一种评估方法、系统、服务器及存储介质与流程

1.本技术实施例涉及数据处理
技术领域：
：，尤其涉及一种评估方法、系统、服务器及存储介质。
背景技术：
：：[0002][0003]随着云计算的不断发展，云服务提供商可以利用云计算为用户提供多种云服务。在云计算背景下，如何通过技术手段，来为决策方案的可靠评估提供支持，成为了本领域技术人员亟需解决的技术问题。技术实现要素：[0004]有鉴于此，本技术实施例提供一种评估方法、系统、服务器及存储介质，以为决策方案的可靠评估提供支持。[0005]为实现上述目的，本技术实施例提供如下技术方案。[0006]第一方面，本技术实施例提供一种评估方法，应用于云服务器，包括：[0007]获取输入信息，所述输入信息至少包括形成决策方案的输入指标，以及输入指标的取值区间；[0008]根据所述输入指标的取值区间，确定所述输入指标的多个取值结果；[0009]确定所述输入指标在各个取值结果对应的决策分析结果；其中，输入指标在一个取值结果对应的决策分析结果包括多个预设指标在输入指标的该取值结果分别对应的受影响程度，一个预设指标在输入指标的一个取值结果对应有一个受影响程度；[0010]从所述多个预设指标中确定目标指标；[0011]对于任一个目标指标，根据目标指标在输入指标的取值结果对应的受影响程度，进行不确定评估，得到不确定评估结果；所述不确定评估结果包括如下至少一项：目标指标的不确定度、灵敏度和分布不确定传播数据；所述不确定评估结果用于解释输入指标在取值结果对应的决策分析结果。[0012]第二方面，本技术实施例提供一种评估装置，包括：[0013]输入获取模块，用于获取输入信息，所述输入信息至少包括形成决策方案的输入指标，以及输入指标的取值区间；[0014]采样模块，用于根据所述输入指标的取值区间，确定所述输入指标的多个取值结果；[0015]决策分析结果输出模块，用于确定所述输入指标在各个取值结果对应的决策分析结果；其中，输入指标在一个取值结果对应的决策分析结果包括多个预设指标在输入指标的该取值结果分别对应的受影响程度，一个预设指标在输入指标的一个取值结果对应有一个受影响程度；[0016]目标指标确定模块，用于从所述多个预设指标中确定目标指标；[0017]不确定评估模块，用于对于任一个目标指标，根据目标指标在输入指标的取值结果对应的受影响程度，进行不确定评估，得到不确定评估结果；所述不确定评估结果包括如下至少一项：目标指标的不确定度、灵敏度和分布不确定传播数据；所述不确定评估结果用于解释输入指标在取值结果对应的决策分析结果。[0018]第三方面，本技术实施例提供一种评估系统，包括：终端与服务器；[0019]所述终端，用于显示有输入界面，所述输入界面展示有输入区域，所述输入区域至少包括指标输入区域，所述指标输入区域用于输入形成决策方案的输入指标，以及输入指标的取值区间；将所述输入区域的输入信息传输给所述服务器；[0020]所述服务器用于执行如上述第一方面所述的评估方法。[0021]第四方面，本技术实施例提供一种服务器，包括存储器，处理器，所述存储器存储有程序，所述处理器调用所述存储器中存储的程序，以实现如上述第一方面所述的评估方法。[0022]第五方面，本技术实施例提供一种存储介质，存储有计算机程序，所述计算机程序执行时实现如上述第一方面所述的评估方法。[0023]第六方面，本技术实施例提供一种计算机程序，所述计算机程序被执行时实现如上述第一方面所述评估方法。[0024]本技术实施例提供的评估方法可应用于云服务器，由云服务的方式来评估决策方案。在需要评估决策方案时，用户可以提供输入信息，输入信息可以至少包括形成决策方案的输入指标，以及输入指标的取值区间；从而，云服务器可以对不同取值结果的输入指标所形成的决策方案进行分析并进行不确定评估。在进行评估时，云服务器可以获取输入信息，根据所述输入指标的取值区间，确定所述输入指标的多个取值结果，以便对不同取值结果的输入指标所形成的决策方案进行分析；为对不同取值结果的输入指标所形成的决策方案进行分析，本技术实施例可以预设设置可能受输入指标影响的多个预设指标，从而模拟输入指标的不同取值结果所形成的决策方案在执行时，对于多个预设指标的影响程度，以得到输入指标在各个取值结果对应的决策分析结果，其中，输入指标在一个取值结果对应的决策分析结果包括多个预设指标在输入指标的该取值结果分别对应的受影响程度，一个预设指标在输入指标的一个取值结果对应有一个受影响程度。[0025]进而，本技术实施例可从所述多个预设指标中确定目标指标，以便从目标指标的角度，对输入指标在各个取值结果对应的决策分析结果进行评估；对于任一个目标指标，本技术实施例可以根据目标指标在输入指标的取值结果对应的受影响程度，进行不确定评估，得到不确定评估结果，从而通过不确定评估结果解释输入指标在取值结果对应的决策分析结果，以为输入指标在取值结果所对应的决策方案的评估提供支持。其中，所述不确定评估结果包括如下至少一项：目标指标的不确定度、灵敏度和分布不确定传播数据；从而本技术实施例能够从不确定评估的多个维度，解释输入指标在取值结果对应的决策分析结果，为对输入指标在取值结果所形成的决策方案进行可靠、精准的评估，提供多维度的数据支持。附图说明[0026]为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。[0027]图1是本技术实施例所提供的评估系统的一结构示意图。[0028]图2是本技术实施例所提供的评估方法的一流程示意图。[0029]图3是本技术实施例所提供的评估装置的一结构示意图。[0030]图4是本技术实施例所提供的评估方法的又一流程示意图。[0031]图5是本技术实施例所提供的评估装置的另一结构示意图。[0032]图6是本技术实施例所提供的目标指标的示例图。[0033]图7是本技术实施例所提供的目标指标的不确定度的示例图。[0034]图8是本技术实施例所提供的区间不确定度的示例图。[0035]图9是本技术实施例所提供的目标指标的灵敏度的示例图。[0036]图10是本技术实施例所提供的分布不确定传播数据的示例图。[0037]图11是本技术实施例提供的服务器的架构图。具体实施方式[0038]下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。[0039]主体对象在制定决策方案时，需要考虑决策方案对于多种因素造成的影响，因此对各种因素进行量化，并且模拟决策方案对于量化后的因素的影响，是为主体对象制定决策方案提供支持的基础之一。其中，cge(computablegeneralequilibriummodel，可计算一般均衡模型)决策分析模型是模拟决策方案对于因素的影响的工具之一。[0040]主体对象在制定决策方案时(例如地理区域、工业园区、社区等主体对象制定碳减排相关的决策方案)需要对决策方案进行风险控制，因此在最终制定决策方案之前，可以利用cge决策分析模型模拟决策方案的决策分析结果，从而降低决策方案的风险。