基于改进SOM神经网络的异网电信用户细分研究

在对用户价值认知的基础上,电信运营商对用户进行正确分类是其了解用户的重要手段。电信运营商可以将用户分为不同的类别,并以此制定差别化服务政策,从而进行差异化营销来提高企业效益。本文首先对异网电信用户进行了细分研究,为提高分类的准确率,在传统自组织映射神经网络基础上,对学习速度和权重向量初始值的确定进行了改进,提出了改进的自组织映射神经网络;同时采用改进的自组织映射神经网络对某省电信运营商提供的用户数据进行仿真。仿真结果表明:改进的自组织映射神经网络在兼顾稳定性的同时,很好地解决了自组织过慢问题,提高了用户分类的准确率,大幅度减小误差。最后根据分类结果为电信运营商实施差异化营销提供了基本规则。

一种电能质量扰动监测与识别新方法

为了能够为各类电能扰动事件的本质研究和有效治理提供准确、可靠的依据,提出基于时频原子变换(timefrequency transform,TFT)和改进型自组织映射神经网络(improved self-organizing map,ISOM)的电能质量扰动在线监测与识别新方法。TFT具有自适应复带通滤波特性,其频窗中心与频窗半径解耦及频窗宽度不受中心频率的约束,可以灵活调整。通过设置恰当的频域窗口,TFT可有效抑制邻近频率分量的相互干扰,且有较好的动态响应速度。TFT能准确监测电力系统波形中电能质量事件,并为类型识别提供物理意义明确、指标具体的实时模式特征。依据TFT提取的特征向量,ISOM可准确识别单一或同时存在的多重电能质量事件,并对其严重程度进行直观表达,能动态反映电能质量事件各自的发展变化轨迹。仿真验证结果表明了所提出方法的有效性和优越性。