一种基于大数据的快递包装产品生态设计评估方法及系统与流程

本发明涉及评估领域，尤其涉及一种基于大数据的快递包装产品生态设计评估方法及系统。

背景技术：

1、随着电子商务的迅猛发展，快递行业经历了前所未有的增长，大量的快递包裹在日常生活中扮演着重要角色。然而，这一行业的快速增长也带来了诸多挑战，特别是在快递包装产品的生态设计方面。传统的快递包装产品设计往往侧重于成本、运输效率和包装保护性等方面，而对于环境影响的考虑相对不足。这导致了资源的过度消耗、废弃物的大量产生以及环境污染的加剧。

2、目前基于大数据的快递包装产品生态设计评估方法尚不完善。一方面，现有的评估方法往往局限于单一指标或局部环节，缺乏全面性和系统性；另一方面，大数据技术的应用在快递包装产品生态设计领域尚处于起步阶段，尚未形成成熟的方法和体系。

3、因此，开发一种基于大数据的快递包装产品生态设计评估方法，具有重要的现实意义和应用价值。这种方法将结合大数据技术和生态设计理念，对快递包装产品的设计方案进行综合考虑和评估，实现资源的高效利用、环境影响的最小化以及消费者体验的优化。不仅可以提升快递行业的可持续发展水平，还可以为消费者提供更加环保、便捷的快递包装产品。

技术实现思路

1、本发明的目的是要提供一种基于大数据的快递包装产品生态设计评估方法。

2、为达到上述目的，本发明是按照以下技术方案实施的：

3、本发明包括以下步骤：

4、采集快递包装产品的生态试验数据和生产数据，对所述生态试验数据和所述生产数据进行预处理；

5、通过所述生态试验数据得到环境生态数据；所述环境生态数据包括第一生态数据、第二生态数据和第三生态数据；所述第一生态数据表征所述环境生态数据中生态的影响质量值；所述第二生态数据表征所述环境生态数据中产品的周期比；所述第三生态数据表征所述环境生态数据中产品的环境友好程度；所述周期比表征实际产品生命周期与标准生命周期的比值；所述环境友好程度表示未污染区域生物量与污染后区域生物量的比例；

6、对所述生产数据进行生态分析获得工艺生态数据，对所述环境生态数据和所述工艺生态数据进行融合分析获得生态评估函数；

7、根据所述生态评估函数构建快递包装产品生态设计评估模型，将快递包装产品设计数据输入所述快递包装产品生态设计评估模型，输出评估结果。

8、进一步的，获取所述影响质量值的方法，包括：

9、计算生态试验数据的熵值：

10、

11、其中生态试验数据的数量为第w个生态试验数据为控制常数为b；

12、将熵值大于0.587的生态试验数据作为影响数据，对影响数据进行重心转移分析，表达式为：

13、

14、其中第w个影响重心数据为影响数据的数量为第w个影响数据的权重为第w个影响数据为影响数据的标准值为调控常数为z，遗传系数为μ；

15、计算核密度：

16、

17、其中核密度为带宽为g，核函数为l(·)，影响重心数据的参考值为

18、计算影响数据的影响质量值：

19、

20、其中形状参数估计值为0到1的随机数为a，第w个影响数据的影响度为第w个影响数据影响度的标准值为第w个影响数据的影响质量值为

21、

22、进一步的，所述环境友好程度，包括：

23、

24、其中第f块快递包装未污染区域的生物量，第f块快递包装污染后区域的生物量为qw,f，第sf块非快递包装污染后区域的生物量为uw,sf，第f块的环境友好程度。

25、进一步的，对所述生产数据进行生态分析获得工艺生态数据的方法，包括：

26、将生产数据输入基于决策树的生产分析模型，根据生产数据调整模拟仿真生态环境系统和生产耗能系统，获得生产生态污染量；

27、采用生命周期评估法根据生产数据计算生态影响程度，计算生产生态污染量：

28、

29、其中第c个生产数据为yc，生产数据yc的碳排放量为生产数据yc对第i中生态物种的减少数量为生产数据yc的重要系数为调节常数为

30、采用变异系数法获取生产数据的差比权重，通过灰色关联分析优化差比权重，根据优化后的差比权重构建生产分析模型目标函数：

31、

32、

33、其中目标函数为平衡因子为η，生产数据yc的实际生态生产污染量为生产数据yc的预测生态生产污染量为实际生态生产污染量和预测生态生产污染量的损失函数为生产数据的数量为m，生产数据yc的差比权重为生产数据yc的优化权重为生产数据yc的灰色关联度为正则项为ξ，偏移常数为r；

