System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及区块链,具体为一种基于智能合约和评分卡设备自动报废的方法和系统。
技术介绍
1、本专利技术是通过融合区块链、机器学习、规则引擎等多种技术,基于各自的技术特点和要解决的业务问题进行深度融合而产生的,主要是为了提高业务处置效率和错误率,通过以机代人的模式,极大减少人工判断和处理的工作。通过评分卡模型提供可量化的评估依据,形成评分卡,利于积累和传递相关专业人员的知识。在执行评分卡阶段,引入了规则引擎,可以灵活调整业务规则而不用做软件升级等复杂流程。基于智能合约的自动执行,可以实现全流程、全时段自动化判断决策和决策记录的不可篡改性。通过利用区块链的技术手段解决追溯监管难题。
2、现有的技术的缺点如下:传统方案中的设备鉴定、报废申请、审批和处理等环节大多需要人工操作,处理效率相对较低。在传统方案中,人为操作较多,因此可能会出现错误或疏漏的情况,导致设备报废不及时或者处理不当等问题。不同城市或地区对于设备报废的处理方式和标准可能存在差异,导致资源利用不充分、环保处理不当等问题。传统方案中对于设备的回收和再利用效率不高,缺乏有效的分类和处理方式,导致部分可再利用的设备无法得到合理的处理。传统方案中对于设备报废的处理过程难以进行跟踪和监控,缺乏有效的信息化手段和工具,导致处理过程不透明、监管难度较大。传统方案中对于设备的环保和安全问题难以保障,缺乏有效的监管机制和技术手段,可能导致设备处理不当对环境造成污染或引发安全事故等问题。
技术实现思路
1、本专利技术的目的在于提供
2、为了解决上述技术问题,本专利技术提供如下技术方案:
3、一种基于智能合约和评分卡设备自动报废的方法,步骤如下:
4、s1.1、基于报废数据源进行数据探查,对探查发现的缺失值进行处理;
5、s1.2、对于经过缺失值处理完成后的数据,针对连续性变量进行特征离散化处理;
6、s1.3、针对已使用年限进行特征分箱,将已使用年限进行特征分箱;
7、s1.4、分箱完成后,基于相关算法计算特征重要度,从而选择后续作为逻辑回归的参数;
8、s1.5、计算特征woe映射表,按照特征woe映射表,把特征的组别映射成对应的woe值;
9、s1.6、对变量对应的woe值进行归一化处理,然后采用逻辑回归和选择的入模变量进行模型训练;训练完成后,得到各个特征的权重和阈值;
10、s1.7、进入模型评估阶段,通过auc指标分别计算训练样本和测试样本的auc,然后根据auc进行评估模型是否可投产,只有auc>w时,模型才符合生产要求,其中w是一个正小数;
11、s1.8、逻辑回归模型的输出是一个概率值,表示为p(y=1),其中y是二分类问题中的目标变量,1表示正类别报废,0表示负类别不报废;评分模型的目标是将所述概率值转换为一个分数,所述分数用于决策;
12、s1.9、将基础分与各个特征结合woe映射表,通过代入模型训练好的得分计算公式生产对应的资产健康情况评分卡;
13、s2.0、模型投产时,先设定一个评分阈值,将低于评分阈值的客户拒绝;先统计阈值表,再参考评分阈值表的相关信息后,结合业务数据情况设定;
14、s2.1、基于历史数据和当前的物联设备报废阈值表的统计分布信息,确定一个具体的报废临界值;超过临界值的设备作为需要报废的资产,没有超过临界值的设备则拒绝报废,进入下一个周期;
15、s2.2、资产自动报废合约周期性执行,执行过程中需要调用评分卡合约;
16、s2.3、评分卡合约基于内置的逻辑,如果涉及到查询设备当前的各种状况的数据,会向预言机发送请求;
17、s2.4、预言机接受到链上请求后,进行异步执行,调用具体的数据查询接口获取数据,所述数据查询接口包括资产实时运行状况查询、资产基本信息查询、资产运维信息查询;
18、s2.5、查询到设备的运行情况、基本信息的链下数据后,返回给预言机;
19、s2.6、预言机异步将从链下获取到的数据回调给评分卡调用合约;
20、s2.7、相关依赖的数据都获取到后,基于评分卡合约计算出的设备评分,自动决策是同意报废还是拒绝报废,最终所有的执行过程都上链存储,确保可追溯可监管;
21、s2.8、资产自动报废合约封装最终的执行结果,调用告警通知服务;
22、s2.9、订阅了资产报废告警信息的相关人员,会自动收到合约报废模块执行的结果。
23、根据步骤s1.1,所述处理通过使用均值、中位数、新类别的处理方式,对具有缺失值的样本,进行剔除或者重新核实数据源的真实性;数据集读取并存储到变量train,然后通过train.isnull().sum()按列求缺失值并汇总,直接统计出各列特征的缺失值情况;然后遍历样本检查是否有缺失值,并将缺失值用均值填充,填充方法为:train.fillna(train.mean());其中mean表示一组数字的平均值,平均值的计算公式为:sum/n,其中sum是总和,n是数据的数量。fillna函数是python中的pandas库中常用的数据处理方法之一,用于填充dataframe中的缺失值或nan值,并将其替换为指定的数值或使用特定的填充方法。
