电力系统工程评标专家的异常性评分直接影响评标结果的公平性,必须采取科学的方法将专家异常性评分进行剔除。在对传统截尾法分析的基础上,基于统计检验理论提出了采用格拉布斯检验和狄克松检验对专家异常性评分进行判定,并应用于实际的电力系统工程评标专家异常性评分判定中。结果表明,截尾法对异常性评分的判定过于武断,格拉布斯检验和狄克松检验对专家异常性评分判定精度更高,这对其他领域专家评分异常性判定具有一定的参考价值。

为了给供应商或投标人的最优选择提供科学决策的依据,提出一种基于改进的萤火虫算法优化核极限学习机(CMFA-KLEM)的投标人画像评价模型。首先,将云模型理论引入萤火虫算法,提出一种改进的萤火虫算法;然后,运用层次分析法从资质信息、投标行为、技术实力、信用评价和履约表现等5个方面构建出投标人画像评价指标体系;最后,将11个投标人画像评价二级指标的得分数据作为CMFA-KELM的输入向量,投标人画像评价等级作为CMFA-KELM的输出向量,建立投标人画像评价CMFA-KELM模型。研究结果表明,与其他算法相比,CMFA-KELM具有更高的准确率、检测率和更低的误报率。