基于卷积神经网络和随机森林的三相电压暂降分类

特征提取是电能质量扰动识别的关键步骤,然而传统的数学变换与浅层神经网络相结合的方法无法自动提取特征。为此,提出了一种基于卷积神经网络(CNN)和随机森林(RF)的混合模型来对三相电压暂降数据进行自动特征提取及分类。首先,将三相电压暂降数据转换为空间相量模型(SPM);其次,利用CNN对SPM进行特征提取;最后,将RF应用于分类。为了加快CNN训练速度并缓解过拟合,引入了Dropout、学习率指数衰减和自适应矩估计权值更新算法。实验结果表明,与其他分类方法相比,所提方法具有较好的泛化性能和较高的分类准确率,这为电压暂降识别提供了一种客观、高效的辅助手段。

新冠疫情背景下中美央行直达实体经济的货币政策工具分析

2020年受新冠疫情的冲击,我国实体经济尤其是中小微企业普遍面临订单下降、资金紧张、融资困难等复杂严峻的形势。为应对疫情危机,中国人民银行创新推出了直达中小微企业的货币政策工具,但在实际运用过程中遇到一些制约因素。本文通过分析中美两国直达实体经济货币政策工具的差异,提出建立我国直达实体经济货币政策工具体系的建议。

农村承包土地经营权抵押贷款风险控制模式分析与对策

2015年8月10日国务院出台开展农村承包土地的经营权抵押贷款试点指导意见以后,全国试点地区积极开展试点探索。本文研究了土地经营权抵押担保方式实际应用情况及存在问题,论述了土地经营权抵押处置时剩余价值很小的机理,分析了政府参与的风险控制模式的缺陷,提出了针对性的对策建议。

基于深度置信网络的电力负荷识别

针对目前电力负荷自动识别中存在的人工选择特征困难的问题并且为了进一步提高识别精度,提出一种基于深度置信网络(DBN)的电力负荷识别方法。DBN 是一种深度神经网络架构,在图像识别、语音识别以及电能质量扰动识别等领域有着成功的应用。DBN 由多个受限玻耳兹曼机(RBMs)和一层后向传播神经网络组成。使用对比散度算法,首先对第一个 RBM 进行充分训练,获取初始特征;然后将这些初始特征值作为训练数据训练下一个 RBM 以获取高级特征,以此类推;最后,通过反向传播算法采用监督方式微调整个 DBN。实验结果表明所提方法在8 种电力负荷类型的识别上有很好的效果,平均识别率超过 98%。

金融支持农业供给侧结构性改革的调查与思考——以江苏省兴化市为例

我国农业供给侧结构性改革已进入新的历史时期。江苏省兴化市(1)是传统的农业大市,农业供给侧改革正在积极探索之中,但金融部门在支持农业供给侧改革方面还存在较多不足,亟待改进。本文深入分析了金融支持农业供给侧改革中存在的问题,提出了针对性的对策建议。