简介:摘要:区别于传统的基于单车历史数据的时间序列预测模型,本文创新性的引入了高德地图POI数据,将共享单车运营数据与POI数据通过真实地理坐标关联起来,并使用了机器学习方法,搭建并训练了多层神经网络模型来对POI数据与单车数据进行学习,挖掘二者之间的潜在关系,用于进行区域单车出发量和到达量的预测。使用了相关系数R2和均分误差MSE来对模型预测结果进行评价,模型在测试集上R2可达0.8,而在训练集上可达0.95,充分证明模型有效性。
简介:摘要:摘要:新能源的应用为传统电力行业带来了巨大冲击,同时也为电力领域发展带来全新的发展机遇,并逐渐成为电力行业变革的有效途径。阐述新能源的特点,我国传统电力工程的发展现状,电源结构、布局、性能,探讨新能源背景下我国电力产业的发展方向,建立能源互联网、优化新能源接入技术、电网综合评价体系。配电系统是电网中不可缺少的重要部分,电能要安全可靠地输送到终端用户侧,必须经过配电网的连接。由于负荷会发生波动,配电网面临着安全稳定问题,需要关注配电网的最大供电能力。TSC是评价配电网的重要指标,它是指在所有主变压器(以下简称“主变”)和馈线“N-1”校验均满足时,配电网在一定供电区域内的最大负荷供电能力。目前,配电网TSC的计算方法主要分为解析法和线性规划模型法。解析方法是分析主变接触单元的供电能力和最大负荷率。线性规划模型法是将TSC模型转化为一个线性规划问题,以TSC为目标函数,约束条件包括“N-1”安全准则下的负荷转供约束、下一级配电网的联络结构等。负荷转供是指当故障发生时,故障主变可以通过开关动作将负荷转移到其直接连接的主变上,馈线上的负荷也可以通过开关动作转移到其直接相连的馈线上。负荷转供约束包括主变容量约束和线路容量约束,在考虑了负荷转供后,“N-1”会发生改变,对输配电成本会产生一定的影响,因此需要对这部分成本进行有效分析。
简介:摘要:为了提高造价预测效率,提出了一种基于BP神经网络的工程造价预估模型。该模型在详细分析了住宅的造价构成的特征的基础上,找到主要的造价影响因素,建立了造价影响因素和工程造价的映射关系,以住宅工程的影响因素作为神经网络的输入向量,将所需的工程造价作为神经网络的输出向量,从20个案例中,选取5个案例样本作为预测样本,剩下15个样本作为训练样本输入,不断地训练网络函数,使函数修正和改进,使函数输出的工程造价几乎接近于样本的造价,达到了准确预估住宅工程造价的目的。实验结果表明,本文建立的仿真模型切实可行,预测误差在10%左右,是比较理想的住宅工程造价预估方法,可用于造价工程的辅助估算。