检索结果-内蒙古大学图书馆

中国管理科学 2021年第10期29卷 224-235页

作者：闫泓序余顺坤林依青华北电力大学经济与管理学院北京102206 广东电网有限责任公司汕头供电局广东汕头515000

在新型冠状病毒感染肺炎疫情对我国电力市场造成巨大冲击的宏观背景下,为进一步提升我国供电企业营销服务资源配置效能,最大化撬动供电企业的综合效益,笔者开展了我国工业电力用户价值画像模型研究。本文对电力用户价值进行了分析和定义... 详细信息

在新型冠状病毒感染肺炎疫情对我国电力市场造成巨大冲击的宏观背景下,为进一步提升我国供电企业营销服务资源配置效能,最大化撬动供电企业的综合效益,笔者开展了我国工业电力用户价值画像模型研究。本文对电力用户价值进行了分析和定义,从安全稳定价值(S)、经济效益价值(E)、契约信用价值(C)与有序用电价值(O)四个维度,构建了我国工业电力用户价值评级SECO指标模型,并集成智能算法中的RST(粗糙集理论)与数据挖掘技术中的PAM(围绕中心点切割聚类算法),构造了一种半监督自动化用户价值识别、预测与特征展示模型,模型包括基于RST的指标体系设计、基于Gower相异度系数与PAM的用户价值评级,以及基于用户画像的价值特征展示三大模块。其中,为增强聚类分析结果的科学性与可靠性,采用霍普金斯统计量进行聚类趋势判断,利用间隔统计量输出理论最佳聚类数目,运用轮廓系数评估模型效果与识别误判样本。以我国南方电网公司下属某供电企业电力用户数据进行模型测试与应用研究,得到具有较高解释性与区分度的用户细分方案,表明本模型是一套可行有效的用户价值评级与特征可视化工具。

关键词：电力用户细分电力用户价值评价用户价值画像粗糙集理论 PAM 霍普金斯统计量间隔统计量轮廓系数

来源：评论

学校读者我要写书评

暂无评论

应用曲线分群预测的电动汽车充电设施规划方法

引用

现代电力 2018年第4期35卷 21-26页

作者：张禄孙舟王伟贤李香龙周杨黄其进陈雁国网北京市电力公司电力科学研究院北京100075 北京中电普华信息技术有限公司北京100085

针对电动汽车公共充电设施的建设规划问题,以充电设施的建设数量满足电动汽车的充电需求为目标,建立电动汽车充电需求预测模型。采用基于充电电量曲线聚类的分群预测方法,应用霍普金斯统计量评估曲线聚类趋势,结合肘方法(elbow method)... 详细信息

针对电动汽车公共充电设施的建设规划问题,以充电设施的建设数量满足电动汽车的充电需求为目标,建立电动汽车充电需求预测模型。采用基于充电电量曲线聚类的分群预测方法,应用霍普金斯统计量评估曲线聚类趋势,结合肘方法(elbow method)来选择合理的聚类数;考察各类典型充电电量曲线趋势和扰动方面的特征并选取适用的预测算法(Holt-Winters指数平滑、ARIMA模型),有效提高了电动汽车充电需求预测的准确性。采用某市15个行政区县的电动汽车充电数据进行实例分析,分析结果表明,利用此模型对电动汽车公用充电设施的充电需求进行预测,准确量化公共充电设施的建设规模,提高了公共充电设施投放的针对性。

关键词：电动汽车充电需求曲线聚类霍普金斯统计量 Holt-Winters指数平滑 ARIMA模型

来源：评论

学校读者我要写书评

暂无评论

基于HS-Clustering的风电场机组分组功率预测

引用

现代电力 2017年第3期34卷 12-18页

作者：高小力张智博田启明刘永前中国电力工程顾问集团西北电力设计院有限公司陕西西安710075 新能源电力系统国家重点实验室(华北电力大学) 北京102206

为了寻求风电场功率预测精度和计算效率二者的平衡,提出了一种基于霍普金斯统计量与聚类算法(HSClustering)的风电场机组分组功率预测方法,该方法将霍普金斯统计量与聚类算法的优势有效结合,采用霍普金斯统计量确定场内机组分组个数,通... 详细信息