[0041]然而，由于输入数据和cge决策分析模型的限制，cge决策分析模型得到的决策分析结果的可靠性较低。因此，为了评估决策方案在cge决策分析模型的决策分析结果的可靠性，不确定评估被引入到cge决策分析模型的研究中。不确定评估是对决策方案执行过程中所涉及的因素的变化与影响所进行的估计和研究。但是，由于对于cge决策分析模型的决策分析结果的不确定评估较为单一，且没有系统化的不确定评估方式，这使得对于cge决策分析模型的决策分析结果的不确定评估没有实质应用意义，不能为主体对象在制定决策方案时提供可靠的数据支持。[0042]基于此，本技术实施例提供了一种能够支持从多个维度评估cge决策分析模型的决策分析结果的评估方法，本技术实施例所支持的评估维度可以包括以下至少一项：不确定度、灵敏度和分布不确定传播数据；从而，本技术实施例提供的评估方法能够从多个维度综合评估cge决策分析模型的决策分析结果提供支持。当然，本技术实施例也可支持从上述不确定度、灵敏度和分布不确定传播数据的其中任一维度，来为评估cge决策分析模型的决策分析结果提供支持。[0043]作为可选实现，本技术实施例提供了一种评估系统，请参考图1，图1是本技术实施例所提供的评估系统的一结构示意图。[0044]如图所示，评估系统包括终端10与服务器20。[0045]其中，所述终端10为用户使用的智能手机、平板电脑、个人计算机等终端设备；服务器20可以为云服务器，可以是云服务平台中提供云服务的服务设备。本技术实施例可以将评估方法作为一种云服务来提供，从而当用户需要评估决策方案时，可以利用终端10将用于评估的输入数据，提供给服务器20；进而，服务器20可以利用本技术实施例提供的评估方法，来评估决策方案在cge决策分析模型的决策分析结果，以实现为主体对象制定精准决策方案提供可靠支持。[0046]作为可选实现，本技术实施例可以将形成决策方案的指标称为输入指标(一个决策方案可以具有至少一个输入指标)，输入指标具有取值区间，从而输入指标的不同取值可以形成不同的决策方案。为评估输入指标在不同取值所形成的决策方案在cge决策分析模型的决策分析结果，可以利用本技术实施例提供的评估方法。[0047]为支持用户可以通过终端10进行输入，终端10可以用于显示有输入界面，所述输入界面展示有输入区域，所述输入区域至少包括指标输入区域，指标输入区域用于输入形成决策方案的输入指标，以及输入指标的取值区间；从而，终端10可以将所述输入区域的输入信息传输给所述服务器20。[0048]所述服务器20用于执行本技术实施例提供的评估方法。[0049]在进一步的可选实现中，终端10的输入界面所展示的输入区域还可以包括决策分析模型选择区域，决策分析模型选择区域用于选择与所述输入指标对应的决策分析模型的决策分析模型选择区域。示例的，终端10除向服务器20指示形成决策方案的输入指标，以及输入指标的取值区间外，还可以向服务器20指示用于形成决策分析结果的决策分析模型。[0050]在可选实现中，主体对象在制定决策方案时，可以基于所要制定的决策方案所属的领域或者场景，确定决策方案执行过程中可能影响的因素，为便于说明，本技术实施例可以将决策方案执行过程中可能影响的因素称为预设指标；同时，将用于制定决策方案的指标称为输入指标。进而，在终端10通过输入信息指示形成决策方案的输入指标、输入指标的取值区间、以及输入指标对应的决策分析模型后，服务器20可以利用输入指标对应的决策分析模型，模拟输入指标在不同取值下对于预设指标的影响程度，从而得到多个预设指标在输入指标在不同取值下分别对应的受影响程度，形成指标在不同取值下的决策分析结果；进而，本技术实施例可以对决策分析结果进行多方面的不确定评估，得到不确定评估结果。[0051]在进行不确定评估时，本技术实施例可以从多个预设指标中，选择用于进行不确定评估的目标指标，从而从目标指标的角度，对决策分析结果进行多方面的不确定评估，进而为主体对象制定决策方案提供可靠数据支持。[0052]可见，根据本技术实施例所提供的评估系统，在需要评估决策方案时，用户可以提供输入信息，从而，云服务器可以对输入信息中输入指标的不同取值结果所形成的决策方案进行分析并进行不确定评估。在进行评估时，云服务器可以获取输入信息，根据输入信息中输入指标的取值区间，确定所述输入指标的多个取值结果，以便对不同取值结果的输入指标所形成的决策方案进行分析；为对不同取值结果的输入指标所形成的决策方案进行分析，本技术实施例可以预设设置可能受输入指标影响的多个预设指标，从而模拟输入指标的不同取值结果所形成的决策方案在执行时，对于多个预设指标的影响程度，以得到输入指标在各个取值结果对应的决策分析结果；[0053]进而，本技术实施例可从所述多个预设指标中确定目标指标，以便从目标指标的角度，对输入指标在各个取值结果对应的决策分析结果进行评估；对应任一个目标指标，本技术实施例可以根据目标指标在输入指标的取值结果对应的受影响程度，进行不确定评估，得到不确定评估结果，从而通过不确定评估结果解释输入指标在取值结果对应的决策分析结果，以为输入指标在取值结果所形成的决策方案进行评估提供支持。[0054]作为可选实现，本技术实施例提供一种评估方法，请参考图2，图2是本技术实施例所提供的评估方法的一流程示意图，该评估方法可应用于云服务器。[0055]如图所示，该流程可以包括以下步骤：[0056]步骤s100，获取输入信息，所述输入信息至少包括形成决策方案的输入指标，以及输入指标的取值区间。[0057]所述输入信息可以根据主体对象所要制定的决策方案进行确定。例如，以主体对象为地理区域主体为例，地理区域主体在制定地理方案(决策方案的一种示例)时，输入指标可理解为是政策参数。输入指标的数量可以是至少一个(一个或者多个)。在一个示例中，地理主体制定的地理方案可以包括至少一个政策参数。[0058]对于任一个输入指标，输入指标的取值可以从输入指标的取值区间中确定。示例的，当输入指标的个数为一个时，则从该输入指标的取值区间中获取一个取值，从而形成输入指标的一个取值结果；当输入指标的个数为多个时，则从各个输入指标的取值区间中分别获取一个取值，从而多个输入指标的取值形成一个取值结果。[0059]输入指标的不同取值结果可以形成不同的决策方案。例如，由政策参数的不同取值结果所形成的地理方案，可以视为是不同的地理方案。在一个示例中，以碳减排相关的决策方案为例，碳税(针对二氧化碳排放所征收的税)的不同取值，可以形成碳减排相关的不同地理方案。[0060]作为可选实现，针对任一个输入指标而言，输入指标的取值区间可以根据输入指标的分布特征进行确定。如果主体对象能够确定输入指标的取值范围，则可以假定输入指标的取值在取值范围内服从均匀分布，此时可以假定输入指标的取值对称的均匀分布于输入指标的估计值的两侧。如果主体对象能够通过计量方法得到输入指标的取值的估计值及其标准值，则可以假定输入指标的取值服从正态分布。在本技术实施例中主要以输入指标的取值服从正态分布为例，并且基于输入指标的取值服从正态分布的分布特征，本技术实施例可以得到输入指标的取值区间来进行示例。