基于深度学习的线上农产品销量预测模型研究

针对线上农产品销售存在的信息不对称问题,提出一种结合深度学习算法优势和涉农电商销售数据特点的皇冠模型(ICM)。首先建立因素评价指标,将销量分为四个类别;其次采用两层自编码网络提取样本特征,并生成新的特征向量;然后利用带标签样本集训练分类器并对无标签训练样本分类;最后利用BP微调整个网络参数得到使损失函数值达到最小的最优参数,实现线上农产品的销量分类预测。经仿真分析,验证了ICM的分类准确率高达88%,明显高于其他未将数据进行特征学习的浅层分类器,证明了ICM具有较好的增量自学习能力和层次认知能力。

数据挖掘在设备维护阶段的应用

随着制造业的不断发展和壮大,对制造设备融入新型技术的要求越来越高,传统制造业的运行模式已经不能满足工业智能化的需求。通过总结分析现有数据挖掘技术在设备维护的应用,对于该技术广泛应用的阶段,将优化算法流程和速度、使之适应实际生产过程作为研究重点,以求将不同阶段发现的知识进行共享,达到互相利用、辅助决策的作用。

数据挖掘在设备制造阶段的应用

随着制造业的不断发展和壮大,对制造设备融入新型技术的要求越来越高,传统制造业的运行模式已经不能满足工业智能化的需求。本文总结分析现有数据挖掘技术在设备制造阶段的应用,以求将设备制造发现的知识进行共享,达到互相利用、辅助决策的作用。

基于“RPA+AI”的异常用电检测分析研究与应用

针对低压客户异常用电分析数据排查量大、严重依赖工作经验、智能化水平不高等问题,本文提出一种基于机器人流程自动化和人工智能技术的异常用电检测分析方法。首先利用机器人流程自动化技术实现用电数据获取整合、预处理、输入输出、结果反馈的全流程自动化操作;然后基于决策树算法形成低压客户异常用电分析模型,能够直接输出异常用电客户清单;最后基于供电公司真实客户数据,验证了本方法的准确性和高效性,能够有效支撑供电公司开展异常用电分析识别。通过RPA技术和人工智能技术的结合,实现了低压客户异常用电分析全流程自动化、智能化,已在国网西宁供电公司各基层单位常态化开展应用,对于辅助窃电核查、避免安全隐患、降低投诉风险具有重要意义。

数字赋能提质效——青海西宁供电公司实施“升级版”提质增效专项行动

2023年公司“两会”提出,要深入推进提质增效,提高经营效率效益。本刊推出“提质增效进行时”专题,展示公司各单位努力增强经营发展内生动力、推动企业高质量发展的生动实践。