为了寻求风电场功率预测精度和计算效率二者的平衡,提出了一种基于霍普金斯统计量与聚类算法(HSClustering)的风电场机组分组功率预测方法,该方法将霍普金斯统计量与聚类算法的优势有效结合,采用霍普金斯统计量确定场内机组分组个数,通过聚类算法识别不同机组的相似性将风电场分成不同的机组群,然后对每组机群分别建立功率预测模型,从而叠加得到整场输出功率;另外以实测风速、实测功率及二者组合作为机组分组模型输入,分析其对预测精度的影响程度。实例分析表明基于HSClustering的分组预测方法可以显著提高预测精度,同时保证较高的计算效率;风速是影响分组效果的主要因素,对于某些分组模型,功率又可以作为风速的重要补充。

关键词：机组分组个数功率预测霍普金斯统计量聚类算法

来源：评论

学校读者我要写书评

暂无评论

大型风电场分组建模方法及其在功率预测中的应用

大型风电场分组建模方法及其在功率预测中的应用

引用

作者：高小力华北电力大学

学位级别：硕士

风电固有的波动性影响电力系统的安全、稳定和经济运行,是大规模风电并网运行的主要挑战。风电场功率预测是解决该问题的必要手段之一。利用场内某代表位置的风况来映射整个风电场的输出功率是当前大多风电场功率预测采用的方法,但对于... 详细信息

风电固有的波动性影响电力系统的安全、稳定和经济运行,是大规模风电并网运行的主要挑战。风电场功率预测是解决该问题的必要手段之一。利用场内某代表位置的风况来映射整个风电场的输出功率是当前大多风电场功率预测采用的方法,但对于大规模风电场,此方法难以保证精度；若对每台机组进行建模预测,将导致预测计算时间过长,无法满足电力系统对功率预测的要求。因此,研究既能提高预测精度,又保证计算效率的风电场功率预测方法,是大型风电场功率预测领域的关键问题之一。基于聚类算法研究了风电场分组功率预测方法,主要工作包括：(1)研究了风电场分组建模的影响因素。以实测风速、实测功率及二者组合作为模型输入,分析其对风电场分组功率预测精度的影响程度。通过分析可得风速是影响分组效果的主要因素,以风速作为输入变量,预测精度波动范围较小而功率变量会使预测精度波动范围较大。(2)提出了用于确定风电场分组个数的指数。利用提出的轮廓系数和霍普金斯统计量指数,分别从定性和定量的角度确定风电场分组个数,为建立风电场分组模型奠定基础。结果表明：霍普金斯统计量方法效果更好,定量的判定标准保证了确定风电场分组个数的准确性和高效性。(3)提出了一种可提高功率预测精度的风电场分组模型。建立了基于K-means、FCM、SOM、GA-蚁群和谱聚类五种聚类算法的风电场分组模型,通过识别机组的风况特征和发电特征的相似性将大型风电场分成不同的机组群,并利用相关性分析法选择组内代表机组。结果表明：五组聚类结果合理；谱聚类计算效率最高,而GA-蚁群计算时间最长。(4)建立了具有较强适用性的风电场分组功率预测模型。利用多台代表机组位置的风况,预测整场输出功率,比较各模型的预测精度,并对其适用性进行分析。结果表明：风电场分组模型可以有效降低大型风电场功率预测的计算维度,显著提高预测精度,其中,SOM和谱聚类模型较未分组预测精度分别提高1.67%和1.59%；计算效率最高的谱聚类适用于大型风电场的分组建模,预测精度最高的SOM适用于中型风电场,二者可为电力系统调度提供更准确的功率预测信息。

关键词：分组建模聚类算法风电场分组个数轮廓系数霍普金斯统计量风电场功率预测

来源：评论

学校读者我要写书评

暂无评论

基于SOM--K--means的改进Transformer在股价预测的实证分析研究

基于SOM--K--means的改进Transformer在股价预测的实证分析研究

引用

作者：李颜新疆大学

学位级别：硕士

随着计算机学科的飞速发展，基于数学模型的机器学习已经被广泛地运用在金融行业中，特别是股市研究.目前相关的分析方法主要是传统时间序列模型，如ARIMA模型、GARCH模型以及混合类模型.这类传统方法虽然理论成熟，但其原理是从时间角... 详细信息