[0061]输入指标的数量可以根据主体对象要制定的决策方案确定，不同的决策方案对应的输入指标数量不同，例如一个决策方案可以包括20个输入指标、或者35个输入指标等。示例的。在一个决策方案包括多个输入指标的情况下，不同的决策方案之间至少存在一个不同取值的输入指标。[0062]步骤s101，根据所述输入指标的取值区间，确定所述输入指标的多个取值结果。[0063]在确定所述输入指标的取值区间之后，进一步基于输入指标的取值区间确定多个取值结果，用于决策分析模型进行模拟分析。[0064]例如假设输入指标有两个，分别为输入指标a和b，输入指标a的取值区间为(a1，a2，a3...an)，输入指标b的取值区间为(b1，b2，b3...bm)；则在输入指标a的取值区间获取一个取值，和在输入指标b的取值区间获取一个取值，从而输入指标a和b的取值可形成一个取值结果，对应一个决策方案。例如，得到的各个取值结果可以为(a1，b2)、(a1，b5)、(an，b2)等。不同取值结果之间可以存在重叠的输入指标的取值，例如，包含输入指标a的相同取值的取值结果(a1，b2)、(a1，b5)等，或者包含输入指标b的相同取值的取值结果(a1，b2)、(an，b2)等。不同取值结果之间也可以是输入指标的取值完全不同，例如(a1，b5)、(an，b2)的两个取值结果中，输入指标a的取值a1与an不同，且输入指标b的取值b5和b2也不同。本技术实施例可以改变输入指标的取值，来得到不同的取值结果，从而形成不同的决策方案，以用于后续不确定评估分析。[0065]步骤s102，确定所述输入指标在各个取值结果对应的决策分析结果；其中，输入指标在一个取值结果对应的决策分析结果包括多个预设指标在输入指标的该取值结果分别对应的受影响程度，一个预设指标在输入指标的一个取值结果对应有一个受影响程度。[0066]所述预设指标为决策分析模型的模拟结果中所包含的输出指标。[0067]可选的，每一个决策分析模型中包含的模型函数是不同的(包括函数定义和函数个数)，每一个决策分析模型均有特定的函数计算结果，例如一个决策分析模型中包含37个函数，则对应输出的输出指标就会有37个，其对应需要的输入参数可以为35个。也就是输入指标设置有35个，输出的预设指标有37个。本技术实施例可以基于决策分析模型所包含的函数，预先设置预设指标的数量和类型。[0068]继续以上述针对于输入指标a和输入指标b得到(a1，b2)、(a1，b5)、(an，b2)三个取值结果为例进行说明。当输入取值结果(a1，b2)时，基于选定的决策分析模型，输出一次决策分析结果，其中包括每一个预设指标的受影响程度，可以表示为(s11，s12)；其中s11表示多个预设指标对于第一个取值结果中第一个输入指标的受影响程度，s12表示多个预设指标对于第一个取值结果中第二个输入指标的受影响程度，s11和s12仅为标识使用，并不是代表只有一个数值。[0069]当输入取值结果(a1，b5)时，基于同一个选定的决策分析模型，输出第二次决策分析结果，其中包括每一个预设指标的受影响程度，可以表示为(s21，s22)；其中s21表示多个预设指标对于第二个取值结果中第一个输入指标的受影响程度，s22表示多个预设指标对于第二个取值结果中第二个输入指标的受影响程度。[0070]当输入取值结果(an，b2)时，基于同一个选定的决策分析模型，输出第三次决策分析结果，其中包括每一个预设指标的受影响程度，可以表示为(s31，s32)；其中s31表示多个预设指标对于第三个取值结果中第一个输入指标的受影响程度，s32表示多个预设指标对于第三个取值结果中第二个输入指标的受影响程度。[0071]本技术实施例利用决策分析模型(例如cge决策分析模型)可以基于每一个取值结果(一个取值结果对应一个决策方案)，得到预设指标对应于取值结果中输入指标的受影响程度，以便于进行后续的不确定评估。[0072]步骤s103，从所述多个预设指标中确定目标指标。[0073]通过上述介绍，可以知道决策分析结果包含的是预设指标在输入指标的取值结果对应的受影响程度；预设指标在输入指标的一个取值结果对应有一个受影响程度。在本技术实施例确定多个取值结果的情况下，基于多个取值结果会得到多个决策分析结果，而预设指标是不会改变的，因此可以根据输入指标的取值结果的改变，在不同的决策分析结果中，找到受影响程度变化明显的预设指标作为目标指标。[0074]由于决策分析模型的结构复杂，对应的输入指标的种类较多(例如前述所述一个决策分析模型具有37个预设指标，35个输入指标)，在决策分析结果所包含的多个预设指标中找到需要分析的目标指标并不容易。因此在众多个受到输入指标影响的预设指标中，找到因为输入指标的取值不确定性而受到明显影响的预设指标可以作为目标指标，从而方便从众多预设指标中找到后续研究的重点(即目标指标)，提升后续分析的可靠性，同时减少计算成本。[0075]步骤s104，对于任一个目标指标，根据目标指标在输入指标的取值结果对应的受影响程度，进行不确定评估，得到不确定评估结果；所述不确定评估结果包括如下至少一项：目标指标的不确定度、灵敏度和分布不确定传播数据；所述不确定评估结果用于解释输入指标在取值结果对应的决策分析结果。[0076]不确定度是衡量不确定性的指标之一，广义上指对目标指标不能肯定的程度。[0077]灵敏度分析是指研究与分析一个决策分析模型的状态或输出变化对输入指标或周围条件变化的敏感程度的方法。[0078]分布不确定传播数据是研究不同层级系统视角下来自输入指标的分布不确定传播的过程，以此获得对不确定性传播更系统、直观的感受。[0079]可见，本技术实施例提供的评估方法可应用于云服务器，由云服务的方式来评估决策方案。在需要评估决策方案时，用户可以提供输入信息，输入信息可以至少包括形成决策方案的输入指标，以及输入指标的取值区间；从而，云服务器可以对不同取值结果的输入指标所形成的决策方案进行分析并进行不确定评估。在进行评估时，云服务器可以获取输入信息，根据所述输入指标的取值区间，确定所述输入指标的多个取值结果，以便对不同取值结果的输入指标所形成的决策方案进行分析；为对不同取值结果的输入指标所形成的决策方案进行分析，本技术实施例可以预设设置可能受输入指标影响的多个预设指标，从而模拟输入指标的不同取值结果所形成的决策方案在执行时，对于多个预设指标的影响程度，以得到输入指标在各个取值结果对应的决策分析结果，其中，输入指标在一个取值结果对应的决策分析结果包括多个预设指标在输入指标的该取值结果分别对应的受影响程度，一个预设指标在输入指标的一个取值结果对应有一个受影响程度。[0080]进而，本技术实施例可从所述多个预设指标中确定目标指标，以便从目标指标的角度，对输入指标在各个取值结果对应的决策分析结果进行评估；对于任一个目标指标，本技术实施例可以根据目标指标在输入指标的取值结果对应的受影响程度，进行不确定评估，得到不确定评估结果，从而通过不确定评估结果解释输入指标在取值结果对应的决策分析结果，以为输入指标在取值结果所对应的决策方案的评估提供支持。