下行RIS-NOMA的用户集群方法

为提高用户分布非均匀的场景下可重构智能表面(RIS)辅助下行非正交多址(NOMA)通信系统的性能,提出了一种分布式RIS辅助下行NOMA的用户聚类方案。首先,采用自适应几何分布(AGD)聚类算法划分用户集群(UCs),从而为各UC匹配RIS。然后,利用分式规划(FP)方法将非凸最大化频谱效率问题转换为凸优化问题。最后,为UC内用户逐级进行功率分配(PA)与被动波束形成(PB)。仿真结果表明,与谱聚类(SPC)、K均值(K-means)、高斯混合模型(GMM)聚类方案和正交多址(OMA)方案相比,在AGD方案下,功率对频谱效率提升了7%、14%、19%和42%的增益,反射面对频谱效率提升了16%、19%、26%和40%的增益。

融合群体兴趣和核心用户影响的群组推荐方法研究

[目的/意义]为提高群组推荐准确率和可解释性,针对现有的群组推荐方法较少关注群组内核心用户对群体兴趣的影响,综合考虑群组整体兴趣和群组内核心用户对其他用户的影响,提出融合群体兴趣和核心用户影响的群组推荐方法。[方法/过程]首先,借鉴h指数思想计算群组内每个用户的影响力,识别群组内核心用户;其次,利用LDA主题模型进行群体兴趣建模和核心用户兴趣建模;最后,综合考虑群组中用户自身兴趣和其受核心用户影响而产生的兴趣进行资源推荐服务。[结果/结论]利用微博数据进行实证,验证了此方法的有效性。

结合用户共同意图及社交关系的群组推荐方法

已有的群组推荐模型,在求解用户表示时大多比较单调且仅简单利用用户间的社交关系,使得用户表示不够准确,并且大都未考虑用户共同意图以及社交关系对群组偏好的影响,导致推荐的项目很难符合用户的需求。基于此,提出一种结合用户共同意图及社交关系的群组推荐模型(GR-UCISI)。首先构造用户-项目交互历史与社交关系相结合的用户意图分离模型,利用图神经网络采集每个用户的用户-项目交互以及社交关系信息,求解用户意图和项目表示;其次利用网络游走算法与K-means聚类算法将用户分组,结合用户群组、用户意图以及群组意图聚合过程获取群组共同意图表示;最后根据群组共同意图表示与项目表示得出群组推荐项目列表。该方法充分考虑到用户的个性以及群组成员间的共性对群组偏好的影响,同时结合社交关系缓解数据稀疏性问题,提升模型性能。实验结果表明,与9个对比模型中推荐效果最好的模型相比,在Gowalla数据集上,GR-UCISI的Precision和NDCG指标值分别提高3.01%和5.26%;在Yelp-2018数据集上,GR-UCISI的Precision和NDCG指标值分别提高2.96%和1.12%。

考虑路网和用户满意度的集群电动汽车主从博弈优化调度策略

传统的电动汽车(electric vehicle,EV)集中优化方法在实际应用中面临调度困难、计算量大、缺乏真实数据支撑等问题,无法准确揭示各主体间的交互行为。为此,提出一种考虑路网和用户满意度的集群EV主从博弈优化调度策略。首先基于真实出行数据和路网数据模拟用户出行行为。其次,负荷聚合商(load aggregator,LA)整合EV负荷资源,对相似出行特性的EV进行聚类。在双层主从博弈模型中,LA作为上层领导者,聚类后的各EV子群作为下层跟随者。考虑EV用户不同消费偏好,通过优化LA定价策略、新能源及储能系统出力计划、EV集群充放电策略实现纳什均衡,达到各主体共赢,并使用改进遗传算法进行求解。最后,利用仿真验证了所提模型可有效提升LA收益及EV用户消费者剩余,增加新能源消纳,并可为不同消费偏好的用户提供差异化服务。

