本文旨在研究準(zhǔn)確預(yù)測大宗礦產(chǎn)資源的放行風(fēng)險(xiǎn),采用海關(guān)2016年至2020年的進(jìn)口大宗礦產(chǎn)資源通關(guān)數(shù)據(jù),選取22個(gè)特征值,基于TensorFlow框架,建立了LSTM神經(jīng)網(wǎng)絡(luò)時(shí)間序列模型,并將該模型用于預(yù)測大宗礦產(chǎn)資源的放行風(fēng)險(xiǎn)等級。通過F1-score評價(jià)該模型的預(yù)測精度,該模型的F1-score值為87.9%,研究表明該模型預(yù)測結(jié)果滿意,適用于大宗礦產(chǎn)資源的放行風(fēng)險(xiǎn)的預(yù)測。

【文章頁數(shù)】：13 頁

【部分圖文】：

圖1相關(guān)系數(shù)熱力圖

(1)研究連續(xù)變量與二分類變量：通過斯皮爾曼相關(guān)性系數(shù)和相關(guān)系數(shù)熱力圖知，貨物重量、貨物總值、索賠截止日期、特殊檢驗(yàn)檢疫要求、現(xiàn)場情況描述、檢驗(yàn)時(shí)間間隔與放行風(fēng)險(xiǎn)指標(biāo)（檢驗(yàn)結(jié)果評定、檢疫結(jié)果評定、集裝箱檢疫結(jié)果、貨物評定、檢驗(yàn)檢疫結(jié)果代碼）呈現(xiàn)負(fù)相關(guān)，而是否二次檢驗(yàn)與放行風(fēng)險(xiǎn)指標(biāo)....

圖2原產(chǎn)國與檢驗(yàn)結(jié)果的提琴圖

如圖2，以原產(chǎn)國編號分別為17與43為例。來自不同原產(chǎn)國的貨物，檢驗(yàn)結(jié)果合格率的分布存在很大差異。左邊藍(lán)色部分和右邊黃色部分分別表示來自原產(chǎn)國17和原產(chǎn)國43的貨物檢驗(yàn)結(jié)果合格率分布情況。發(fā)現(xiàn)來自原產(chǎn)國17的貨物，檢驗(yàn)結(jié)果合格率分布較廣，主要集中在較低值；來自原產(chǎn)國43的貨物，檢....

圖3檢驗(yàn)檢疫不合格的施檢時(shí)間間隔柱狀圖

根據(jù)2.2小節(jié)分析結(jié)果，將剩余22個(gè)相關(guān)性較強(qiáng)的變量（表1中帶星號的變量），輸入放行風(fēng)險(xiǎn)評估模型，并進(jìn)行更深入的研究探索。圖4檢驗(yàn)檢疫合格的施檢時(shí)間間隔柱狀圖

圖4檢驗(yàn)檢疫合格的施檢時(shí)間間隔柱狀圖

圖3檢驗(yàn)檢疫不合格的施檢時(shí)間間隔柱狀圖3建模與實(shí)例驗(yàn)證

本文編號：3944958