基于Blending模型融合算法的有线电视客户流失预测

在互联网时代,有线电视业务面临激烈的竞争。广电运营商既需要在质量和宣传上进行改进,吸引潜在用户,也要重视对流失用户的预测和挽留。基于有线电视用户数据,对用户的特征进行分析,提出基于Blending模型融合算法的流失预测算法,并与传统神经网络进行对比。实例分析结果表明,模型在较低的时间、算法复杂度下,达到了较高的精度以及鲁棒性。

基于FPFF-Blending模型融合的个体工商户信用评价研究

个体工商户信用评价研究往往通过单一机器学习模型建立,其预测精确率较低,抗干扰能力较弱。基于特征金字塔的FPFF特征融合算法,应用于Blending模型融合框架,建立个体工商户信用评价异质融合模型,并赋予模型可解释性,综合解决单一模型稳定性较差、原有Blending框架融合模型过拟合、融合模型缺乏可解释性的问题。通过对个体工商户数据集进行实证实验,结果表明:融合模型较单一机器学习模型在个体工商户信用评价场景下具有更优的预测性能和泛化能力。

基于Blending多模型融合的短期负荷预测

针对电力负荷预测精度不高且泛化能力较弱等问题,提出一种基于多个模型融合Blending集成学习方式的短期负荷预测方法。在对数据预处理后,首先,分别设计实验对各单一模型LSTM、LightGBM、XGBoost、GBDT、KNN、SVM进行单独预测,同时用Pearson相关系数分析各模型误差相关性,优选预测性能好、相关性小的模型作为基学习器和元学习器,构建多个模型嵌入Blending集成学习方式的短期负荷预测模型,最后,通过中国南方某地区的真实负荷数据进行验证,算例表明,Blending预测模型能够充分发挥不同学习器的优势,提高泛化能力,且所提模型RMSE、MAPE值分别为102.97MW和0.67%,相较于单一预测模型在预测精度上有较大的提升。

融合CNN和WDF模型的电商企业商品销量预测研究

为了适应电商企业商品销量数据规模大、维度高、非线性等特征,并提高销量预测的准确性,创新性地提出一种卷积神经网络融合加权深度森林(CNN-WDF)的销量预测方法。利用卷积神经网络(CNN)处理高维数据的优势对电商企业商品销量数据进行特征提取,降低冗余度和模型训练复杂度。提出一种改进的加权深度森林模型(WDF)进行商品销量预测。该模型依据各个子树的预测准确率计算每一级森林中该子树的权重以提高整体预测准确性,且相对于传统深度网络模型具有超参数少、可解释性强等优点。利用京东商品销量数据进行实验验证,结果表明:CNN-WDF融合模型在不同规模京东销售数据集上,预测准确率均显著高于其他对比模型,且随着数据集规模的扩大,预测准确率提高更加明显。

基于Blending-Clustering集成学习的大坝变形预测模型

【目的】变形是反映大坝结构性态最直观的效应量,构建科学合理的变形预测模型是保障大坝安全健康运行的重要手段。针对传统大坝变形预测模型预测精度低、误报率高等问题导致的错误报警现象,【方法】选取不同预测模型和聚类算法集成,构建了一种Blending-Clustering集成学习的大坝变形预测模型,该模型以Blending对单一预测模型集成提升预测精度为核心,并通过Clustering聚类优选预测值改善模型稳定性。以新疆某面板堆石坝变形监测数据为实例分析,通过多模型预测性能比较,对所提出模型的预测精度和稳定性进行全面评估。【结果】结果显示:Blending-Clustering模型将预测模型和聚类算法集成,均方根误差(RMSE)和归一化平均百分比误差(nMAPE)明显降低,模型的预测精度得到显著提高;回归相关系数(R~2)得到提升,模型具备更强的拟合能力;在面板堆石坝上22个测点变形数据集上的预测评价指标波动范围更小,模型的泛化性和稳定性得到有效增强。【结论】结果表明:Blending-Clustering集成预测模型对于预测精度、泛化性和稳定性均有明显提升,在实际工程具有一定的应用价值。

