摘要
针对现有供应链风险预估与控制算法存在的风险值预估精度低及风险值方差异常波动等不足,在无监督学习框架下设计了一种基于改进故障树模型的风险控制算法。首先,构建了以无监督模块为核心组成部分的供应链数据训练模型,获取到了较为完整和没有奇异数据的供应链数据集;其次,引入了模块化的改进方案来优化故障树模型的性能,将故障树分割为静态故障子树和动态故障子树;最后,同步将供应链数据集输入模型,并基于线性搜索的方式对改进故障树模型进行训练和搜索,利用改进故障树模型计算事件概率和供应链的风险等级。实验结果显示,所提出的供应链风险预估与控制算法评估值与理论值趋同,各不同时间周期内测试集的风险值均值和方差分别为0.511、0.132,低于各传统的供应链风险预估与控制算法。
出处
《科技与创新》
2025年第10期31-34,共4页
Science and Technology & Innovation
作者简介
赵飞(1984-),男,汉族,河北衡水人,本科,高级工程师,研究方向为大数据应用。
