典型情况下保障设备满足率计算模型

针对工程实际中普遍存在的使用保障活动与维修保障活动并发这种典型的复杂情况,以基本作战单元为研究对象,基于排队论建立了保障设备满足率预计模型。基于产品的保障过程,分析了产品批送修数量的影响因素及确定方法,解决了非单件送修策略下保障设备满足率的预计问题。根据保障活动并发性及其发生频率的特点,通过分析产品批量到达的影响因素,给出了产品平均到达率和保障设备平均保障速率的确定方法以及产品批送修量的分布概率,进而给出了保障设备满足率的求解方法。通过算例验证了该模型和方法的有效性。

一种组合模型在车险续保率中的应用

本文针对车险续保率,建立了K-means聚类算法与支持向量机的组合模型。利用K-means聚类算法将客户划分为某几类,然后对每一类客户用支持向量机求出续保概率,并用多元回归分析得到每一类客户的主要影响因素,最后将续保率最高的一类客户的主要影响因素与其余类客户的主要影响因素进行对比,针对性地提供销售方案,实现由低续保率向高续保率的转化。

用电异常行为预警方法

针对窃电、滥用电等用户异常用电行为给电力公司造成了巨额的经济损失的问题,通过数据驱动方法,利用区域内居民用户日负荷数据分别从横向与纵向两个层面,对用户用能行为进行定量的综合评分,进而识别用户异常用电行为。首先,建立K-Means和SVM分类模型,将单个居民日负荷数据与周边具有相似用电行为的居民进行比较,用于生成用户用电行为评价的横向评分。其次,利用LSTM模型建立用户负荷预测模型,实现与自身历史用电行为的对比,生成用户用电行为评价的纵向评分。最终,通过设定权重进行综合评分。当评分低于一定阈值时进行预警。算例部分利用30个用户4年数据对提出方法进行验证,横向评分结果准确率达到99.9%以上,纵向评分的拟合优度达到95%以上,验证了方法的准确性。

基于LS-SVM和FCM的锌银动力电池分选方法研究

针对锌银电池分选成组后一致性的问题,提出了基于最小二乘支持向量机(LS-SVM)和模糊C均值聚类(FCM)的锌银电池分选方法。该方法利用FCM对锌银电池进行聚类分析,以电池放电电压平台的三个不同时刻电压作为输入,电池的聚类结果作为输出,建立LS-SVM模型,利用训练好模型预测电池分选结果。实验结果表明,此方法得到的电池组动态一致性好,容量衰减率明显降低,在30次循环寿命测试后容量衰减率不超过10%。此分选方法分选效率高、建模速度快,可有效识别组内电池样本的一致性,实现电池的多场合利用和效率最大化。

基于PSO-LSSVM算法的阶梯式溢洪道复氧率预测

最近,机器学习方法逐渐在水利工程中得到广泛运用。研究将采用最小二乘支持向量机(LSSVM)方法,建立阶梯式溢洪道各种流态下复氧率的预测模型。采用粒子群优化算法(PSO)优化了LSSVM算法的参数(惩罚函数γ和核函数常数σ^2),新的PSO-LSSVM模型预测精度相对于常用的BP模型明显提高。误差分析表明,在测试集上PSO-LSSVM模型的平均绝对百分比误差MAPE、均方差RMSE和平方相关系数R^2分别为1.100 0×10^-3, 4.899 6×10^-4和9.998 6×10^-1。最后,采用平均影响值法评价了输入参数对复氧率的影响程度。