农牧类服务型社群用户黏性影响因素研究——基于“猪大拿”社群的调研

近年来在中央一号文件的政策鼓励下,“互联网+农业”的建设工作日益完善。在大力推进互联网与农产品深度融合,加快构建现代化养殖体系综合改革政策引导的同时,农牧类服务型社群的建设与发展越来越受到政府、农牧企业以及养殖户的重视。社群不仅有利于农牧企业与养殖户、消费者之间建立有效衔接,而且依靠社群的影响可实现转化率,提高购买率,为当前面临发展的农牧企业带来新的发展机遇。因此,探讨农牧类服务型社群用户黏性,对于促进农牧类服务型社群的持续健康发展、“互联网+农业”工作的推动具有深远意义。本文将基于“猪大拿”社群的调研数据,深入分析影响农牧类服务型社群用户黏性的关键因素。

基于机器学习和社群互动信息的用户购买意愿分析

本文指出随着短视频平台以及社交平台与电子商务愈发深入的融合发展,越来越多的人参与到和商家的社群互动中并进一步发生购买行为。为了分析并建模社群互动信息和用户购买意愿之间的关系,本文采用机器学习算法对社群互动信息数据进行了分析处理,构建出用户购买意愿预测模型。为了使模型更具有泛化性,降低人为经验的影响,模型采用Transformer模型端到端的训练拟合社群互动信息对用户购买意愿的影响机理。实验结果表明,Transformer模型利用社群互动信息对用户购买意愿进行预测的效果最优,在预测准确率方面明显高于其他模型。

多用户参与的可解释群决策交互模式及设计

现代人类的决策活动更多地从个人决策过渡到群决策。从工业设计和交互设计出发,提出并讨论多用户参与的可解释交互群决策模式,对群决策如何融合的可解释性、交互设计和多用户参与进行分析,探讨多用户参与的可解释交互群决策模式的研究内容和表示结构,指出其关键技术和研究方法。以辅助群体出游计划安排的应用原型设计为例,探究群体出游人群的表示结构、群决策逻辑与可解释交互设计,为群体决策场景服务的知识体系建立和快速设计提供新的研究思路。

负荷数据特征分析的用户集群需求响应潜力预测方法

随着电力市场改革的逐步推进,需求响应将在未来新型电力系统中发挥越来越重要作用。针对目前DR潜力计算过程繁琐、用户数据不足的问题,提出了一种基于用户历史负荷、气温和电价数据的用户集群DR潜力预测方法。首先,通过对用户的历史负荷曲线进行数据处理和信息提取,从月负荷规律性、日负荷波动性、峰谷一致性3个方面对各用户的用电行为进行特征值计算,形成评估用户类型的指标体系。继而,提出基于时序带有外部输入的非线性自回归神经网络的用户负荷和DR潜力预测方法。最后,以工业用户为例采用Meanshift算法实现用户集群划分,并对通用零部件制造行业的DR调节功率进行预测,经与实际调节功率数据进行对比分析,验证了本文所提方法的有效性。

基于蚁群算法的用户个性化行程推荐算法设计

本文通过模拟蚂蚁觅食的集体智能行为,结合用户反馈机制,设计了一套行程生成与优化机制。实验结果显示,该方法能够在考虑用户喜好、时间预算和景点分布等多项约束因素的基础上,快速、稳定地生成满足用户需求的个性化旅行路线,有效地提高了旅行规划的效率和质量。此外,通过引入用户实时反馈,进一步优化了算法性能,展现了良好的应用前景。

基于信任转移视域的社群购物用户消费行为实证研究

[目的/意义]随着电子商务发展并下沉至虚拟社群,社群已成为电商企业满足用户精准化需求的重要营销方式。通过探究用户参与社群购物的影响机理,可为社群运营发展提供有价值的决策参考。[方法/过程]基于信任转移视角,构建从移动端购物转移至社群购物的用户消费行为实证模型。以TAM理论为基础,利用SPSS 27.0和AMOS 28.0工具对收集到的数据进行检验。[结果/结论]用户对移动端购物信任既直接影响其对社群购物的信任,又借助感知有用性和结构保证两个因素间接影响社群购物信任,主观规范、感知易用性、感知有用性、社群购物信任因素可正向影响用户消费行为。

