基于粒子群优化BP神经网络多元客户负荷可调节潜力动态评估

“双碳”及新型电力系统背景下,新能源装机容量逐年提升,数据中心、5G基站等新型负荷持续增长,用户侧负荷形态与负荷特征发生重大变化,同时叠加外界环境等因素影响,电力供需形势严峻。为保障电网安全稳定运行,深入挖掘用户负荷可调节潜力,提出一种基于粒子群优化BP神经网络多元客户负荷可调节潜力动态评估方法。分析多元客户负荷可调节潜力影响机理,构建特征标签体系,利用灰色关联度分析法选取可调节潜力相关特征,搭建可调节潜力评估模型,实现多元客户负荷调控能力评估,并根据实际响应结果校验评估模型准确性,滚动更新用户负荷、需求响应数据,实现用户侧可调节潜力的动态评估,使得模型能够适应不断变化的用户行为。

一种基于Logistic回归和分类树的客户信用评估方法研究

探讨了基于Logistic回归和分类树的客户信用评估。从众多客户信用度影响因子中选择一些探索性变量,建立了相应的关联性测试模型。描述了Logistic回归和分类树的具体算法以及相关概念,如期望信息、信息增益等,然后分别使用Logistic回归模型和分类树对客户信用进行了测试评估。比较分析结果表明,分类树模型具有较低的错误分类率和较好的灵活性,但对计算资源的要求较高,且很大程度上依赖于观测数据。

基于迁移学习的客户信用评估模型研究

客户信用评估是银行等金融企业日常经营活动中的重要组成部分。一般违约样本在客户总体中只占少数,而能按时还款客户样本占多数,这就是客户信用评估中常见的类别不平衡问题。目前,用于客户信用评估的方法尚不能有效解决少数类样本稀缺带来的类别不平衡。本研究引入迁移学习技术整合系统内外部信息,以解决少数类样本稀缺带来的类别不平衡问题。为了提高对来自系统外部少数类样本信息的使用效率,构建了一种新的迁移学习模型:以基于集成技术的迁移装袋模型为基础,使用两阶段抽样和数据分组处理技术分别对其基模型生成和集成策略进行改进。运用重庆某商业银行信用卡客户数据进行的实证研究结果表明:与目前客户信用评估的常用方法相比,新模型能更好地处理绝对稀缺条件下类别不平衡对客户信用评估的影响,特别对占少数的违约客户有更好的预测精度。

基于决策树方法的银行客户信用评估

分析了传统银行客户信用评估方法存在的问题,针对ID3算法存在的不足,提出了一种改进的ID3算法.实验结果表明,改进后的ID3算法分类正确率有所提高,所生成的决策树较为健壮、简洁,可以减少计算代价,提高计算效率.

基于SOA的网上银行客户评估系统的研究与实现

针对当前网上银行个人客户分布中存在着明显的"二八"效应,提出基于AJAX的网上银行客户评估系统。从交互性、性能等角度探讨了SOA和AJAX技术,并结合SOA和AJAX实现了集数据采集、模型建立、模型评估与高端客户预测的网上银行客户评估系统。该系统基于B/S结构,解决了网上银行个人客户分布存在的"二八"效应,提高了Web系统数据响应时间和数据传输效率,实现了跨平台和减轻了服务器端的负担,并通过实践验证了系统的有效性。

互联网企业客户价值评估方法述评与展望

客户在互联网企业价值评估中发挥着重要作用。实践和研究均表明,互联网企业利用客户创造收入,客户价值是企业价值的重要组成部分,所以要对互联网企业的价值展开合理评估必须选择合适的客户价值评估方法。为把握该领域的研究动态,本文基于客户关系管理理论,首先厘清了基于客户关系管理理论的互联网企业双重价值形成机理,接着从盈利视角、生命周期视角、权益视角、资产视角四个方面对现有研究进展进行评述,最后展望了该领域进一步研究的主要方向。

基于SOA的网上银行客户评估系统研究与实现

针对当前网上银行个人客户分布中存在着明显的"二八"效应,提出基于Ajax的网上银行客户评估系统,从交互性、性能等角度探讨SOA和Ajax技术,并结合SOA和Ajax实现集数据采集、模型建立、模型评估与高端客户预测的网上银行客户评估系统。该系统基于B/S结构,解决了网上银行个人客户分布存在的"二八"效应,提高了Web系统数据响应时间和数据传输效率,实现了跨平台操作,并减轻了服务器端的负担,且通过实践验证了系统的有效性。

农村信用社客户信用评估体系研究

一 、客户评估体系建立的必要性分析 1历史资料简单 对同-客户由于评判标准的差异而得出的信用等级不同,进而影响放贷数量和质量.

