基于朴素贝叶斯算法的证券业客户价值细分研究

客户价值是客户关系管理的基本依据。在客户细分的基础上运用朴素贝叶斯模型对证券业客户交易数据和客户基本信息进行数据挖掘分析,并利用Weka数据挖掘工具中的Nave Bayes simple模型对客户交易数据进行训练、测试和验证,构建客户价值分析模型,同时对模型进行测试和评估,验证了客户价值分析模型的准确率。该模型能将现有的客户进行细分和价值分析,识别出具有不同特征、不同价值的客户群,以便针对不同价值等级的客户提供个性化服务策略。     

贝叶斯算法在垃圾邮件过滤系统中的应用

如何把电子邮件中的垃圾邮件过滤掉，已经成为用户当前最关心的一大问题，这也就是所谓的“反垃圾邮件”问题。本文对中文垃圾邮件的特点进行了系统的分析和研究．结合贝叶斯（Bayes）理论，构造基于贝叶斯分类的垃圾邮件过滤模型，在特征提取方面。采用互信息值的方法；在分类方法上．引入了适合标准邮件集条件下的分类方法，并采用了一种更加适合于贝叶斯计算的表示方法。     

基于XGBoost和LSTM模型的金融时间序列预测

随着人工智能快速发展,深度学习模型预测金融时间序列成为热点问题.数据及特征选取是决定模型效果的重要环节,用XGBoost模型进行特征优化并预测黄金价格涨跌趋势,再与LSTM模型比较预测效果.用XGBoost分析动量因子特征重要性并选取有效指标;形态因子做历史回测并选取胜率较高的K线指标,预测准确率提升1.5％.以相同因子为LSTM模型特征值预测准确率提升6.5％,达到80％.以欧元和浦发银行股价数据为样本均证实K线指标有效且LSTM模型预测效果优于XGBoost.     

加权投票自适应的联络中心多类型任务量预测

联络中心排班需要准确预测到达任务量的各种类型。联络中心任务量数据庞大复杂,针对多类型任务的预测方法进行了研究,实现了对联络中心大量任务数据进行准确预测类型任务的目的。首先分析了任务量数据特点,确定了工作日和休息日对任务类型的影响。工作日使用PSO优化LIBSVM模型的参数,作为弱分类器用自适应增强算法迭代训练,提出用加权投票方法融合弱分类器的思想;休息日直接使用PSO-SVM模型预测。实验结果表明,该方法的分类准确率相对于传统方法准确率有很大提高。这对联络中心的人员排班管理具有重要的作用,对其他的服务行业的任务预测分类也有重要的参考价值。     

基于朴素贝叶斯模型的电子证照用证智能推荐

数字政务是数字政府建设中的重要组成部分,研究电子证照智能服务有助于数字政务改革。结合朴素贝叶斯模型与某省政务数据构建用证预测模型,并对模型的有效性进行检验。结果表明：法人类型高频办件前10种组合占全部组合的49.46%,远高于个人类型政务服务事件;全省范围内个人用证、法人用证推荐准确率分别可达到53.22%、68.51%,按地市构建模型能够有效提升准确率,部分区域准确率最高可达96.24%;缩小判定政务服务事件先后关系时间窗口,推荐准确率明显降低。研究结果表明了研究方法的有效性,有关方法和结论对提升政府效能具有支撑参考作用。     

基于演化博弈论的秸秆压块服务站建设分析及利润分配

采用秸秆压块燃料采暖是减少污染物排放的措施之一,秸秆压块服务站的建设是实施该采暖的基础.基于博弈论对服务站建设进行分析,构建政府、企业、农民的动态博弈模型,分析博弈策略的稳定性.结果表明,政府激励在三方决策中起着重要作用,其激励策略受农民采用秸秆压块采暖所付出成本的影响.当其对企业和农民的补贴比例在40:1时企业和农民均参与该项目.此外采用Shapley值法进行利润分配,政府、企业、农民的利润占比分别为9.06％、69.17％、21.77％.     

