买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中山大学;广东工业大学申请的专利一种交通排放配额分配过程中离群数据识别的优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114971055B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210636946.1，技术领域涉及：G06Q10/04；该发明授权一种交通排放配额分配过程中离群数据识别的优化方法是由刘永红;黎炜驰;曾雪兰;余志;何青蔓;何嘉俊设计研发完成，并于2022-06-07向国家知识产权局提交的专利申请。

本一种交通排放配额分配过程中离群数据识别的优化方法在说明书摘要公布了：本发明涉及一种交通排放配额分配过程中离群数据识别的优化方法。该方法包括构建交通排放配额分配模型、计算参考集D中各车辆各投入的单位产出投入值、采用孤立森林模型‑广义超效率模型组合方法对离群车辆进行识别和将最终离群车辆从参考集D中移除，得到完成离群车辆剔除处理的参考集D”。本发明交通排放配额分配过程中离群数据识别的优化方法能够高效率地检测离群值，在配额分配过程以自动化、相对快速且准确的方式识别离群值；本发明的方法优于传统超效率模型方法，并较大程度减少了误差。

本发明授权一种交通排放配额分配过程中离群数据识别的优化方法在权利要求书中公布了：1.一种交通排放配额分配过程中离群数据识别的优化方法，其特征在于，包括如下步骤：S1.构建交通排放配额分配模型；S2.计算参考集D中各车辆各投入的单位产出投入值；S3.采用孤立森林模型-广义超效率模型组合方法对离群车辆进行识别；所述步骤S3具体为：S3-1运行孤立森林模型对参考集D中的离群车辆进行预识别；各车辆相当于是在一个h*k维空间中的一个点，采用孤立森林算法识别多维空间中的离群车辆；孤立森林模型参数设置为默认值iTree的数量T＝100，和子采样大小＝256；对于各车辆将会得到相应的异常分数，表征车辆数值离群程度，异常分数大于0.6的视为潜在的离群车辆；S3-2将潜在离群车辆从参考集D中移除，得到参考集D’；S3-3基于广义超效率DEA模型对参考集D中的最终离群车辆进行识别，以参考集D’中的车辆为广义超效率DEA模型的参考集，评价参考集D中的车辆的超效率分数；当满足规模报酬不变为例，广义超效率DEA模型的规划式如下： 上述模型中，为超效率分数，λ*为效率前沿车辆的线性组合系数，表示第r辆参考集D’中车辆的投入、产出指标值，表示第t辆位于参考集D的车辆的投入、产出指标值，投入指标为车辆的污染物排放量、二氧化碳排放量和行驶时间，产出指标为车辆的行驶距离；当满足规模收报酬可变时，在公式3中增加约束条件∑rλr＝1，其余设定不变；将超效率分数大于1的确认为最终离群车辆；S4.将最终离群车辆从参考集D中移除，得到完成离群车辆剔除处理的参考集D”。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学;广东工业大学，其通讯地址为：510260 广东省广州市海珠区新港西路135号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。