结合PEST模型浅析“区块链+财务会计”的融合之路

本文首先从区块链的内涵和技术特点入手,分析区块链技术特性应用于财务会计领域的优势,再结合PEST模型分析,理性看待区块链技术应用于财务会计工作面临的政策、经济、环境、技术制约因素。最后从政策运用、人才培养、监管完善、技术改进等方面探索“区块链+财务会计”的融合发展之路。

论物理规律学习中的符号融合模型

符号融合模型是一种结合表征物理规律的符号模板,描述规律的文本知识和概念图式,并强调在物理规律学习中通过信息提取、信息分析与信息整合等过程将三方面内容进行有机结合的过程.符号融合模型既可以辅助学生的物理规律学习过程,也可以作为学习模板用以检验学生的学习成果.结合中外理论成果,并以高中阶段“库仑定律”的学习为例,对符号融合模型进行详细的论述.

基于耦合协调度模型的茶产业与旅游产业融合水平测度研究——以贵州省湄潭县为例

当前,茶产业与旅游产业融合发展,已经成为体验经济背景下、旅游产业发展的内在需求,也是茶产业打破发展瓶颈、实现转型升级的重要发展契机。本文通过构建茶旅融合评价指标体系,运用产业综合发展模型研究,对2016—2022年贵州省湄潭县茶产业与旅游产业的综合发展水平予以测算,并在此基础上运用耦合协调度模型探究湄潭县茶旅产业的融合程度。研究发现,湄潭县茶产业和旅游产业的综合发展水平总体呈上升趋势;湄潭县的茶旅融合属于茶产业占优型,茶产业对于旅游产业具有引领作用;湄潭县的茶产业与旅游产业目前处于勉强协调阶段。基于此,本文从加大政府对茶产业的扶持力度、企业引领茶旅产业优质升级、因地制宜打造茶旅特色三个方面提出建议,以期进一步促进湄潭县茶旅融合发展。

基于点云融合的实景三维模型纹理重构方法研究

由于受到光照强度的影响,难以捕捉纹理重构的细节,可能导致实景三维模型纹理重构一致性降低的现象。针对上述现象,提出基于点云融合的实景三维模型纹理重构方法研究。通过先进的扫描技术,获取详尽的点云数据,精准捕捉场景中的几何细节;通过点云融合技术,将不同视角、时间或设备采集的点云数据合并,结合高斯滤波去噪和配准处理,形成点云模型;利用纹理映射技术,将丰富的纹理信息映射到模型表面,得到细节丰富、完整性强的实景三维模型纹理重构结果。实验结果表明,设计方法受光照强度影响较小,能够捕捉模型纹理细节,实景三维模型纹理重构一致性较高。

室外实景三维与室内三维模型融合建模方法研究

依托倾斜摄影测量构建的实景三维数据模型以其高分辨率、高空间精度和真纹理的优势,在城市规划、智慧城市建设中的应用越来越广泛,但是欠缺对室内场景的三维表达。室内三维模型通常包含丰富的空间信息和属性信息,是三维数字管理的重要技术手段,但是多个室内场景空间相对独立,欠缺空间关联表达。文章以包含室内室外场景的测区为例,探究了室外实景三维与室内三维模型融合的一体化建模方法,从空间位置匹配、空间拓扑关联、属性一致性等方面,将室内外模型进行融合处理,并在此基础上实现了室内外一体化场景的可视化展示、属性信息查询及业务分析,为室内外空间一体化精细管理提供了技术思路。

基于CIPP模型的应用型本科高校产教融合质量评价指标体系构建研究

产教融合质量评价是应用型本科高校高质量发展的重要举措,受到政校企行师生等参与主体的高度重视。本文综合考虑以上各主体诉求,凸显产教融合协同育人、协同创新作用,基于CIPP 模型,从产教融合“背景—投入—过程—结果”四个维度,综合运用文献分析法、层次分析法和德尔菲法,构建出质量评价指标体系,以期为产教融合质量评价工作提供更加科学适切的评价工具。