基于Leaky Noisy-or Gate和贝叶斯网络的光伏发电项目施工风险评估方法

针对复杂多变的光伏发电项目施工风险评估问题，利用Leaky Noisy-or Gate模型整合历史经验和专家知识来确定贝叶斯网络参数并建立光伏施工风险的贝叶斯网络模型，同时采用Netica仿真分析，对施工风险进行有效预测并诊断识别出关键性风险和敏感性风险，以便管理者精准施策、管控风险。为验证该方法的有效性，以Z项目为例进行建模仿真，结果表明，其施工风险等级为中等，与实际相符。     

基于油浸式电力变压器油故障的综合诊断分析

电力变压器是电力系统运行中进行着电能转换的核心设备,对电力系统的安全稳定运行及电能质量有着至关重要的作用。油浸式电力变压器因成本低、散热好、过负荷能力强等特点广泛应用于现在的电网中。随着社会的发展,对电力的需求加剧,对变压器故障提出了查找分析故障速度快、停电检修效率高的要求,降低低效的停电时间,保障供电水平。     

贝叶斯分类算法和非线性统计在安徽省宣州区农村剩余劳动力研究中的应用

本文运用了非线性回归预测理论和数据挖掘中贝叶斯分类算法,通过第五次全国人口普查及专题调查资料,对宣州区农村劳动力现状及转移状况进行建模和预测。根据此模型,本文提出了适合农村劳动力就业及转移的途径。     

个人信用评估模型比较分析

文章以互联网金融机构客户信贷数据为基础,使用7种不同的数据挖掘方法建立个人信用评估模型,从预测准确率、模型外推性、第二类错误率、预期错误分类成本4个方面评价模型的综合信用评估能力。评价结果表明,使用分类树和K近邻分类算法建立的个人信用评估模型的综合信用评估能力最高;同时发现使用线性和非线性方法建立的模型各有特点,线性分类模型能够对违约客户进行有效识别,而非线性分类模型的预测精度较高。     

整县光伏发电的综合LSTM功率预测模型研究

为了更好实现整县屋顶光伏集约化发展，提高大规模分布式屋顶光伏并网经济性，分析基于气象数据的预测方法弊端问题，挖掘海量时序光伏发电功率数据规律，提出基于改进长短期记忆递归神经网络（LSTM）的整县光伏综合功率预测模型。使用所提模型进行单一光伏电源预测实验，结果表明，改进LSTM模型较其他模型更精准，且在整县光伏综合功率预测场景下具有更高整体预测精度，可以用于整县光伏发电功率预测，有助于实现高比例分布式光伏消纳。     

基于响应面法的换流变压器励磁涌流峰值快速计算分析

为解决传统数值法和软件仿真法求解变压器励磁涌流存在模型参数固定、效率低下等问题,提出将响应面拟合计算方法运用在换流变励磁涌流的计算中,实现考虑到主心柱在不同剩磁的条件下的励磁涌流峰值随合闸角变化的高效计算分析。理论分析变压器励磁涌流的产生机理,提取出关键影响因素,采用参数建模建立换流变压器模型,通过响应面试验设计拟合绕组初始电流、合闸角和励磁涌流峰值之间的响应面模型,并验证响应面的精度。研究成果可为变压器励磁涌流快速计算分析、电力变压器数字孪生技术提供技术参考。     

模糊规则在神经网络预测模型中的应用前景

在采用径向基函数神经网络(RBFN)对太阳能发电系统输出功率进行预测的模型中，可以明确日照强度的精度对整个预测系统的精度起到了决定性的作用。通过在RBFN模型中引入模糊规则，改善云量数据的精准度，进而提高预测模型的精度。仿真结果表明，加入了模糊规则的模型，预测曲线更为近似。在全面考虑模糊的基础上，有可能提高预测精度。同时也证明了该方法可用于实际应用。     