24、根据步骤s1.2,特征离散化的步骤如下:
25、s3-1、将出厂日期转换为日期类型;
26、s3-2、确定离散化的时间单位,当前将出厂日期离散化为年份;核心代码:data['出厂年份']=data['出厂日期'].dt.year
27、s3-3、创建离散化的时间特征。核心代码:data['出厂年份离散化']=pd.cut(data['出厂年份'],bins=bins,labels=['2000以前','2001-2010','2011-2020']),经过以上处理后,出厂日期就离散化处理到3个离散的类别了。
28、根据步骤s1.3,进行特征分箱的步骤如下:
29、s4-1、将已使用年限转换成数值型;
30、s4-2、使用等频分箱,等频分箱将连续型特征的值分成固定数量的箱子,但每个箱子内包含的样本数量相等;
31、s4.3、创建分箱,将已使用年限等频分为4个箱子,使用pd.qcut进行等频分箱。核心代码:num_bins=4;data['已使用年限等频分箱']=pd.qcut(data['已使用年限'],q=num_bins,labels=false,duplicates='drop')
32、根据步骤s1.4,通过计算特征的协方差矩阵,筛选出排名前g的特征作为入模变量,其中g是一个正整数;协方差矩阵的具体计算过程如下:
33、首先,计算原始数据集的协方差矩阵,所述协方差矩阵描述了特征之间的线性关系,本文档来自技高网...
【技术保护点】
1.一种基于智能合约和评分卡设备自动报废的方法,其特征在于:步骤如下:
2.根据权利要求1所述的一种基于智能合约和评分卡设备自动报废的方法,其特征在于:根据步骤S1.1,所述处理通过使用均值、中位数、新类别的处理方式,对具有缺失值的样本,进行剔除或者重新核实数据源的真实性;数据集读取并存储到变量train,然后通过train.isnull().sum()按列求缺失值并汇总,直接统计出各列特征的缺失值情况;然后遍历样本检查是否有缺失值,并将缺失值用均值填充,填充方法为:
3.根据权利要求1所述的一种基于智能合约和评分卡设备自动报废的方法,其特征在于:根据步骤S1.2,特征离散化的步骤如下:
4.根据权利要求1所述的一种基于智能合约和评分卡设备自动报废的方法,其特征在于:根据步骤S1.3,进行特征分箱的步骤如下:
5.根据权利要求1所述的一种基于智能合约和评分卡设备自动报废的方法,其特征在于:根据步骤S1.4,通过计算特征的协方差矩阵,筛选出排名前G的特征作为入模变量,其中G是一个正整数;协方差矩阵的具体计算过程如下:
6.
7.根据权利要求1所述的一种基于智能合约和评分卡设备自动报废的方法,其特征在于:根据步骤S1.6,所述归一化是将数据缩放到[0,1],避免量级不同导致的误差,采用的归一化公式为:
8.根据权利要求1所述的一种基于智能合约和评分卡设备自动报废的方法,其特征在于:根据步骤S1.7,所述AUC是评估ROC曲线拱度的指标,ROC代表成本与收益的变化,AUC的计算过程如下:
9.根据权利要求1所述的一种基于智能合约和评分卡设备自动报废的方法,其特征在于:根据步骤S1.8,将所述概率值转换为一个分数的公式是一个线性变换,公式如下:
10.一种基于智能合约和评分卡设备自动报废的系统,其特征在于:系统包括数据预处理模块、评分卡生成模块、自动报废模块;
...【技术特征摘要】
1.一种基于智能合约和评分卡设备自动报废的方法,其特征在于:步骤如下:
2.根据权利要求1所述的一种基于智能合约和评分卡设备自动报废的方法,其特征在于:根据步骤s1.1,所述处理通过使用均值、中位数、新类别的处理方式,对具有缺失值的样本,进行剔除或者重新核实数据源的真实性;数据集读取并存储到变量train,然后通过train.isnull().sum()按列求缺失值并汇总,直接统计出各列特征的缺失值情况;然后遍历样本检查是否有缺失值,并将缺失值用均值填充,填充方法为:
3.根据权利要求1所述的一种基于智能合约和评分卡设备自动报废的方法,其特征在于:根据步骤s1.2,特征离散化的步骤如下:
4.根据权利要求1所述的一种基于智能合约和评分卡设备自动报废的方法,其特征在于:根据步骤s1.3,进行特征分箱的步骤如下:
5.根据权利要求1所述的一种基于智能合约和评分卡设备自动报废的方法,其特征在于:根据步骤s1.4,通过计算特征的协方差矩阵,筛选出排名前g的特征作为入模变量,其中g是一个正整数;协方差矩阵的具体计算过程如下:
6.根据权利要求1所述的一种基于智能合约和评分卡设备自动报废的方...
【专利技术属性】
技术研发人员:叶智慧,廖畅,张凯,苏胜林,马军亮,
申请(专利权)人:中睿信数字技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。