基于Blending多卷积神经网络模型融合的滚动轴承声学故障诊断方法

针对滚动轴承故障诊断中单一网络模型的不确定问题,并考虑到声信号非接触式测量的优势,提出一种多卷积神经网络(CNN)模型融合的滚动轴承声学故障诊断方法,采用多通道传声器信号对每一个CNN进行训练,然后采用Blending模型融合方法将多CNN模型进行融合,实现更精确、更可靠的故障诊断。通过半消声室内滚动轴承实验台的传声器数据对该方法的有效性进行实验验证。结果证明:与单个CNN模型、支持向量机(SVM)、随机森林法(RF)、多层感知机(MLP)等方法相比,该方法可以避免复杂的人工特征提取过程,通过模型融合能获得更高的诊断精度,并在一定程度上可以克服声学诊断中不易选择传声器测点位置的问题。

基于Stacking融合模型的Web攻击检测方法

随着计算机技术与互联网技术的飞速发展,Web应用在人们的生产与生活中扮演着越来越重要的角色。但是在人们的日常生活与工作中带来了更多便捷的同时,却也带来了严重的安全隐患。在开发Web应用的过程中,大量不规范的新技术应用引入了很多的网站漏洞。攻击者可以利用Web应用开发过程中的漏洞发起攻击,当Web应用受到攻击时会造成严重的数据泄露和财产损失等安全问题,因此Web安全问题一直受到学术界和工业界的关注。超文本传输协议(HTTP)是一种在Web应用中广泛使用的应用层协议。随着HTTP协议的大量使用,在HTTP请求数据中包含了大量的实际入侵,针对HTTP请求数据进行Web攻击检测的研究也开始逐渐被研究人员所重视。本文提出了一种基于Stacking融合模型的Web攻击检测方法,针对每一条文本格式的HTTP请求数据,首先进行格式化处理得到既定的格式,结合使用Word2Vec方法和TextCNN模型将其转换成向量化表示形式;然后利用Stacking模型融合方法,将不同的子模型(使用配置不同尺寸过滤器的Text-CNN模型搭配不同的检测算法)进行融合搭建出Web攻击检测模型,与融合之前单独的子模型相比在准确率、召回率、F1值上都有所提升。本文所提出的Web攻击检测模型在公开数据集和真实环境数据上都取得了更加稳定的检测性能。

支撑新型配电网数字化规划的图形⁃模型⁃数据融合关键技术

配电网规划领域期盼实现智能规划,其愿景在于实现无人或少人干预的全自动规划。在数字化转型的背景下,新型配电网规划将面临图形多样化、场景碎片化、数据规模化三大挑战。文中从图形-模型-数据融合的角度提出三大关键技术:基于电气图纸识别和拓扑智能分析的图形-模型融合技术、基于知识驱动的负荷/新能源推演分析和智能决策的模型-数据融合技术、基于多模态数据融合和多时空数据联动的图形-数据融合技术,尝试打破理论研究与数字化工程的壁垒。最后,对未来新型配电网数字化规划的发展进行思考和展望,为实现“以机为主,人机协同”的大闭环模式提供借鉴。

基于Landsat8与Sentinel-1遥感图像融合的土壤含水率反演模型

针对当前运用单一光学卫星反演土壤含水率时易受到云的影响,单一SAR卫星反演土壤含水率时易受到地表粗糙度和植被影响的问题,以内蒙古河套灌区沙壕渠为研究区域,以4个深度的土壤含水率为研究对象,分别采用主成分分析(PCA)、施密特正交变换(GS)融合Landsat8和Sentinel-1图像以减少云、植被、土壤粗糙度的影响,并对融合后的图像质量进行评价,然后用融合图像的灰度构建1134种遥感指数,基于相关系数分析、变量投影重要性分析、灰色关联分析3种变量筛选方法与BP神经网络(BP)、极限学习机(ELM)、随机森林(RF)、支持向量机(SVM)4种机器学习算法的耦合模型反演沙壕渠土壤含水率。研究结果表明:经PCA、GS融合后的融合图像可同时保持Sentinel-1和Landsat8图像的优势,并成功定量反演土壤含水率。基于融合图像构建的三维指数普遍比二维指数对土壤含水率更敏感。在表层土壤含水率反演中,基于GS融合的VIP-ELM模型精度最高(决定系数R2=0.66,均方根误差(RMSE)为1.35%)。将GS融合的VIP-ELM模型应用于其他土壤深度含水率的反演后发现,20~40 cm反演精度最高(R2=0.79,RMSE为0.94%),其次是0~10 cm、40~60 cm、10~20 cm。该研究可为多源卫星图像融合反演土壤含水率提供参考。

