基于层次分析法和有序加权算子的供应商风险预警系统技术方案

本发明专利技术涉及一种基于层次分析法和有序加权算子的供应商风险预警系统及方法，所述的一种基于层次分析法和有序加权算子的供应商风险预警系统，包括数据准备及预处理单元和建模分析单元：所述的数据准备及预处理单元：采集所需内外部数据，完成采集数据的清洗转换，包括缺失值、异常值和噪音处理，对数据的无量纲化处理；所述的建模分析单元：基于AHP

【技术实现步骤摘要】
基于层次分析法和有序加权算子的供应商风险预警系统


[0001]本专利技术属于信息管理
，具体涉及一种基于层次分析法和有序加权算子的供应商风险预警系统及方法。

技术介绍

[0002]现有的供应商征信数据采集主要依靠人工手动查询、筛选，受网络及外部平台因素限制，其数据采集的时效性及准确性无法得到有效保障，影响对存在信用风险的供应商开展风险防控工作。主要面临问题：一是、数据统计难度大。即供应商信用数据分散广，具有多维度、多平台的特点，目前主要采集供应商征信、处罚、安全事故、不良行为等信用数据，人工统计难度大。二是、信用风险预控有待提高。
[0003]特别是现有的智能电网正处于全面建设与引领提升相结合的发展阶段，电网供应商风险预警评估是现在智能电网背景下关于电力系统评估领域的重要问题。尤其是在能源行业工程、数据要素等方面已建立评估评价系统的基础上，亟需一种供应商风险预警评估的准确、安全、高效系统及其算法。