基于电力客户评估的差异化电价套餐研究

随着售电侧改革的推进,售电市场逐步扩大,售电公司在研究如何降低电力批发市场购电成本的同时,应当加强对电力零售市场用户的研究。构建电力客户评估指标体系,引入多目标优化的权重设计模型,基于电力客户评估结果对用户进行类别划分,并设计了相对应的差异化套餐。算例结果表明:在各类指标权重结果里,收益类指标中的年用电量权重结果最高;用户被划分到3个区间,评估结果高低与用户类别划分是基本匹配的。

客户信用评估中如何应用分布式数据挖掘

信用评估往往需要多个机构和部门共同提供关于某客户的信用资料，来评定客户信用。对于这些分布于不同场地的信息源。分布式数据挖掘就显得尤为摘要。分布式数据挖掘是出于安全性、容错性、商业竞争以及法律约束等多方面因素的考虑，在许多情况下，将所有数据集中在一起进行分析往往是不可行的。分布式数据挖掘系统则可以充分利用分布式计算的能力对相关的数据进行分析与综合。本文就客户信用评估中如何应用分布式数据挖掘进行了深入的探讨，具有一定的参考价值。

适合中小型制造企业的客户信用评估的研究

本文在对中小型制造企业的客户管理调研基础上 ,建立了适合中小型制造企业的信用评估指标体系 ,提出了基于AHP、TOPSIS和聚类分析的客户信用评估方法 ,并在上海某企业进行了实践 ,取得了较好的效果。

支持向量机在银行客户信用评估中的应用

贷款业务是银行极为重要的资产业务,构建一个适用的客户信用评估模型十分重要。由于近年来在智能学习系统领域发展起来的新理论,并引入小样本学习的通用学习算法---支持向量机(Support Vector Machines,简称SVM),建立银行客户信用评估模型。由于在统计学习理论中的结构风险最小化的SVM算法,克服了传统信用评估模型中的过拟合和局部最优的缺点。同时,通过在模型中采用核函数,有效地解决了线性不可分问题。因此,使得基于这种技术的评估模型具有较强的实用性。通过与神经网络模型的比较,证实了该方法用于风险评估的有效性及优越性。

如何寻找海外客户及客户信用评估

介绍了如何在海外寻求客户,以及客户信用评估的方式和方法。

层次分析法在客户价值评估中的应用

随着市场经济进程的加快,进入市场的资本越来越多,导致各行业客户越来越多,市场竞争越来越激烈,也不可避免的出现信用问题.在这种情况下,通过研究,引入客户价值评估,筛选评估指标,通过层次分析法、专家分析法确定各个指标的权重,建立客户价值评估模型,实现客户价值的综合评价,对配置市场营销资源、控制市场风险,制定市场开拓措施具有意义.

保险客户价值评估新方法及其应用初探

财产保险公司往往用综合成本率等传统财务指标来衡量某类客户的价值,以此作为各项经营决策的重要依据。但该类指标容易导致经营决策的短期倾向,不能有效对接资本市场对上市保险公司的价值评估要求,也不能很好的适应"偿二代"监管体系。笔者提出一种新方法――风险收益分析法来评估客户价值,运用风险的定量模型,综合评估不同客群的收益和风险水平,客观评价客户价值。同时本文探讨了该方法在业务策略、承保规则制定、再保方案、绩效评估等领域的应用方案。

基于欠电费管理的客户资信评估与法律管控

客户资信，也叫客户信用，是客户资产、财力和信誉的总称。对供电公司而言，其在发展过程中会遇到各式各样的经营风险，客户欠费则是其重要风险之一，缓解客户欠费有利于降低供电企业的运营风险。然而，电力商品产、供、销的同时性和公益性决定了电能销售的赊销方式，虽然目前对于居民等小客户可进行预售电的方式，然而对于工业用电等大客户而言，预售电则较难实行，这使得供电公司电费回收存在较大的风险。

基于客户感知的TD-SCDMA网络质量评估体系研究

为了有效支撑TD-SCDMA的快速发展,精确定位网络故障,快速提升客户满意度,内蒙移动网优中心搭建TD-SCDMA客户感知度评估优化系统,通过该系统全面监控基于客户感知的TD-SCDMA网络质量,进行深入的专题分析,同时对市场营销提供数据支撑。

层次分析法在汽车零部件客户价值评估中的应用

随着市场经济的快速发展,资本市场准入的增加导致不同行业的客户数量增加,在这种情况下通过研究,实施客户估值,选择估值指标,基于层次分析法,专家分析,建立顾客价值模型,对顾客价值进行综合评价,确定指标权重,控制市场风险、制定市场措施具有重要意义。

“人工智能+金融大数据”客户信用评估

随着大数据时代的到来,金融大数据应用已成为行业热点趋势,使得面向金融的大数据技术吸引了越来越多的关注。从大量的金融数据中挖掘有价值的数据是非常重要的,与人工智能结合,由机器代替人去挖掘信息,可实现数据增值。客户信用评估是金融的一个重要应用,可根据训练样本建立模型分析新用户是否会违约,将客户分成"信用客户"和"违约客户"。本文引入迁移学习和深度学习,描绘了基本的流程,强调了机器学习用于客户信用评估的优势。