其中，所述不确定评估结果包括如下至少一项：目标指标的不确定度、灵敏度和分布不确定传播数据；从而本技术实施例能够从不确定评估的多个维度，解释输入指标在取值结果对应的决策分析结果，为对输入指标在取值结果所形成的决策方案进行可靠、精准的评估，提供多维度的数据支持。[0081]本技术实施例还提供了一种评估装置，所述装置可以作为实现上述实施例所述的评估方法的实现。[0082]请参考图3，图3是本技术实施例所提供的评估装置的一结构示意图。[0083]如图所示，该装置可以包括：[0084]输入获取模块200，用于获取输入信息，所述输入信息至少包括形成决策方案的输入指标，以及输入指标的取值区间；[0085]采样模块201，用于根据所述输入指标的取值区间，确定所述输入指标的多个取值结果；[0086]决策分析结果输出模块202，用于根据所述输入指标的取值区间，确定所述输入指标的多个取值结果；确定所述输入指标在各个取值结果对应的决策分析结果；其中，输入指标在一个取值结果对应的决策分析结果包括多个预设指标在输入指标的该取值结果分别对应的受影响程度，一个预设指标在输入指标的一个取值结果对应有一个受影响程度；[0087]目标指标确定模块203，用于从所述多个预设指标中确定目标指标；[0088]不确定评估模块204，用于对于任一个目标指标，根据目标指标在输入指标的取值结果对应的受影响程度，进行不确定评估，得到不确定评估结果；所述不确定评估结果包括如下至少一项：目标指标的不确定度、灵敏度和分布不确定传播数据；所述不确定评估结果用于解释输入指标在取值结果对应的决策分析结果。[0089]在一种实施方式中，为能够实现多个取值结果的运算，还可以设置采样次数作为运算阈值和取值结果的获取个数阈值。请参考图4，图4是本技术实施例所提供的评估方法的又一流程示意图。[0090]如图所示，该流程可以包括以下步骤：[0091]步骤s300，获取输入信息，所述输入信息包括输入指标、输入指标的取值区间、指示所述输入指标对应的决策分析模型的指示信息、以及取值结果的采样次数。[0092]基于前述内容可以知道，每向决策分析模型输入一次取值结果，决策分析模型做一次分析，则取值结果的数量和决策分析模型的分析次数相同，因此设置取值结果的采样次数就相当于设置了决策分析模型的分析次数。[0093]步骤s301，针对任一个输入指标，根据所述采样次数，对输入指标的取值区间进行多次采样，得到多个取值结果。[0094]其中，本技术实施例可以由至少一个输入指标形成一个决策方案，所述至少一个输入指标同一次采样的取值，形成一个取值结果；所述多个取值结果中至少部分取值结果的取值重叠。[0095]所述多个取值结果中至少部分取值结果的取值重叠可以参考前述实施例所例举的取值结果为(a1，b2)、(a1，b5)、(an，b2)。所述部分取值结果的取值重叠可以为(a1，b2)和(a1，b5)两个取值结果中a1相同，b2和b5不同，或者是(a1，b2)和(an，b2)两个取值结果中b2相同，a1和an不同。[0096]得到多个取值结果后，可以方便后续基于不同的输入指标形成的取值结果进行决策分析模型分析，得到每一个取值结果的决策分析结果，用以后续进行不确定评估。[0097]所述取值结果的采样次数的设置可以根据主体对象的需求进行设置，当然采样次数越多，决策分析模型输出的决策分析结果也就越好，也就是决策分析结果越接近决策方案的执行结果。但是采样次数过大对应的决策分析模型的分析时间也就越长。因此采样次数可以根据主体对象的需求进行设置，如果主体对象不急于制定决策方案，即决策方案的预计制定时间节点还有一段时间则可以设置的采样次数大一点，使得结果更可靠。如果主体对象制定决策方案的时间较为紧迫则可以设定一个相对较小但是不影响决策分析结果的采样次数。[0098]在可选实现中，本技术实施例可以利用蒙特卡洛模拟模型进行模拟，对输入指标的取值区间进行采样，根据采样次数得到对应数量的取值结果，比如可以采样100次，则得到100组取值结果；然后将100组取值结果分别作为决策分析模型的输入，得到针对于每一组取值结果的决策分析结果。蒙特卡洛方法是一种随机抽样或统计试验的方法。[0099]可选的，蒙特卡洛模拟模型在模拟时进行采样的次数即为采样次数，采样次数是主体对象选择进行蒙特卡洛模拟模型在模拟时需要的取值结果的数量，指的是蒙特卡洛模拟模型在模拟时从输入指标的取值区间中抽样的次数或数量。采样次数越大，模拟结果的准确性就越高，通过多次抽样，可以逐渐逼近决策分析结果的真实分布，从而减小误差和不确定性。但是，选择的采样次数越大，所需要的时间成本和计算成本就越大。主体对象可以根据个人需求及成本，自定义合适的采样次数。[0100]在得到各个取值结果后，则利用决策分析模型进行对每一个取值结果进行分析，请继续参考图4。[0101]如图所示，该流程包括以下步骤：[0102]步骤s302，利用所述输入指标对应的决策分析模型，模拟输入指标的各个取值结果对于多个预设指标的影响程度，以得到输入指标在各个取值结果对应的决策分析结果。[0103]其中，输入指标在一个取值结果对应的决策分析结果包括多个预设指标在输入指标的该取值结果分别对应的受影响程度，一个预设指标在输入指标的一个取值结果对应有一个受影响程度。[0104]由于决策分析模型用于分析不同的因素变化(即输入指标变化)对于决策分析结果中预设指标的影响，也就是说决策分析模型是为了获得预设指标的受影响程度。因此，基于每一个取值结果中的输入指标的取值，利用决策分析模型进行分析，可以得到受到输入指标的取值改变而影响的预设指标的受影响程度，形成决策分析结果。[0105]在可选实现中，本技术实施例可以采用蒙特卡洛模拟模型来根据取值结果，得到进行后续分析的决策分析结果的集合。[0106]蒙特卡洛模拟模型在接收到输入指标后，会依据输入指标的取值区间基于采样次数进行随机采样，得到各个取值结果；将每一次采样后的取值结果作为一组输入，进行一次分析得到一组决策分析结果。当分析次数达到采样次数即取值结果的数量后，蒙特卡洛模拟模型会将每一次分析的决策分析结果整合，进行数据储存，方便后续分析。[0107]例如，假设给定取值结果的数量为samplesize，预设指标的数量为m，则得到的预设指标的受影响程度sij形成的集合为s：[0108]s＝{sij}，i＝1…samplesize，j＝1…m；[0109]其中，sij表示对于每i个取值结果，利用决策分析模型分析后，第j个预设指标的受影响程度。[0110]在通过蒙特卡洛模拟模型得到用于后续分析的决策分析结果中的预设指标的受影响程度之后，则可以进行后续的目标指标的确定。[0111]请继续参考图4，该流程包括以下步骤：[0112]步骤s303，对于任一个预设指标，根据预设指标在输入指标的各个取值结果分别对应的受影响程度，确定预设指标的受影响程度方差；将受影响程度方差大于预设方差阈值的预设指标确定为目标指标。[0113]上述基于蒙特卡洛模拟模型的模拟运算后，可以得到预设指标针对于每一个取值结果的受影响程度sij，从而可以基于预设指标的受影响程度形成的集合s，确定明显受到输入指标变化影响的预设指标，作为目标指标。