34、计算正则项：

35、

36、其中第一惩罚系数为ρ，第二惩罚系数为δ，控制树复杂性的叶子数为u，复杂度为g，l2范数函数为‖·‖2；

37、根据目标函数值对胜场数据进行排序，将大于0.513的目标函数值输出为工艺生态数据。

38、进一步的，对所述环境生态数据和所述工艺生态数据进行融合分析获得生态函数的方法，包括：

39、将环境生态数据、工艺生态数据输入基于深度神经网络的融合分析模型，采用环境生态数据、工艺生态数据以及基于层次结构的自动编码机分层训练融合分析模型；

40、计算数据权重：

41、

42、其中数据τ的权重为χτ，第j个数据τj的关联度为数据τj影响生态的概率为数据τ的关联度为hτ，数据τ的影响生态的概率为pτ，数据τ的数量为

43、根据数据权重构造生态评估函数：

44、

45、其中第u个快递包装的生态函数为第u个快递包装的影响质量数据权重为χ1,u，第u个快递包装的周期比为k2,u，第u个快递包装的周期比权重为χ2,u，第u个快递包装的环境友好程度为k3,u，第u个快递包装的环境友好程度权重为χ3,u，第u个快递包装的工艺生态数据为gu，第u个快递包装的工艺生态数据权重为χ4,u，第u个快递包装周期比的数据数量为q2,u，周期比的参考值为第u个快递包装周期比的衰弱系数为γ2,u，惩罚因子为第u个快递包装环境友好程度的松弛变量为

46、采用生态函数打造模态矩阵，采用特征哈希算法提取环境生态数据、工艺生态数据的生态特征，用生态特征构造共享特征矩阵；

47、初始化共享特征矩阵，根据随机方式初始化生态特征，通过深度神经网络的正向传播，获得输入数据的深度生态特征；

48、构建一致编码矩阵，创设数据共享空间，赋予深度生态矩阵；

49、修正基矩阵，在反向传播过程中联合微调各模态深度匹配网络，直到目标函数收敛，输出生态评估函数。

50、进一步的，根据所述生态函数构建快递包装产品生态设计评估模型的方法，包括：

51、根据生态函数构建快递包装产品生态设计评估模型的目标函数，表达式为：

52、

53、其中第u个快递包装产品生态评估的损失函数为第u个快递包装产品生态评估的目标函数为第u个快递包装产品生态评估的生态评估函数为

54、快递包装产品生态设计评估模型包括随机森林算法、时间序列分析算法、自编码器、循环神经网络算法、遗传算法；

55、随机森林算法按照5:2将输入数据划分成训练数据和测试数据；

56、时间序列分析算法根据训练数据的时间变化规律获得时序变化量；

57、自编码器通过无监督学习根据时序变化量的变化程度提取生态变化特征；

58、循环神经网络算法学习通过训练数据的生态变化特征与生态之间的变化规律；

59、遗传算法测试数据根据变化规律预测生态评估，根据预测生态评估和实际生态评估调整快递包装产品生态设计评估模型的学习率。

60、第二方面，一种基于大数据的快递包装产品生态设计评估系统，包括：

61、数据采集模块：用于采集快递包装产品的生态试验数据和生产数据，对所述生态试验数据和所述生产数据进行预处理；

62、数据处理模块：用于通过所述生态试验数据得到环境生态数据；所述环境生态数据包括第一生态数据、第二生态数据和第三生态数据；所述第一生态数据表征所述环境生态数据中生态的影响质量值；所述第二生态数据表征所述环境生态数据中产品的周期比；所述第三生态数据表征所述环境生态数据中产品的环境友好程度；所述周期比表征实际产品生命周期与标准生命周期的比值；所述环境友好程度表示未污染区域生物量与污染后区域生物量的比例；

63、数据融合模块：用于对所述生产数据进行生态分析获得工艺生态数据，对所述环境生态数据和所述工艺生态数据进行融合分析获得生态评估函数；

64、模型构建模块：用于根据所述生态评估函数构建快递包装产品生态设计评估模型，将快递包装产品设计数据输入所述快递包装产品生态设计评估模型，输出评估结果。

65、第三方面，本技术实施例还提供一种电子设备，包括：

66、处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行第一方面所述的方法步骤。

67、第四方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行第一方面所述的方法步骤。

68、本发明的有益效果是：

69、本发明是一种基于大数据的快递包装产品生态设计评估方法及系统，与现有技术相比，本发明具有以下技术效果：

70、本发明通过预处理、获取满意偏差、获取模糊意图、获取修正意图、获取目标意图和模型构建步骤，可以提高多维度人机交互场景的用户意图识别的准确性，从而提高多维度人机交互场景的用户意图识别的精度，将多维度人机交互场景的用户意图识别优化，可以大大节省资源，提高工作效率，可以实现对多维度人机交互场景的用户意图自动识别，实时对多维度人机交互场景的用户意图识别进行意图修正和知识增强，对多维度人机交互场景的用户意图识别具有重要意义，可以适应不同标准的多维度人机交互场景的用户意图识别、不同多维度人机交互场景的用户意图识别需求，具有一定的普适性。