考虑用户满意度的云制造资源群智能优化决策方法

针对云制造资源分配中面临的资源配置低效、制造服务选择非最优的问题,提出了考虑用户满意度的云制造资源群智能优化决策方法。对云制造过程分别建立了时间、成本、服务质量及其对应满意度的多目标模型,通过改进粒子群算法对其进行求解,采用基于主客观赋权法的多准则妥协解决策评价体系选取最优解。为了克服粒子群早熟收敛,融合切比雪夫滤波器和速度二阶振荡改进算法,同时为了反应客观数据的对比强度,客观赋权法引入变异系数。最后仿真阐明,改进算法相对其他算法的解集更广泛,收敛性更好,并验证了模型与决策方法的有效性。

用户侧重力-蓄电池混合储能系统配置优化与效益分析

现有的用户侧储能以蓄电池储能为主,手段较为单一,回收不当对环境也会造成危害;同时用电高峰期峰谷差较大,这既提升了用户用电成本,也给电网的稳定运行带来了挑战。针对此问题,建立了重力储能的充放电模型,并在此基础上提出一种应用蓄电池与重力储能相结合的混合储能模型。首先以功率、容量和寿命等变量为条件对该模型进行了适当的约束。下一步以用户综合收益最高为目标函数利用量子粒子群优化算法对模型进行配置寻优。然后得出了混合储能最优的功率、容量配置。在MATLAB 2021b软件环境下,使用江苏省南京市用户侧智能电能表实际负荷数据算例进行分析,最后可以得出混合储能系统及其优化方案可以减小用户侧用电峰谷差,并且使用户侧用电成本有所降低的结论,验证了其合理性与经济性。

HGU用户侧接口流量信息传输方法仿真

由于连接不同用户的侧接口过多,导致接口流量信息分配不均衡,造成信息传输时长较长、丢包率高等问题。为解决上述问题,提出HGU用户侧接口流量信息传输方法。通过对家庭网关单元(Home Gateway Unit,HGU)用户侧接口构建无向图和冲突图,确定流量信息传输距离以及各传输链路之间是否互相干扰;以链路流量模型为基础构建业务模型,得到传输链路负载率;在粒子群优化算法中,利用适应度函数更新粒子的位置坐标,实现合理分配网络流量,实现最大效率的传输。实验结果表明,所提方法网络时延始终保持在0.10s以下,整体丢包率控制在30%-45%之间,且具有较高的吞吐量。

虚拟学术群组用户跨学科科研合作行为研究——以科学网和Mendeley为例

基于TPB理论向度,归纳和提取虚拟学术群组用户跨学科科研合作行为的影响因素,并引入跨学科科研合作行为意愿在影响因素与行为之间的中介作用;根据自我结构理论,引入自我结构类型对影响因素的调节作用,构建虚拟学术群组用户跨学科科研合作行为研究模型,利用调查问卷收集科学网和Mendeley总共479份样本数据,通过PLS~SEM方法对研究模型展开分析验证。研究结果表明,感知有用性、利他动机、学科文化和资源可用性通过跨学科科研合作行为意愿的中介作用间接显著影响跨学科科研合作行为;自我价值和互惠受自我结构类型的调节,自立自我负向显著调节互惠与Mendenly用户跨学科科研合作行为意愿的关联性;依存自我负向显著调节自我价值与科学网用户跨学科科研合作行为意愿的关联性。探索虚拟学术群组用户跨学科科研合作行为的影响因素,有助于推进跨学科科研合作行为和提升科研用户知识共享效率。

基于用户参与的卷烟零售终端社群营销策略研究

在我国烟草专卖制度下,卷烟零售终端作为卷烟销售的末端环节,是连接烟草商业企业和卷烟客户的桥梁,也是卷烟价值链上的重要组成。文章构建了基于用户参与的卷烟社群营销模型,提出价值传导模型,通过构建零售终端社群营销模式,实施有效的营销策略,可使得价值在烟草工业企业、烟草商业企业、零售终端和客户之间正向传导和逆向传导,实现多赢局面。