由于sij包括的数据是较为复杂的，根据预设指标的受影响程度集合的特点，结合方差的应用意义(方差可以用于判断几组观察到的数据或者处理的结果是否存在显著差异)，因此选择使用预设指标的受影响程度的方差进行目标指标的选择。即：[0114][0115]其中，samplesize表示取值结果的数量，表示预设指标的受影响程度的均值。0.05表示预设方差阈值。[0116]当预设指标的受影响程度方差大于预设方差阈值(例如0.05)时，则认为该预设指标因为输入指标的不确定性(输入指标的取值改变)而受到了明显的影响，这也是后续主要的研究对象。[0117]将上述目标指标进行汇总，即可得到受到影响的目标指标列表。可选的，主体对象可基于此目标指标列表进行二次输入，选择其中感兴趣的目标指标进行下一步研究。[0118]本技术实施例在进行不确定评估时，采用了多种不确定评估参数，在一种实施方式中，可以选择不确定度进行不确定评估。[0119]请继续参考图4，如图所示，该流程还可以包括：[0120]步骤s304，针对于任一个目标指标，基于目标指标在各个取值结果分别对应的受影响程度，确定目标指标的受影响程度对应的标准差，以得到目标指标的不确定度。[0121]可选地，步骤s304可以利用图3所示的评估装置中，不确定评估模块204包括的不确定度计算模块2041实现。[0122]不确定性是输入指标和预设指标等指标本身具备的不能被肯定的属性，而不确定度是衡量不确定性的指标之一，广义上指对目标指标不能肯定的程度。不确定度可以用标准差、极差(极差是指一组测量值内最大值与最小值之差，又称范围误差或全距，以r表示。它是标志值变动的最大范围，适用于样本量很小的情况)来表示，由于本技术实施例所针对的取值结果的数量即采样次数属于较大样本量，因此，主要选用标准差进行目标指标的不确定度的计算。[0123]定义上述步骤中在预设指标中确定目标指标有l个，假设选择所有的目标指标进行研究，那么所有的目标指标的受影响程度所形成的目标集合y为：[0124]y＝{yk},k＝1…l；[0125]对上述目标集合y中目标指标的不确定度进行计算，即基于每一个取值结果中每一个目标指标的受影响程度，计算得到的目标指标的受影响程度的标准差ui，全部的目标指标的受影响程度的标准差形成的集合ui为：[0126]ui＝{uik},k＝1…l；[0127]其中，[0128][0129]目标指标的不确定度计算可以衡量若干个目标指标的受影响程度的相对大小，即不确定度大小。理论上，相对不确定度越大的目标指标的受影响程度越大，其不确定性越高，往往越需要主体对象在制定决策方案时施加更多的注意力。因此，本技术实施例提供的评估方法，通过比较各个目标指标的不确定度来研究其相对不确定度的大小。[0130]请继续参考图4，如图所示，该流程还可以包括：[0131]步骤s305，对于任一个目标指标，根据目标指标在所述输入指标的各个取值结果对应的受影响程度，得到目标指标的多个受影响程度，所述目标指标的多个受影响程度形成目标指标的结果区间；将目标指标的结果区间划分为采样次数的子区间，其中，一个子区间至少对应输入指标的两个取值结果；确定各个子区间之间的区间不确定度。[0132]结果区间是指在进行蒙特卡洛模拟模型进行分析时，会对输入指标进行抽样，进行决策分析结果的计算；不同的取值结果的输入，将使输出的决策分析结果中包含的预设指标的受影响程度发生变化，称为结果区间。[0133]同一个目标指标在结果区间的不同取值，会得到不同的不确定度。理论上，结果区间的输入指标的取值结果越多，目标指标的不确定度越小。因此，统计目标指标的受影响程度所涉及的结果区间，预设子区间数量l，分别计算l个子区间的区间不确定度。同时，为了确保将总结果区间均分为l份后，每个子区间包含至少2个取值结果，可以在不满足上述条件时缩小l，直到满足条件。对于第k个目标指标的第l个子区间，有：[0134][0135]即可得到k个目标指标在l个子区间的区间不确定度[0136]可选地，步骤s305可以利用图3所示的评估装置中，不确定评估模块204包括的不确定计算模块2041实现。[0137]为了能够提供更可靠的分析结果，用于支持主体对象制定精准决策方案，本技术实施例所提供的评估方法中，还计算了目标指标的灵敏度。[0138]请继续参考图4，如图所示，该流程还可以包括以下步骤：[0139]步骤s306，对于任一目标指标，根据目标指标在输入指标的各个取值结果分别对应的受影响程度，确定目标指标在输入指标的各个取值结果分别对应的shap值；针对于任一个目标指标，根据目标指标在输入指标的各个取值结果对应的shap值，求取绝对值的平均，得到目标指标的shap值的绝对值均值，作为目标指标相对于输入指标的灵敏度；基于各个目标指标的灵敏度，形成灵敏度矩阵。[0140]灵敏度分析是研究与分析一个系统(或模型)的状态或输出变化对系统参数或周围条件变化的敏感程度的方法。也就是灵敏度可以研究与分析一个决策分析模型的决策分析结果对决策分析模型的输入指标或周围条件变化的敏感程度。[0141]在不确定评估中可以利用灵敏度来研究输入指标不准确或发生变化时决策分析结果的稳定性。因此，灵敏度分析是不确定评估中的重要一环。[0142]灵敏度计算可以基于得到的目标指标，分析目标指标相对于发生改变的输入指标的敏感程度值。理论上，由一套数理方程构成的决策分析模型可以通过链式法则使用求偏导的方式得到任意两个输入指标和目标指标的关系。然而，在实际应用中往往没有如此丰富的时间成本和便捷的计算方式。因此，本技术实施例通过数据驱动的方法得到目标指标的灵敏度。[0143]例如，可以采用shap(shapleyadditiveexplanations，可加特征归因)方法，shap方法是诞生于合作博弈下的贡献值分配方法，该方法将输出解释为所有输入归因值之和，可以用于机器学习的可解释性挖掘、灵敏度分析等许多领域。但是，该方法在计算时呈现指数级的复杂度，适用范围有限。因此，本技术实施例所提供的评估方法中，使用xgboost(extremegradientboosting，极端梯度增强算法)作为代理模型，可以使用多项式级的treeshap方法进行计算，具备更高的场景适用性。[0144]可选地，步骤s306可以利用图3所示的评估装置中，不确定评估模块204包括的灵敏度计算模块2042实现。[0145]灵敏度计算模块2042根据接收到的目标指标，从决策分析结果确定模块202(例如蒙特卡洛模拟模型)获得的预设指标的受影响程度形成的数据集即s中，针对于任一个目标指标，创建xgboost模型进行训练。当训练完成后，使用python软件的shap分析模块，选择treeshap方法进行shap值计算，用于确定后续目标指标在模型中的灵敏度。