基于电力大数据的信用评估体系研究

来源 :信息技术 | 被引量 : 0次 | 上传用户:a282952061
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对电力交易过程中存在的违约风险进行研究,利用电力交易企业进行分析,设计建立一个用电企业的信用评估体系,该评价体系通过利用灰度关联算法对企业交易信用的影响因素进行分析,得出各个影响因素的相关权重,并利用遗传算法和神经网络算法进行综合分析,设计进化算法对用电企业的相关数据进行分析,预测该企业未来可能出现的违约风险,并给出其信用评级.将预测结果与真实数据进行比较,其中采用灰度关联算法的预测成功率为82%,采用层次分析法的预测成功率为62%,采用本研究设计的综合算法的预测成功率为95%.
其他文献
因材施教一直是个性化学习追求的价值取向,但如何解决传统学习模式忽略学习者主体性、差异性和发展性,是个性化学习长久以来面临的挑战.作者提出,基于人工智能的智适应学习为解决上述问题提供了新的参照.智适应学习以人工智能为技术支持,以智适应学习系统为依托,将纳米级的知识点作为学习内容形态,对学习者进行知识点诊断、学习资源推送与学习路径指引,形成“测、学、练、测、辅”的个性化学习模式,为学习者提供智能、精准的个性化学习体验.
为了缩短矢量关系化数据可视化响应和转换时间,提高数据转换准确率,确保硬件配置适应性,提出基于PaaS平台的矢量关系化数据可视化方法.引入分块处理模型,简化矢量关系化数据架构,建立连接散乱数据近邻关系,确定具体部分方向与空间数值.采用PaaS平台,结合K邻域搜索算法,转换矢量关系化数据,获取要素几何信息,建立索引编码主体,构建可视化程序整体框架,实现矢量关系化数据可视化表达.实验结果表明,所提方法的硬件配置适应性较好,能够有效提高数据转换准确率,缩短可视化响应和转换时间.