基于贝叶斯动态预测模型的商品推荐方法

传统的电子商务推荐系统虽然考虑到个性化的推荐,但不能很好的描述用户行为,使得个性化的推荐略显不足。本文提出基于贝叶斯动态预测的模型,并结合Agent技术,很好地建立了用户行为预测模型。该方法以用户历史数据为基础,并结合用户的实时行为建立用户行为预测模型。本文将此方法运用于商品推荐系统中,实验证明此方法能高效地为客户产生个性化的商品推荐集合,优于某些传统方法。

基于动态贝叶斯网络的光伏发电短期概率预测

采用确定性的预测方法对光伏发电量进行预测,在光伏出力波动较大时误差较大,且无法展示预测时刻可能出现的所有情况及其出现的概率。针对确定性预测方法的不足,提出一种条件概率预测方法,应用动态贝叶斯网络(dynamic Bayesian network,DBN)理论,建立光伏发电预测的DBN模型。该模型考虑影响光伏发电量的多种因素,及各因素之间的相互联系,基于当前时刻各影响因素水平的条件下,预测未来短期光伏发电量的概率分布。该分布能够给出比较全面的光伏发电信息,为调度人员提供运行指导。最后采用实际系统进行分析,结合多种验证指标对预测结果进行评估,结果表明,所提方法是正确合理的,能够较好地预测短期内未来时刻光伏发电量的概率分布。