基于改进平衡优化器算法的电力消费预测

针对当前用电预测模型预测精度不足的问题,提出一种基于改进平衡优化器算法的电力消费预测方法。首先,在基本平衡优化器中引入自适应搜索机制,以克服其易陷入局部最优的缺陷;其次,使用自适应平衡优化器调节梯度增强回归器的参数;最后,使用平衡优化器改进的优化梯度增强回归器进行电力消费预测。为了验证所提模型的有效性,使用大规模数据集对所提算法进行了测试。结果表明,所提出的电力消费预测模型具有较好的预测准确性和预测稳定性。

电力大数据增值服务的探索与应用

在科技不断发展和社会生活需求下,大数据的应用范围越来越广泛,电力大数据能够为国家电网公司的新兴产业拓展、业务发展等方面提供强有力的数据支撑。科学合理、高效地应用电力大数据能够提供高附加值的服务业务,有效提高电力公司的业务创新水平,增加电力公司经济效益。本文阐述了电力大数据外部应用价值,分析了电力大数据增值服务的应用要点,根据应用价值和应用要点拓展了增值服务类型,为各行业、各企业的发展提供借鉴。

人口老龄化对消费率影响的实证研究——基于省域面板数据

本文从人口年龄结构视角分析了我国居民消费不足的成因，采用中国31个省份1997年～2013年面板数据，分别考察了东、中、西三大地区居民消费受老龄化的影响，结论是我国居民消费受滞后两期老年抚养比负向影响，但老龄化程度越高的地区对消费率的影响反而越小。

基于电力大数据的中国工业增加值现时预测

工业增加值是衡量实体经济运行状况的重要指标,为充分挖掘电力数据在宏观经济现时预测中的价值,服务于政府政策制定和经济社会发展,以电力数据和传统统计数据为基础,采用Bagging和Boosting等算法对工业增加值进行了现时预测。结果表明:第一,传统统计数据可以显著提升ARIMA模型的预测效果;第二,电力数据的预测效果取决于电力指标的选择,选择恰当的电力指标有助于更及时、准确地预测工业增加值;第三,电力数据信息对当期工业增加值的预测能力可能会低于对未来期工业增加值的预测能力,这意味着电力数据更适用于超前的预测。

基于电力大数据对工业增加值现时预测研究——基于LSTM的分析

工业增加值在经济中起着举重若轻的作用,其有效的现时预测有助于及时分析宏观经济走向。电力数据与经济生活密切相关,对经济预测有着重要作用。实时可得的电力数据使得工业增加值的现时预测成为可能。本文基于LSTM模型,研究如何有效利用电力大数据现时预测工业增加值。结果表明:LSTM与ARIMA模型结合、电力大数据和经济统计数据结合可得到最佳的预测效果;工业增加值现时预测中电力大数据与经济统计数据互补,两类数据结合的效果优于仅用某一类数据;电力大数据当期信息有助于提高预测效果;移动窗口整体表现比累积窗口好,这表明经济系统可能在不断变化。

权力失衡到权力平衡:社区合作治理的实现路径

权力问题是社区合作治理的核心问题,它影响社区合作治理的广度和深度。借用Jill M.Purdy"权威、资源和话语合法性"的权力三要素,搭建"主体—权力"分析框架,分析合作治理中行政性主体、社会性主体和市场性主体的权力失衡问题,发现权威与资源是治理主体间权力产生差别的关键,它造成了权威管制模式、给予服务模式和资本主导模式三种异化合作治理模式。通过权威与资源的再调整,平衡社区治理主体间权力,是实现社区合作治理的有效路径。