一种用于全球供应链中物流中断预测与缓解的智能专家系统：结合基于图的风险推理与集成预测方法

《Scientific Reports》：An intelligent expert system for logistics disruption prediction and mitigation in global supply chains: Integrating graph-based risk inference with ensemble forecasting

　　

摘要

在高度互联且不断变化的全球供应链中，物流中断事件具有频发、结构依赖性强以及风险易级联扩散的特点，这给预测和应对决策带来了巨大挑战。因此，本文提出了一种集成图结构风险推断与风险感知的智能专家系统，用于预测和缓解全球供应链中的物流中断问题。首先，构建多层供应链图模型，明确节点与路径之间的依赖关系，并通过图结构驱动的风险推断机制量化节点层面和网络层面的风险传播过程；随后，将推断出的结构风险特征融入多模型集成预测框架中，实现物流中断概率的动态预测。在此基础上，结合专家规则和模型推理结果，生成可解释且可执行的应对决策方案。研究基于涵盖36个月运营数据、500多个供应链节点以及1000多条物流路径的实验数据集进行了评估。结果表明，与不采用风险推断的预测模型相比，所提出的方法使AUC提升了5.3%-8.7%，MAE降低了约14.6%，平均预警时间延长了0.9–1.6个时间单位；在存在多个节点故障和外生冲击的高风险场景下，系统预测性能的下降幅度小于20%，远优于对比方法。同时，在高风险场景下，基于专家系统的应对决策支持可将整体风险降低约30%-40%。上述结果证明了该智能专家系统在复杂全球供应链物流中断预测及应对决策方面的有效性、稳健性及实际应用价值。