[0146]假设仍然选择所有的目标指标，对于目标指标的受影响程度形成的集合y进行研究：[0147]y＝{yk},k＝1…l[0148]使用上述灵敏度计算方法计算得到每一个取值结果中输入指标对预设指标(目标指标)的shap值(shapvalue)之后，对于所有取值结果的目标指标的shap值svij，得到集合shapk：[0149]shapk＝{svij},i＝1…samplesize,j＝1…m；[0150]对所有取值结果的目标指标的shap值svij求绝对值的平均，即可得到每个输入指标对目标指标的shap值，即每个目标指标的灵敏度svj：[0151][0152]svj表示第k个目标指标对于输入指标发生改变的目标指标的灵敏度的集合，将l个目标指标得到的目标指标的灵敏度svjk组合为一个灵敏度矩阵：[0153]shap＝[svjk],j＝1…m,k＝1…l；[0154]即可完成目标指标的灵敏度计算。[0155]同时，主体对象还可以选择可视化，将针对于每一个取值结果中，目标指标的灵敏度的分布情况进行展示，根据目标指标的灵敏度的分布情况方便主体对象直观感受到各个目标指标的灵敏度的相对大小。[0156]由于决策分析模型是典型的系统工程模型，存在若干系统与子系统的关系，这就对不同系统层级的研究提供了可能。因此，本技术实施例在计算了目标指标的不确定度和目标指标的灵敏度之后，为了进一步提高不确定评估的可靠性，在一种实施方式中，对分布不确定传播数据进行了计算。[0157]请继续参考图4，如图所示，该流程还可以包括以下步骤：[0158]步骤s307，针对任一个目标指标，将目标指标的灵敏度进行归一化处理，得到目标指标受输入指标影响的相对权重，以及，根据目标指标的相对权重和不确定度，确定目标指标的分布不确定传播数据；各个目标指标的分布不确定传播数据形成分布不确定传播数据矩阵。[0159]其中，目标指标的不确定度基于目标指标在各个取值结果分别对应的受影响程度确定；目标指标的灵敏度基于目标指标的shap值的绝对值均值确定，目标指标的shap值的绝对值均值为目标指标在输入指标的各个取值结果对应的shap值的绝对值均值，目标指标在输入指标的各个取值结果对应的shap值基于目标指标在输入指标的各个取值结果分别对应的受影响程度确定。[0160]分布不确定传播数据可以研究不同层级系统视角下来自输入指标的分布不确定传播的过程，以此获得对输入指标的分布不确定传播数据更系统、直观的感受。[0161]由于分布不确定传播数据需要研究的是整个系统，因此需要考虑所有受影响的目标指标。可选地，步骤s307可以利用图3所示的评估装置中，不确定评估模块204包括的分布不确定传播数据计算模块2043实现。[0162]分布不确定传播数据计算模块2043首先接收来自不确定度计算模块2041中所有的目标指标的不确定度集合ui，和来自灵敏度计算模块2042中输入指标和所有目标指标的灵敏度矩阵shap。[0163]针对于每个目标指标将灵敏度矩阵shap中的目标指标的灵敏度进行归一化，处理后得到的归一化灵敏度作为每个目标指标受各个输入指标影响的相对权重，由于分布不确定传播数据针对的是整个系统及整个决策分析模型，因此将各个目标指标的归一化灵敏度进行集合，形成权重矩阵weight为：[0164]weight＝[wjk],j＝1…m,k＝1…l；[0165]其中，[0166][0167]将权重矩阵weight作为对第k个目标指标的不确定度的分割矩阵，将其中的归一化灵敏度作为分割的权重值，得到分布不确定传播数据矩阵t：[0168]t＝[tjk],j＝1…m,k＝1…l；[0169]其中，[0170]tjk＝uik×wjk；[0171]其中uik表示目标指标的不确定度形成的目标指标的不确定度集合。[0172]将分布不确定传播数据矩阵t的值依据l个目标指标的不同系统层次进行聚类，绘制桑基图，即可得到分布不确定传播数据图。[0173]基于分布不确定传播数据的计算可以方便主体对象直观查看每一个目标指标受输入指标的影响程度，从而确定在制定决策方案时，需要注意的输入指标。为主体对象制定精准决策方案提供有力支持。[0174]为便于理解本技术实施例所提供的评估方法的实现效果，请参考图5，图5是本技术实施例所提供的评估装置的另一结构示意图。[0175]如图所示，为实现本技术实施例所提供的评估方法，在评估装置中一体化集成了一级输入模块、蒙特卡洛模拟模型、目标指标确定模块、二级输入模块、不确定度计算模块、灵敏度计算模块、分布不确定传播数据计算模块。[0176]其中，所述一级输入模块可以用于主体对象输入初始的输入信息，如输入指标、输入指标的取值区间、所述输入指标对应的决策分析模型、采样次数以及预设周期。所述决策分析模型可以是主体对象直接输入，也可以是根据评估装置上展示的决策分析模型列表进行选择输入。[0177]预设周期可以根据主体对象所要针对的具体年份进行确定，选择对应的基准年和目标年。[0178]蒙特卡洛模拟模型可以根据主体对象在一级输入模块输入的输入指标和输入指标的取值区间，首先基于采样次数和输入指标的取值区间，对输入指标的取值区间进行采样形成采样次数的取值结果。在得到各个取值结果后，将每一个取值结果作为输入基于蒙特卡洛模拟模型进行模拟分析，当模拟分析的次数达到采样次数时，停止模拟；将所有的模拟结果即预设指标的受影响程度形成的决策分析结果进行存储，以便后续进行目标指标的确定。[0179]目标指标确定模块，可以获取蒙特卡洛模拟模型得到的多个决策分析结果，从多个决策分析结果的预设指标中，确定出明显受到输入指标变化影响的目标指标；将全部确定的目标指标形成目标指标列表以供后续主体对象选择使用。[0180]二级输入模块可以获取目标指标确定模块得到的目标指标列表，根据主体对象的感兴趣指标在目标指标列表中选择一个或多个目标指标进行后续的不确定评估。[0181]主体对象在分析感兴趣的目标指标时，可以从评估装置的目标指标确定模块确定的目标指标列表中选择。在评估装置的设计者设计过程中，可以直接选择目标指标列表中的全部目标指标用于测试；当测试完成即不确评估装置可以面向主体对象使用时，则可以设置二级输入模块，供主体对象选择使用，因为不同的主体对象所感兴趣的目标指标是不同的，可以方便主体对象的使用。[0182]不确定度计算模块，可以基于主体对象在二级输入模块选择的目标指标，从蒙特卡洛模拟模型的模拟结果中，获取主体对象选中的目标指标的受影响程度，计算每一个目标指标的不确定度。[0183]为了便于后续主体对象对于结果的查看，不确定计算模块还可以进一步的进行区间不确定度的计算。即是否进行后续的区间不确定度的计算可以根据主体对象的选择进行确定，如果主体对象需要查看每一个目标指标的区间不确定度，则不确定度计算模块可以进行下一步的区间不确定度的计算，否则计算完成每一个目标指标的不确定度即可。[0184]灵敏度计算模块，同样基于主体对象在二级输入模块选择的目标指标，从蒙特卡洛模拟的模拟结果中确定主体对象选中的目标指标的受影响程度，计算每一个目标指标的shap值，进而得到全部目标指标的灵敏度矩阵。[0185]分布不确定传播数据计算模块，可以根据不确定度计算模块得到的目标指标的不确定度以及灵敏度计算模块得到的目标指标的灵敏度得到分布不确定传播数据，以形成的分布不确定传播数据矩阵。