从S3中选取能够体现待检测快递站点运营异常发生前长期变化趋势的特征属性子集，并以多项式曲线拟合技术分别拟合选取出的特征属性子集中各特征属性的多周稳定值，将拟合产生的多项式系数以及选取出的特征属性子集中各特征属性的首尾周稳定值的差值进行组合，构建能够体现待检测快递站点长期运营状况变化趋势的特征属性集S4，使用模型Model2根据特征属性集S4对快递站点的健康度进行检测。

2.根据权利要求1所述的基于机器学习的快递站点健康度检测方法，其特征在于，所述运营数据包括出件量、派件量、平均派件时长、签收及时率和账户余额。

3.根据权利要求2所述的基于机器学习的快递站点健康度检测方法，其特征在于，选取出的能够体现快递站点和待检测快递站点运营异常发生前长期变化趋势的特征属性子集中的特征属性包括出件量、账户余额和平均派件时长。

4.根据权利要求1所述的基于机器学习的快递站点健康度检测方法，其特征在于，n₁＝4，n₂＝3，n₃＝8。