技术实现思路

[0004]本专利技术目的是提供一种基于层次分析法和有序加权算子的供应商风险预警系统及方法，准确高效的统计所需数据，进一步确保准确、安全、高效的管理，提升安全性能，适用性广。
[0005]为了实现以上目的，本专利技术采用的技术方案为：一种基于层次分析法和有序加权算子的供应商风险预警系统，包括数据准备及预处理单元和建模分析单元：
[0006]所述的数据准备及预处理单元：采集所需内外部数据，完成采集数据的清洗转换，包括缺失值、异常值和噪音处理，对数据的无量纲化处理；<br/>[0007]所述的建模分析单元：基于AHP
‑
OWA大数据挖掘构建供应商风险预警评估矩阵，确定指标数据权重。
[0008]进一步的，所述的数据准备及预处理单元中：
[0009]所述的缺失值处理：针对连续型数值缺失值采用平滑处理，针对离散型数值依据指标属性特征取值为0；
[0010]所述的异常值和噪音处理：采用3σ准则处理异常值和噪音数据，在区间(μ
‑
3σ,μ+3σ)之外的数值，视为异常数据进行修正，其中μ为平均值，σ为标准差；
[0011]所述的无量纲化处理：采用Min
‑
Max标准化方法对连续型数值进行归一化处理，将连续性数值标准化在[0，1]区间，转换为无量纲的数值；
[0012]将所有的二级指标转换成百分制；
[0013]所述的建模分析单元中：分别构造一级指标和二级指标对应的评价矩阵。
[0014]进一步的，一种基于层次分析法和有序加权算子的供应商风险预警系统的方法，包括如下步骤：
[0015]1)、设计供应商风险预警评估框架，以框架为基础设计一级指标和二级指标，形成供应商风险预警评估指标系统，并且依据指标系统收集数据，对数据进行预处理，形成量化的指标数值；
[0016]2)、分别构建一级指标和二级指标对应的评价矩阵；
[0017]3)、对构建的评价矩阵分别进行矩阵一致性检测，若不通过检测则重新构建对应的评价矩阵；
[0018]4)、采用算数平均法、几何平均法、特征值法，计算通过矩阵一致性检测的评价矩阵指标权重；
[0019]5)、通过有序加权算子进行主观权重修正；
[0020]6)、通过量化的指标数值与权重的积累加求和得到各供应商风险预警评估结果。
[0021]进一步的，还包括：
[0022]步骤7)、选择与基础数据库匹配的供应商进行验证，综合验证结果，反向优化模型。
[0023]再进一步的，步骤2)中建立评价矩阵：
[0024]假设评价矩阵为A，对应的元素为a
ij
，构建评价矩阵：a
ij
表示是：与指标j相比，i的重要程度；当i＝j时，两指标相同，因此同等重要，记为1；a
ij
&gt;0且满足a
ij
×
a
ji
＝1，评价矩阵满足正互反矩阵。
[0025]再进一步的，步骤3)中评价矩阵一致性检测：
[0026]3.1)、计算评价矩阵最大特征值λ
max
和一致性指标CI
[0027][0028]n是矩阵的维数，当评价矩阵的最大特征值为n时，此评价矩阵为一致矩阵；
[0029]3.2)、若评价矩阵的最大特征值不为n，根据n的大小，查找平均随机一致性指标RI；
[0030]3.3)、计算一致性比例CR：
[0031][0032]如果CR&lt;0.1，评价矩阵的一致性可接受，否则对评价矩阵进行修正。
[0033]再进一步的，步骤4)中，
[0034]算术平均法：
[0035]步骤一：将判断矩阵按照列归一化；
[0036]步骤二：将归一化的各列相加；
[0037]步骤三：将相加后得到的向量中每个元素除以n即可得到权重向量；
[0038]几何平均法：
[0039]步骤一：将判断矩阵元素按照行相乘得到一个新的列向量；
[0040]步骤二：将新的向量的每个分量开n次方；
[0041]步骤三：对该列向量进行归一化即可得到权重向量；
[0042]特征值法：
[0043]步骤一：求出判断矩阵的最大特征值以及其对应的特征向量；
[0044]步骤二：对求出的特征向量进行归一化即可得到权重
[0045]再进一步的，步骤5)中，OWA主观权重修正：
[0046]在准则层评价矩阵通过一致性检测，获得s个基础数据库对n个评价指标的初始权重矩阵B
n
×
s
，对第j个指标所得权重(b
j1
，b
j2
，b
j2
，...,b
js
)进行降序重新排列，记重新排列后为(p0，p1，p2，...,p
s
‑1),在重新排列数据中选取t个数据后的组合则有序加权向量v
t
为：
[0047][0048]从而得到第j个指标的绝对值为：
[0049][0050]则有序加权算子修正后的主观权重值w
j
为：
[0051][0052]其中，j＝1,2,...,n；
[0053]依据有序加权算子分别对准则层和指标层的各项指标权重进行修正，得到最终的各项指标权重。
[0054]再进一步的，求得的准则层和/或指标层数据，分别乘以相应权重再累加，得到供应商风险预警评估结果。
[0055]本专利技术的技术效果在于：本专利技术的一种基于层次分析法和有序加权算子的供应商风险预警系统及方法，准确高效的统计所需数据，进一步确保准确、安全、高效的管理，提升安全性能，适用性广。具体的，构建了电网供应商风险预警评估模型系统，将大数据算法中的层次分析法和有序加权算子应用于电网供应商风险预警评估中，建立了用于反映供应商风险时效性的动态评估模型系统，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于层次分析法和有序加权算子的供应商风险预警系统，其特征在于，包括数据准备及预处理单元和建模分析单元：所述的数据准备及预处理单元：采集所需内外部数据，完成采集数据的清洗转换，包括缺失值、异常值和噪音处理，对数据的无量纲化处理；所述的建模分析单元：基于AHP
‑
OWA大数据挖掘构建供应商风险预警评估矩阵，确定指标数据权重。2.根据权利要求1所述的一种基于层次分析法和有序加权算子的供应商风险预警系统，其特征在于，所述的数据准备及预处理单元中：所述的缺失值处理：针对连续型数值缺失值采用平滑处理，针对离散型数值依据指标属性特征取值为0；所述的异常值和噪音处理：采用3σ准则处理异常值和噪音数据，在区间(μ
‑
3σ,μ+3σ)之外的数值，视为异常数据进行修正，其中μ为平均值，σ为标准差；所述的无量纲化处理：采用Min
‑
Max标准化方法对连续型数值进行归一化处理，将连续性数值标准化在[0，1]区间，转换为无量纲的数值；将所有的二级指标转换成百分制；所述的建模分析单元中：分别构造一级指标和二级指标对应的评价矩阵。3.根据权利要求1所述的一种基于层次分析法和有序加权算子的供应商风险预警系统的方法，包括如下步骤：1)、设计供应商风险预警评估框架，以框架为基础设计一级指标和二级指标，形成供应商风险预警评估指标系统，并且依据指标系统收集数据，对数据进行预处理，形成量化的指标数值；2)、分别构建一级指标和二级指标对应的评价矩阵；3)、对构建的评价矩阵分别进行矩阵一致性检测，若不通过检测则重新构建对应的评价矩阵；4)、采用算数平均法、几何平均法、特征值法，计算通过矩阵一致性检测的评价矩阵指标权重；5)、通过有序加权算子进行主观权重修正；6)、通过量化的指标数值与权重的积累加求和得到各供应商风险预警评估结果。4.根据权利要求3所述的一种基于层次分析法和有序加权算子的供应商风险预警系统的方法，其特征在于，还包括：步骤7)、选择与基础数据库匹配的供应商进行验证，综合验证结果，反向优化模型。5.根据权利要求3或4所述的一种基于层次分析法和有序加权算子的供应商风险预警系统的方法，其特征在于，步骤2)中建立评价矩阵：假设评价矩阵为A，对应的元素为a
ij
，构建评价矩阵：a
ij
表示是：与指标j相比，i的重要程度；当i＝j时，两指标相同，因此同等重要，记为1；a
ij
&gt;0且满足a...

【专利技术属性】
技术研发人员：胡波，冯亮，南天，
申请(专利权)人：国网甘肃省电力公司兰州供电公司，
类型：发明
国别省市：