[0186]在得到决策方案的不确定评估结果之后，主体对象可以进行决策方案的制定，可选地，所述评估方法还可以包括：根据输入指标在取值结果对应的决策分析结果的解释结果，确定满足预设条件的决策分析结果；将所确定的决策分析结果对应的输入指标的取值结果，作为输入指标的目标取值结果；根据输入指标的目标取值结果，形成目标决策方案。[0187]可选的，满足预设条件的决策分析结果例如，满足预设可靠性条件的决策分析结果等，具体可根据决策分析结果的实际约束和需求而定。[0188]根据目标指标的不确定度、目标指标的灵敏度以及分布不确定传播数据三者中至少一者完成决策方案的不确定评估，从而可以为主体对象制定决策方案提供的有力支持，使得目标决策方案能够规避不必要的风险因素。[0189]在一种实施方式中，所述决策方案可以为碳减排相关的碳决策方案，所述输入指标可以为形成碳决策方案的指标，所述预设指标可以为碳决策方案影响的因素对应的指标。[0190]碳决策方案在制定时，需要考虑不同的碳决策方案的指标的不同取值，所产生的执行效果即对碳决策方案影响的因素对应的指标所产生的影响，因此对于碳决策方案制定之前的不确定评估是有必要的。根据本技术实施例所提供的评估方法得到不确定评估结果确定合适的碳决策方案的指标的取值，使得最终的碳决策方案的执行能够带来期望的效益(即碳决策方案符合预设条件)。[0191]为说明本技术实施例所提供的不确定评估的实现效果，本技术实施例以主体对象在执行决策方案时(例如工业园区制定碳方案)要研究碳税和gdp(国内生产总值)对于宏观经济指标的影响为例。[0192]首先，主体对象首先设置输入指标、输入指标的取值区间、采样次数、决策分析模型、预设周期。[0193]针对于上述主体对象研究的示例，主体对象可以选择cheercge模型作为研究的决策分析模型，选定碳税ctax和gdp两个输入指标进行研究，ctax的取值分布服从正态分布，取值区间根据均值为40，标准差为0.5进行确定；gdp的取值分布同样服从正态分布，取值区间根据均值为2.5，标准差为0.4。设定采样次数为200作为生成的取值结果的数量以及决策分析模型模拟的次数，2017年作为基准年，2020年作为研究年进行不确定评估，此时完成了主体对象的一级输入。[0194]然后，针对上述两个输入指标的分布特征对应的取值区间进行采样，通过蒙特卡洛模拟获得决策分析结果中，预设指标的受影响程度形成的数据集。对得到的数据集分析若干个预设指标的受影响程度，得到了如图6所示的13个目标指标受到了碳税和gdp改变的显著影响。图6是本技术实施例所提供的目标指标的示例图。[0195]假设，主体对象在得到包括13个目标指标的目标指标列表之后，主体对象可以在目标指标列表中选择一个或多个目标指标进行不确定评估；在本实施例中，假设主体对象选择目标指标列表中所有的目标指标进行后续，则进行不确定度计算得到结果可以参考图7所示，图7是本技术实施例所提供的目标指标的不确定度的示例图。[0196]图中所示的矩形面积的大小表示不确定度大小；可以看到，目标指标var3和目标指标var4的相对不确定度最高(即在13个目标指标的不确定度中不确定度最大)，说明主体对象在制定决策方案时应该更关注icteqp行业中能源和二氧化碳相关量的不稳定性。相对的，hotrest中空气污染物排放的相关指标就较为稳定。[0197]为便于主体对象观察和分析每一个目标指标的不确定度，可以假定选取其中的目标指标var3、目标指标var1、目标指标var11进行区间不确定度的研究，结果可以参考图8，图8是本技术实施例所提供的区间不确定度的示例图。[0198]如图所示，可以发现三个目标指标的区间不确定度在结果区间范围内都存在一个最小值，这意味着在该最小值附近，可以对其不确定度结果有更高的信任程度。当然，这主要是其均衡值附近采样较多导致的相对不确定度较低。另一方面，也可以看出三条曲线的顺序也符合三个目标指标相对不确定度的大小关系，符合预期。[0199]进一步的计算目标指标的灵敏度，仍然选取上述三个目标指标即目标指标var3、目标指标var1、目标指标var11，分别对其输入指标对应的取值结果的shap值进行可视化，从而可以直观查看目标指标的灵敏度，得到的结果可以参考图9所示，图9是本技术实施例所提供的目标指标的灵敏度的示例图。[0200]其中，feature0和1分别代表碳税和gdp；[0201]可以发现，不同碳税的取值结果对应三个目标指标的灵敏度都有很强的差异，说明碳税的不同取值会对三个目标指标的结果产生显著影响。而gdp则仅仅对碳价产生十分微弱的影响，甚至可以忽略不计。从而可以得到结论，目标指标的不确定主要是由于碳税导致的，gdp对其影响很小。进一步的，对每个目标指标的灵敏度求绝对值的平均，即可得到灵敏度矩阵。[0202]最后，基于目标指标的灵敏度和目标指标的不确定度输入至分布不确定传播数据计算模块，绘制桑基图，可以参考图10，图10是本技术实施例所提供的分布不确定传播数据的示例图。[0203]如图所示，可以发现上述目标指标全部只对policy情景产生影响，这和预期一致。在预设指标层面，受到影响的预设指标中，二氧化碳和能源等指标受到的影响要远远大于空气污染和碳价等指标。在商品类型层面，主要是煤炭指标受到了巨大影响，天然气次之。而各个行业受到的影响相对来说较为均匀。[0204]可选地，图11是本技术实施例提供的服务器的架构图，参照图11，该服务器可以包括：至少一个存储器3和至少一个处理器1；所述存储器存储有程序，所述处理器调用所述程序，以执行前述的评估方法，另外，至少一个通信接口2和至少一个通信总线4；处理器1和存储器3可以位于同一电子设备，例如处理器1和存储器3可以位于服务器设备或者终端设备；处理器1和存储器3也可以位于不同的电子设备。[0205]作为本技术实施例公开内容的一种可选实现，存储器3可以存储程序，处理器1可调用所述程序，以执行本技术上述实施例提供的评估方法。[0206]本技术实施例中，硬件设备可以是能够进行执行评估方法的平板电脑、笔记本电脑、智能音箱等设备。[0207]在本技术实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；显然，图11所示的处理器1、通信接口2、存储器3和通信总线4的通信连接示意仅是可选的一种方式。[0208]可选的，通信接口2可以为通信模块的接口，如gsm模块的接口；[0209]处理器1可能是cpu，或者是特定集成电路asic(applicationspecificintegratedcircuit)，或者是被配置成实施本技术实施例的一个或多个集成电路。[0210]存储器3可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。[0211]需要说明的是，上述的实现终端设备还可以包括与本技术实施例公开内容可能并不是必需的其他器件(未示出)；鉴于这些其他器件对于理解本技术实施例公开内容可能并不是必需，本技术实施例对此不进行逐一介绍。[0212]本技术实施例还提供一种服务器，包括存储器，处理器，所述存储器存储有上述实施例所述的评估方法的程序，所述处理器调用所述存储器中存储的程序，以实现如上述实施例所述的评估方法。[0213]本技术实施例还提供一种存储介质，存储有计算机程序，所述计算机程序执行时实现如上述实施例所述评估方法。[0214]本技术实施例还提供一种计算机程序，该计算机程序被执行时实现如本技术实施例提供的评估方法。[0215]虽然本技术实施例披露如上，但本技术并非限定于此。任何本领域技术人员，在不脱离本技术的精神和范围内，均可作各种更动与修改，因此本技术的保护范围应当以权利要求所限定的范围为准。当前第1页12当前第1页12
