以辽沈战役“攻克锦州”精神 切实解决好群众问题

锦州市委、市政府高度重视12345平台诉求办理工作,全市2109家承办单位、4100多名承办人员始终坚持以人民为中心、以问题为导向,不断夯实工作机制、优化办理流程、强化协同联动,多方位持续深入推进群众诉求办理工作提质增效,2023年累计回应解决群众关切问题49万余件,办结率99.53%,年度满意率93.76%,促进还利于民约9251万元,实现了12345平台服务能力的全方位提高,人民群众的满意度得到了明显提升。目前,已连续3年被人民网评为“民心汇聚单位”。在2023年辽宁省12345政务服务热线职工技能大赛中,锦州市两支代表队荣获团体二等奖和三等奖、个人第一名和第五名的佳绩。下面,我从6个方面分享锦州市12345平台工作体会。

锦州市12345热线:一个号码做好“民生题”

按照省委省政府工作部署,锦州市委市政府高度重视12345热线平台建设,市委书记靳国卫,市长王心宇多次莅临锦州市12345热线平台指导工作,先后7次对平台作出批示,要求各县(市、区)、市直部门高度重视诉求办理工作,使矛盾风险在源头即得到化解。市12345热线平台多次组织召开专题会议,有序推进平台工作,并取得明显成效。

浅谈12345政务服务热线 助力营商环境不断优化

群众诉求满意度是衡量一个城市营商环境的重要指标之一。近年来,按照锦州市委、市政府优化营商环境工作部署,锦州市12345政务服务便民热线始终秉承“倾听民声、实现民意、服务民众”的服务宗旨,依托7×24小时“即接即办”快速响应体系,强化重点工作闭环管理,力争实现服务“点对点”、诉求“马上办”,打通企业群众与政府部门高效沟通的渠道;同时通过完善各种工作机制,加大诉求的办理质效,狠抓群众诉求满意度,进一步提升政府公信力,营造良好的营商环境。2023年以来,锦州市12345热线累计受理群众诉求214259件,其中,涉企营商环境类诉求99件,投诉81件,满意率92%。

基于CEEMDAN-VMD-SSA-LSTM的门诊量预测模型

医院门诊量本质上是一种具有潜在规律的时间序列,通过对门诊量进行有效分析和预测,可以更加科学、合理地配置医疗资源。针对门诊量波动幅度较大的时间序列预测问题,提出CEEMDAN-VMD-SSA-LSTM模型。通过完全自适应噪声完备集合经验模态分解(CEEMDAN)和变分模态分解(VMD)对数据进行两次经验模态分解,提高门诊量数据集的准确性和稳定性。采用在时序问题处理上具有良好性能的长短期记忆(LSTM)神经网络,并通过寻优能力强、稳定性好的麻雀搜索算法(SSA)对LSTM网络超参数进行优化,得到预测模型。通过比较实验,提出方法可以更加精准地对门诊量进行预测和分析,为医院更好地运营管理提供了重要依据和决策支持。

基于动态集成加权概率RF的门诊量预测

医院门诊量本质上是一种具有潜在规律的时间序列,通过对门诊量进行有效分析和预测,可以更加科学、合理地配置医疗资源。针对门诊量波动幅度较大的时间序列预测问题,提出一种基于动态集成加权概率RF的门诊量预测方法。首先选择具有强泛化性的随机森林(Random Forest,RF)作为预测模型;并且采用k近邻-层次聚类算法对RF模型中树的强度进行评估,从中动态选择性能最佳的决策树,提高回归模型的性能;为了提升预测模型的准确率,采用加权概率融合规则代替原始RF模型的求平均数的规则。经过与BP神经网络和RF对比实验结果表明,提出方法可以更加精准地对门诊量进行预测和分析,为医院更好的运营管理提供了重要依据和决策支持。

基于云计算的通信网络异常数据分析技术

为解决网络异常数据分析精准度较低的问题,设计了一种云计算环境下的通信网络异常数据分析技术。首先导入通信网络异常运行数据,判定网络异常运行行为,其次利用主成分分析法(Principal Component Analysis,PCA)分析出通信网络异常节点,通过数据偏离度分析出网络运行状态,最后构建出云计算模型,进行异常数据的综合分析。实验结果证明,设计技术的异常数据分析效果更佳,具有一定应用价值。

基于EMD和ELM相结合的门诊量预测模型研究

针对门诊量波动幅度较大的时间序列预测问题,先采用经验模态分解(EMD)将非线性较强的原始数据进行分解,然后通过极限学习机(ELM)将分解后的各个序列分量进行建模,最后将各个分量的预测值相加得出最终结果。将BP神经网络、ELM两个单一模型与EMD-ELM组合模型进行对比验证,实验结果表明组合模型的精准度明显好于两个单一模型。

技能大赛·关注

本次技能比赛邀请了全国五一劳动奖章获得者、全国三八红旗手、总书记考察过的皇姑区牡丹社区书记、省级劳模,以及企业、个体户、媒体、各地区参赛队领队、基层网格员、热心群众代表担任评委和颁奖嘉宾。评委和嘉宾在紧张地评审工作中,也分享了他们对这次活动的评价和感受。

基于SIDW-SSA-LSTM的门诊量预测

医院门诊量本质上是一种具有潜在规律的时间序列,通过对门诊量进行有效分析和预测,可以更加科学、合理地配置医疗资源。针对门诊量波动幅度较大的时间序列预测问题,提出SIDW-SSA-LSTM模型。首先,通过标幺化反距离加权(SIDW)插值修正原始数据,提高了门诊量数据集的可靠性;然后,采用在时序问题处理上具有良好性能的长短期记忆(LSTM)神经网络,并通过寻优能力强、稳定性好的麻雀搜索算法(SSA)对LSTM网络超参数进行优化,得到SIDW-SSA-LSTM模型。对比实验证明,本文提出的方法可以更加精准地对门诊量进行预测和分析,为医院更好地运营管理提供了重要依据和决策支持。

关于充分发挥锦州港对外贸易作用的对策研究

锦州港,作为我国东北地区重要的港口城市,具有独特的地缘位置优势和深厚的历史文化底蕴。作为连接中国内地与海洋,辐射东北亚经济圈的重要节点,锦州港在区域发展与国际贸易中扮演着至关重要的角色。随着“一带一路”倡议的推进与东北亚多边合作的不断深入,锦州港的对外贸易功能越来越重要。近年来,锦州市政府提出“以港兴市”的发展战略,明确以锦州港作为开放型经济发展的先行示范区,努力将其建设成为东北地区乃至全国的物流枢纽和开放前沿。然而,面对全球贸易环境的剧烈变动和区域竞争态势的加剧,锦州港在实现自身功能发展的同时,亟须应对来自内外部环境的多重挑战。国际市场对锦州港的需求不断变化,在引进外资和港口建设上,尽管投资势头良好,但效果与预期仍有一定差距。此外,由于传统港口资源配置和管理体制的局限性,阻碍了其对外贸易程度的提高和功能的进一步强化。

基于PSO优化Bi-LSTM的交通流量预测

针对城市交通流量强随机性的问题,为克服非线性和时变特点的影响,提出了基于粒子群(PSO)优化双向长短时记忆网络(Bi-LSTM)的交通流量预测模型,达到城市交通流量高精度预测效果。首先,建立基于Bi-LSTM的交通流量短期预测模型;其次,采用粒子群PSO算法对Bi-LSTM模型的超参数进行寻优,提升预测模型的泛化性。通过对比实验分析,验证了该交通流量预测模型具有更优的性能。