成长期高新技术企业价值评估方法评价与选择

从处于成长期的高新技术企业角度出发,分析了目前国内外其价值评估的研究现状及存在的问题,提出了符合成长期阶段特征的两种价值评估模型,即改进折现现金流模型及网络分析模型(ANP),并对模型的优点和不足进行了评价。其次利用熵值法对成长期的高新技术企业价值的影响因素以及指标对企业价值的作用大小做了分析。     

高阻抗变压器励磁涌流研究综述

随着电网发展系统容量增大,具有成本低、额外占地面积小、限制系统短路电流能力强等特点的高阻抗变压器应用率不断提高。目前国外对于高阻抗变压器的研究较少,而国内对于高阻抗变压器未形成系统性研究。首先介绍高阻抗变压器的定义和设计原理,对不同高阻抗变压器的实现方式进行总结。其次,针对高阻抗变压器应用过程中凸显的励磁涌流问题开展理论分析。最后,对高阻抗变压器励磁涌流抑制措施进行总结和对比,并对高阻抗变压器的研究和应用前景进行展望。     

电流互感器二次侧接入状态在线监测装置技术

为实现对电流互感器二次侧接入状态进行实时在线监测,通过构建电流互感器在不同负荷不同状态下的等效电路模型,同时根据电工原理及计量回路中电流的基波和谐波分析方法研究了一款电流互感器二次侧接入状态在线监测装置,结果表明：通过该装置能够实现对不同负荷下互感器的正常连接、开路、短路和回路整流状态的准确识别;装置通过串口通信将识别的状态定时发送给终端设备,最后信息汇聚到后台主站,主站会对异常接入状态的电流互感器进行报警。可见此装置可以达到规范用户用电行为、防止窃电的目的。     

公司治理、宏观经济环境与财务失败预警研究——离散时间风险模型的应用

已有的财务失败预警模型大多只考虑财务信息的作用,忽视了公司治理状况、宏观经济环境等非财务因素对财务失败的影响。本文综合利用财务信息、公司治理信息和宏观经济信息,采用生存分析中的离散时间风险模型构建我国上市公司的财务失败动态预警模型,并实证检验和比较离散时间风险模型与logistic模型、probit模型的预警能力。研究结果显示,公司治理信息和宏观经济信息对财务失败具有显著的预警作用,在模型中纳入这些非财务信息有助于提高模型的预测效果。研究结果也表明,离散时间风险模型的样本内判别能力和样本外预测能力都高于logistic模型和probit模型。     

面向对象系统工程方法改进探索

面向对象系统工程技术是基于模型的系统工程技术五种建模方法之一,结合了基于模型系统工程技术的形式化建模语言,以及面向对象技术的模块、封装、层级特性,使得工程效率、工程系统各部分的可重用性和可维护性大大提升。针对我国航天工业系统工程应用为代表的国内现行系统工程过程高度过程化、文档化,且标准化程度较低的现象,可结合面向对象系统工程优势,探索针对现行系统工程过程的改进方案。     

变电站主设备LCC招标评标动态模型及应用

基于变电站主设备服役周期长、运维费用高、故障风险大、残值高等特点,在变电站主设备全寿命周期费用结构分解的基础上,结合动态成本计算模型,重点构建了变电站主设备LCC招标评标动态模型,并应用于变电站主设备的招标评标打分计算。最后,通过特高压工程1000KV变压器招标采购算例,验证说明了LCC招标评标动态模型能全面反映变电站主设备的全寿命周期成本费用,有助于从源头上统筹处理好安全、效能和周期成本三者的关系,有助于最优采购方案的选取。     

基于贝叶斯神经网络的智能诊断系统

模型复杂度是制约智能诊断系统的瓶颈,利用贝叶斯网络为扩展神经网络提供了新的思路。融入模型的先验知识,与观察到的数据样本相结合,来进行后验概率的贝叶斯推理。使用马尔科夫链蒙特卡洛方法以获得模型参数的后验分布,实现了对神经网络模型中不同部分复杂度的近制,并在实验中得到证实。