技术特征：
1.一种评估方法，其中，应用于云服务器，所述方法包括：获取输入信息，所述输入信息至少包括形成决策方案的输入指标，以及输入指标的取值区间；根据所述输入指标的取值区间，确定所述输入指标的多个取值结果；确定所述输入指标在各个取值结果对应的决策分析结果；其中，输入指标在一个取值结果对应的决策分析结果包括多个预设指标在输入指标的该取值结果分别对应的受影响程度，一个预设指标在输入指标的一个取值结果对应有一个受影响程度；从所述多个预设指标中确定目标指标；对于任一个目标指标，根据目标指标在输入指标的取值结果对应的受影响程度，进行不确定评估，得到不确定评估结果；所述不确定评估结果包括如下至少一项：目标指标的不确定度、灵敏度和分布不确定传播数据；所述不确定评估结果用于解释输入指标在取值结果对应的决策分析结果。2.如权利要求1所述的评估方法，其中，所述确定所述输入指标在各个取值结果对应的决策分析结果包括：利用所述输入指标对应的决策分析模型，模拟输入指标的各个取值结果对于多个预设指标的影响程度，以得到输入指标在各个取值结果对应的决策分析结果。3.如权利要求2所述的评估方法，其中，所述从所述多个预设指标中确定目标指标包括：对于任一个预设指标，根据预设指标在输入指标的各个取值结果分别对应的受影响程度，确定预设指标的受影响程度方差；将受影响程度方差大于预设方差阈值的预设指标确定为目标指标。4.如权利要求1-3任一项所述的评估方法，其中，所述不确定评估结果至少包括：目标指标的不确定度；所述对于任一个目标指标，根据目标指标在输入指标的取值结果对应的受影响程度，进行不确定评估，得到不确定评估结果包括：针对于任一个目标指标，基于目标指标在各个取值结果分别对应的受影响程度，确定目标指标的受影响程度对应的标准差，以得到目标指标的不确定度。5.如权利要求4所述的评估方法，其中，还包括：对于任一个目标指标，根据目标指标在所述输入指标的各个取值结果对应的受影响程度，得到目标指标的多个受影响程度，所述目标指标的多个受影响程度形成目标指标的结果区间；将目标指标的结果区间划分为采样次数的子区间，其中，一个子区间至少对应输入指标的两个取值结果；确定各个子区间之间的区间不确定度。6.如权利要求1-3任一项所述的评估方法，其中，所述不确定评估结果至少包括：目标指标的灵敏度；所述对于任一个目标指标，根据目标指标在输入指标的取值结果对应的受影响程度，进行不确定评估，得到不确定评估结果包括：对于任一目标指标，根据目标指标在输入指标的各个取值结果分别对应的受影响程度，确定目标指标在输入指标的各个取值结果分别对应的shap值；针对于任一目标指标，根据目标指标在输入指标的各个取值结果对应的shap值，求取绝对值的平均，得到目标指标的shap值的绝对值均值，作为目标指标相对于输入指标的灵敏度；
基于各个目标指标的灵敏度，形成灵敏度矩阵。7.如权利要求1-3任一项所述的评估方法，其中，所述不确定评估结果包括：目标指标的分布不确定传播数据；所述对于任一个目标指标，根据目标指标在输入指标的取值结果对应的受影响程度，进行不确定评估，得到不确定评估结果包括：针对任一个目标指标，将目标指标的灵敏度进行归一化处理，得到目标指标受输入指标影响的相对权重，以及，根据目标指标的相对权重和不确定度，确定目标指标的分布不确定传播数据；各个目标指标的分布不确定传播数据形成分布不确定传播数据矩阵；其中，目标指标的不确定度基于目标指标在各个取值结果分别对应的受影响程度确定；目标指标的灵敏度基于目标指标的shap值的绝对值均值确定，目标指标的shap值的绝对值均值为目标指标在输入指标的各个取值结果对应的shap值的绝对值均值，目标指标在输入指标的各个取值结果对应的shap值基于目标指标在输入指标的各个取值结果分别对应的受影响程度确定。8.根据权利要求1所述的评估方法，其中，所述方法还包括：根据输入指标在取值结果对应的决策分析结果的解释结果，确定满足预设条件的决策分析结果；将所确定的决策分析结果对应的输入指标的取值结果，作为输入指标的目标取值结果；根据输入指标的目标取值结果，形成目标决策方案。9.根据权利要求8所述的评估方法，其中，所述决策方案为碳减排相关的碳决策方案，所述输入指标为形成碳决策方案的指标，所述预设指标为碳决策方案影响的因素对应的指标。10.如权利要求1所述的评估方法，其中，所述输入信息还包括：取值结果的采样次数；所述形成决策方案的输入指标包括至少一个输入指标；所述根据所述输入指标的取值区间，确定所述输入指标的多个取值结果包括：针对任一个输入指标，根据所述采样次数，对输入指标的取值区间进行多次采样，得到多个取值结果；其中，所述至少一个输入指标同一次采样的取值，形成一个取值结果，所述多个取值结果中至少部分取值结果的取值重叠。11.一种评估系统，其中，包括：终端与服务器；所述终端，用于显示有输入界面，所述输入界面展示有输入区域，所述输入区域至少包括指标输入区域，所述指标输入区域用于输入形成决策方案的输入指标，以及输入指标的取值区间；将所述输入区域的输入信息传输给所述服务器；所述服务器用于执行如权利要求1-10任一项所述的评估方法。12.一种服务器，其中，包括存储器，处理器，所述存储器存储有程序，所述处理器调用所述存储器中存储的程序，以实现如权利要求1-10任一项所述的评估方法。13.一种存储介质，其中，存储有计算机程序，所述计算机程序执行时实现如权利要求1-10任一项所述的评估方法。

技术总结
本申请实施例提供一种评估方法、系统、服务器及存储介质，其中方法包括：获取输入信息，输入信息至少包括形成决策方案的输入指标，以及输入指标的取值区间；根据输入指标的取值区间，确定输入指标的多个取值结果；确定输入指标在各个取值结果对应的决策分析结果；从多个预设指标中确定目标指标；对于任一个取值结果，根据目标指标在该取值结果对应的受影响程度，进行不确定评估，得到不确定评估结果；不确定评估结果包括如下至少一项：目标指标的不确定度、目标指标的灵敏度、输入指标在取值结果的分布不确定传播数据；不确定评估结果用于解释输入指标在取值结果对应的决策分析结果。本申请实施例可以为可靠评估决策方案提供支持。申请实施例可以为可靠评估决策方案提供支持。申请实施例可以为可靠评估决策方案提供支持。


技术研发人员：刘凯 邓铸 袁灿 邱剑 黄夏 周文闻 甄紫涵
受保护的技术使用者：阿里云计算有限公司
技术研发日：2023.04.19
技术公布日：2023/8/21