基于图卷积神经网络与K-means聚类的居民用户集群短期负荷预测

随着智能电表等高级量测装置在用户侧的广泛部署与使用,海量多源异构的居民用户数据得以采集与存储,为用户级负荷预测提供良好的数据基础。精准的居民用户集群负荷预测是促进智能配电网需求侧管理、辅助电网公司实现削峰填谷的重要基础。然而,现有的用户级负荷预测方法大多利用历史负荷序列的时间相关性构建数据驱动模型,却忽视相邻用户用电行为之间存在的潜在空间相关性。因此,提出一种基于K-means聚类和自适应时空同步图卷积神经网络的居民用户集群负荷预测方法。首先,采用K-means聚类将居民用户集群按照用电行为相似性划分成不同组;然后,基于居民用户集群的分组数量、各组居民用户的历史负荷数据以及各组居民用户负荷序列之间的相关性,构建面向居民用户集群负荷预测的时空图数据;最后,使用自适应时空同步图卷积神经网络实现居民用户集群短期负荷预测。文章通过真实的爱尔兰居民用户负荷公开数据集测试并验证所提方法的准确性和有效性,实验结果表明,相较于各个基准预测方法,所提方法能够充分挖掘并利用不同居民用户用电负荷之间的时空相关性,进而提高居民用户集群负荷预测精度。

基于用户云服务集群的资源动态调度研究

用户购买云服务器设施来搭建用户服务器集群,并将业务迁移到云服务器上后,很大程度上没有充分利用购买的计算资源。而随着业务量访问增加,传统的用户集群往往会通过增加服务节点来应对此情况,此时又需购买额外的云服务设施。论文基于传统用户的集群系统,使用改进的TOPSIS(逼近理想解排序法)算法结合集群监控信息来动态调度集群中节点上的应用。实验表明,该方案可以充分发挥用户购买的云服务器设施的计算资源,利用用户私有闲置资源来应对业务的突发访问,合理的调度用户服务器集群之间的业务应用分配,提高用户集群资源利用率的同时也保证了应用服务质量,节约了用户成本。

基于粒子群算法的低压用户超容用电优化研判策略

随着我国的经济不断发展,电网规模逐渐扩大,面临的挑战也逐渐增加。电网末端极容易出现低电压和用户超容用电等问题,低压用户超容用电会严重影响局部电力系统稳定性,容易造成线损增加甚至威胁电网安全。本文提出了一种基于粒子群算法的低压用户超容用电优化研判策略,建立了用户特征优化模型,通过分析海量用户数据中出现的异常情况来准确判断用户是否为低压超容用户,同时针对海量低压超容用户研判的常规流程进行改进,提出了优化研判策略。算例结果表明,本文所述方法能够从海量用户中准确研判低压超容用户,并且较人工审核方式提高了2.86%的判断准确率。

面向用户偏好的动态网页数据交互式查询算法

为提高网页数据查询速度、精度及工作效率,提出一种面向用户偏好的动态网页数据交互式查询算法.首先,构建用户偏好模型,增加偏好组合的演化个体适应性,综合计算适配值;其次,为防止数据冗余和重复,基于兴趣相似性,分离相似度高的查询数据和重复数据,识别出网络数据的性质;最后,利用粒子群优化算法寻找最优的动态网页数据交互式查询方案.实验结果表明:在数据集基数影响下,该算法的查询结果集质量在0.95以上;在查询最大维数影响下,该算法的查询结果集质量在0.96以上,表明其查询使用时间短、结果集精度高、自适应能力强.

计及低碳经济运行的含风电微网群源储协同日前优化调度

海陆风电的大规模开发并网给电网的稳定带来挑战,微电网是解决分布式发电系统优化运行问题的有效途径。综合考虑微电网群的系统运行经济性和碳排放环境效益,提出了基于分布式共享储能的交互型微网群低碳日前调度模型。首先考虑风电的不确定性,基于传统实时电价提出跟随微网净负荷的定价策略;随后根据微网群用户的负荷特点定义了价格型和激励型需求响应用户满意度;然后通过生命周期评价方法划分系统运行环节的碳排放链,引入阶梯碳交易机制构建碳排放成本模型;最后基于微网群的交互运行,利用分布式储能资源进行日前优化调度。仿真算例表明:对比独立型微网群,所提出的交互型调度模型消除了原有的弃风情况,碳排放量减少32.14 t、系统运行总成本缩减15.05%。