基于GIS的配电网规划人工智能方法(一)──配电网规划智能决策支持系统概述

考虑到配电网规划的复杂性，将地理信息系统（ＧＩＳ）及人工智能（ＡＩ）方法引入配电网规划问题研究，结合了地理信息系统空间及网络分析的拓扑特性和人工智能方法的鲁棒性及高效性两者的优点。论述了用于配电网规划的智能决策支持系统（ＩＤＳＳ）的结构和组成，该系统不仅减轻了规划人员的工作量，而且极大地改善了规划质量。

基于GIS的配电网规划人工智能方法(二)遗传算法在配电网初级布线系统中的应用

初级布线是整个配网规划过程的一个重要组成部分。遗传算法就其本质而言是一种用于处理复杂问题的鲁棒性强的启发式随机搜索算法。为了得到经济、高效、低耗的初级布线路径，将遗传算法作为一种路径寻优机制引入初级布线系统。该系统在地理信息系统直观的视图环境中，充分利用设备管理系统数据库所提供的地理图形数据和网络拓扑信息，为配网规划寻找到一条最优的初级布线路径。

配网规划智能决策支持系统的研究——基于地理信息系统及人工智能方法

配电系统的最优规划（新域区的垦荒计划及旧城区的增容计划）是一个非常复杂的非线性组合优化问题。本文结合地理信息系统（ＧＩＳ）的空间特性与人工智能（ＡＩ）方法的鲁棒性两者的优点，进行配电网络规划设计，较详细地论述了用于配网规划的智能决策支持系统（ＩＤＳＳ）的结构和组合；并以遗传算法在初级布线中的应用为实例来说明ＩＤＳＳ的具体实现。

一种适用于业务流程定制环境的服务推荐方案

在个性化业务流程定制环境中,为提高用户的定制效率引入推荐技术,但现有推荐技术存在诸多问题,如新用户、推荐结果缺乏多样性与推荐质量偏低等。为充分发挥推荐技术的优势并解决上述问题,提出一种适用于业务流程定制环境的服务推荐方案,该方案首先利用聚类算法来解决新用户问题,再通过优化协同过滤来提高推荐结果的多样性,然后构建内容过滤筛除"伪邻居"来提高推荐质量,最后将获得的候选服务推荐给用户来提高定制效率。通过实验研究证实,所提方案既能解决新用户问题,又能改善推荐结果的多样性与推荐质量,还能提高用户的定制效率。

基于LRFAT模型和改进K-means的汽车忠诚客户细分方法

为实现工业互联网时代的汽车客户精准营销,需要对客户资源进行聚类和有效管理。针对汽车忠诚客户数量少、潜在价值高以及数据分布不均等特点,提出一种改进的客户细分LRFAT模型(基于RFM模型)。为提高客户聚类的准确性和稳定性,受密度峰值聚类启发,提出一种层次K近邻密度峰值初始聚类中心选取方法,将选取的初始聚类中心作为K-means的初始聚类中心,在此基础上采用改进的K-means对汽车忠诚客户进行细分。通过某整车制造厂的汽车销售应用实例,验证了模型和算法的有效性,同时针对不同的客户群进行了详细的分析,并给出了相应的营销建议。

改进KNN的时间序列分析方法

近年来,随着数据挖掘和机器学习的兴起,基于时间序列分析方法的研究愈加丰富。作为机器学习的经典方法,KNN(K-Nearest Neighbor)因其简单、准确度高等特性被广泛应用于时间序列分析的各个领域。然而,使用原始的KNN回归方法预测时间序列具有一定的局限性,直接使用欧氏距离作为相似度度量方法的预测效果并不理想,无法适应具有整体趋势变化的时间序列的预测场景。文中提出一种拟合时间序列趋势的KNN算法TSTF-KNN(Time Series Trend Fitting KNN)算法,该方法通过对每个时刻的特征序列进行归一化处理,改进了KNN相似度度量的效果,使之可以更有效地搜索相似的特征序列。由于序列预测前进行了归一化,文中通过为预测结果添加误差项来还原序列特征,使之可以有效地预测结果。为了验证方法的有效性,从kaggle公开数据集中选取了4个数据集,并通过对这4个数据集分别进行预处理获得5个时间序列以供实验。通过使用TSTF-KNN、KNN、单层LSTM(Long Short-Term Memory)神经网络和ANN(Artificial Neural Network)在处理后的5个时间序列上进行预测实验,分析预测结果,并对比均方误差(Mean Square Error, MSE),验证了该方法的有效性。实验结果表明,该方法能有效提高KNN回归方法对时间序列预测的准确度和稳定性,使之可以更好地适应具有整体趋势变化的时间序列的预测场景。

基于综合赋权和可拓理论的协作企业优选

为给汽车售后服务供应链云平台的核心企业选择优秀的协作企业,根据云平台不同核心企业对协作企业有不同的要求和标准,以及待评价协作企业的客观特征,采用基于层次分析法和模糊粗糙集法相结合的综合赋权法确定各协作企业评价指标的权重系数,用层次分析法确定主观权重,用模糊粗糙集法确定客观权重,再集成主、客观权重得到综合权重系数;最后基于可拓判别法对评价对象进行优度评价,结果为各评价对象的等级划分和优劣顺序.以汽车售后服务供应链云平台的售后服务商实际业务数据为实例进行对比分析,结果证明了方法的有效性和可行性,且较优于其它评价方法.

基于模糊聚类分析的汽车配件库存分类研究

汽车售后服务配件库存分类管控多使用传统ABC分类法进行配件分类,这种方法分类标准单一有一定的缺陷性,提出一种基于Canopy-FCM模糊聚类分析的配件库存分类方案来改善此问题。为了消除FCM对初始聚类中心的敏感性,引入Canopy算法产生初始聚类中心,再利用FCM算法完成聚类,实验并验证了其合理性和可行性。基于汽车产业链协同平台的数据,建立配件分类模型,将基于Canopy的FCM算法应用于汽车产业链协同平台的配件分类管理中,具有一定的指导意义。

基于BP神经网络的汽车售后业务成本预测

对汽车企业的售后服务现状进行分析,对汽车产业链协同平台上的各个企业售后服务业务进行研究,站在企业发展的战略角度,发现企业在售后服务成本分析上的不足。根据汽车制造企业的售后服务业务成本预测需求,分析神经网络算法理论,选择BP神经网络算法作为解决思路,根据汽车制造企业的售后服务业务成本预测需求,构建车型售后服务业务成本预测模型。