随着计算机学科的飞速发展，基于数学模型的机器学习已经被广泛地运用在金融行业中，特别是股市研究.目前相关的分析方法主要是传统时间序列模型，如ARIMA模型、GARCH模型以及混合类模型.这类传统方法虽然理论成熟，但其原理是从时间角度对序列数据进行信息挖掘，具有分析数据单一，计算效率低，误差大且信息挖掘度不高的特点.随着创新方法的研究深入,基于支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)等机器学习模型提出了一些混合类甚至变体模型，通过自主学习对模型进行改进，大幅提高了模型训练的精准度.本文所关注的是研究最新的机器学习模型是否能在金融领域取到更好的训练结果.　　本文基于机器人流程自动化(Robotic Process Automation,RPA)和网络爬虫技术，爬取中证500指数排名前100股票近十年的完整日数据，包含14个特征信息以及计算得到的2个特征信息，将其作为研究对象，并提出SOM-K-Means聚类算法对数据集进行聚类分析.首先，通过霍普金斯统计量判断这100支股票是否具备聚类意义;然后，利用自组织神经网络对涉及股票的5个特征进行聚类，得出初步的聚类中心;最后,将其分别放入到K-Means以及FCM聚类算法中得到最后的聚类结果，并通过PCA主成分分析进行可视化对比.结果表明提出的SOM-K-Means算法在该数据集下聚类结果要优于后者.　　基于以上聚类结果，本文提出了 Vec-Transformer模型对分类后的股价数据进行预测.该模型主要采用Transformer模型的Decoder部分，通过引入线性模块使其可以适用于连续型数据，并应用三角函数(Sin、Cos)的编码方式提取金融数据中隐含的时间序列信息.通过大量调参，确定每类股票在该模型下的相对最优参数以及预测结果.对比不同评估指标下经典模型(ARIMA、LSTM)的预测结果，最终得出SOM-K-Means 对于不同股票聚类的有效性以及Vec-Transformer比经典模型拥有更好预测效果.

关键词：股价预测霍普金斯统计量 Transformer模型 SOM-K-Means聚类算法

来源：评论

学校读者我要写书评

暂无评论

基于噪声分布的图像多区域拼接篡改检测技术研究

基于噪声分布的图像多区域拼接篡改检测技术研究

引用

作者：赵秀锋西北师范大学

学位级别：硕士

智能成像设备的快速发展使得数字图像成为传递信息的重要渠道。然而,随着图像编辑软件操作的日益人性化,人们可以对图像内容进行随意修改,这种操作严重降低了图像的可信度,由此诞生了判别数字图像真伪的检测技术。拼接是篡改者惯用的一... 详细信息

智能成像设备的快速发展使得数字图像成为传递信息的重要渠道。然而,随着图像编辑软件操作的日益人性化,人们可以对图像内容进行随意修改,这种操作严重降低了图像的可信度,由此诞生了判别数字图像真伪的检测技术。拼接是篡改者惯用的一种伪造手段,众多学者已经提出了多种针对此类篡改的检测方法。然而随着篡改技术的日益成熟,研究图像拼接篡改检测的方法仍十分必要。针对目前图像拼接篡改检测方法真阳性率低、鲁棒性不强的问题,本文提出基于噪声分布的图像多区域拼接篡改检测技术研究。具体研究如下:(1)针对当前图像拼接篡改检测方法忽略颜色信息及对不同大小的图像块噪声估计准确性不高导致检测精确率低的问题,提出一种基于自适应四元数奇异值分解的噪声估计算法。该算法首先将可疑图像分割为超像素块,然后根据图像块的大小利用四元数奇异值分解自适应估计噪声水平,最后计算亮度信息建立噪声与亮度间的函数关系,得到各超像素块受该函数的约束程度,将其作为噪声特征向量。(2)针对来源不同的图像存在某些区域噪声水平相似且单一特征提取方法对经过后处理的篡改图像检测鲁棒性不强的情况,提出利用相机自动白平衡色温估计算法提取超像素的色温特征。然后利用霍普金斯统计量评估噪声和色温特征向量的随机分布程度,为二者自适应分配权重,得到具有良好可区分性的混合特征。(3)由于FCM聚类算法的分类结果受初始聚类中心的影响较强,并且超像素分割结果中存在一些区域面积较小的块,导致定位结果中该类块被误标记的可能性较大。针对此问题,提出利用特征向量的密度和距离研究最优聚类中心,在加快FCM聚类算法收敛速度的同时提高分类准确度。然后对初始标记的可疑区域进行超像素块上下文信息后处理,进一步提高检测精度。实验在哥伦比亚未压缩拼接图像数据集上与其他方法进行了比较,结果表明,所提方法在未后处理及JPEG压缩、高斯模糊和伽马校正处理后检测精度均略有提升。由于目前没有公开的多区域拼接图像数据集,故利用哥伦比亚数据集自主构建多区域拼接篡改图像集,并将本文方法与目前能检测多区域拼接篡改的方法进行对比,结果显示本文方法在自主构建的多区域拼接图像集上具有一定的有效性。

关键词：图像拼接定位噪声分布四元数奇异值分解色温估计霍普金斯统计量 FCM聚类

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：