基于多信息融合的换流站直流设备健康状态决策树评价模型

针对换流站直流设备间交互信息融合能力较差、小样本与大样本难以均衡的问题,设计基于多信息融合的换流站直流设备健康状态决策树评价模型。使用同质多传感器多信息数据融合方法对多信息实施融合处理;利用k近邻方法和层次聚类方法划分换流站直流设备健康状态量,提取健康状态量的有效信息作为输入,构建决策树评价模型,输出换流站直流设备健康状态评价结果。实验结果表明,该模型具备较好的多信息融合能力和样本均衡能力,且可从不同角度实现换流站直流设备健康状态评价,评价结果较为准确。

基于ADDIE模型的应用统计学专业“专创融合”课程体系研究

推进“专创融合”课程体系建设已经成为高校落实国家创新驱动发展战略的迫切需要。为避免专业教育与创新创业教育融合出现“两张皮”现象,实现专业教育与创新创业教育的深度融合,在理论分析的基础上,基于ADDIE模型从专业能力与需求分析、课程体系与内容设计、师资队伍与平台开发、课程实践与管理实施、课程结果与成效评估5个方面构建“专创融合”课程体系,把单一的专业化教育模式转变为能力导向型的复合型人才培养模式,着力推动跨学科融合与应用型统计分析人才的培养,提升高校应用统计学专业创新创业人才培养质量。

基于多模型融合的中长期径流集成预测方法

中长期水文预报是流域水资源规划与合理配置的重要依据。为提高中长期径流预测精度,提出了一种基于多模型融合的水库中长期径流集成预测方法。该方法将ARMA、BP、LSTM、RF和SVR等5个异质预测模型进行融合,同时采用超参数优化方法确定各模型的最优参数。将其用于青海省龙羊峡水库的中长期径流预报中,结果表明,通过Stacking融合算法建立的集成预测模型相较于单一模型,取得了更高的预测精度(R2值由0.71提升至0.82)。此方法可为提升流域中长期径流预测精度提供一定参考。

面向高比例新能源电网短路计算的机电-电磁融合电源模型

为解决新型电力系统计算与分析中传统电源模型难以继续适用的问题,提出一种面向高比例新能源电网短路计算的机电-电磁融合电源模型。一方面,考虑新能源电源通用控制策略作用下的外部输出特性,采用单一压控电流源等效电源侧海量新能源电源的整体输出;另一方面,根据短路电流故障的时间划分尺度,保留传统发电机工频基波意义下的外部输出特性,并采用3个大小不一且衰减速度不同的电压源等效电源侧所有发电机的整体输出。进而采用3个电压源和1个压控电流源并联的形式作为融合电源模型的结构,并采用内点法对融合电源模型参数进行在线辨识。通过短路仿真数据和电网实测故障录波数据验证了融合电源模型的适用性。

基于Stacking融合模型的PHEV复合储能系统实时能量分配策略

为了解决插电式混合动力汽车单一电池低比功率、无法响应暂态功率需求的问题,设计了电池和超级电容并联式复合储能系统。同时针对采用动态规划法优化负载电流分配时缺乏实时性的问题,利用不同驱动工况下动态规划优化的结果构成训练集进行训练,并综合GRU网络以及XGBoost算法,提出了一种Stacking集成学习框架下多模型融合的能量分配策略。仿真结果表明,与仅使用单一电池的储能系统相比,基于Stacking融合模型的实时能量分配系统在UDDS和US06两种循环工况下,电池峰值电流分别降低了48.7%和50.8%,有效削弱了电池的峰值电流,提升了电池的整体性能。