基于CSO优化DBN模型的电力业扩项目时长预测方法

    公开(公告)号:CN114781686A

    公开(公告)日:2022-07-22

    申请号:CN202210268779.X

    申请日:2022-03-18

    Abstract: 本发明涉及一种基于CSO优化DBN模型的电力业扩项目时长预测方法,包括:根据项目费用的分布,确定待预测项目的目标DBN预测模型;将待预测项目数据输入至训练好的目标DBN预测模型中,得到待预测的项目时长;训练DBN预测模型包括:根据历史项目费用将电力业扩历史项目分类得到四个项目的费用区间;动态选择每个费用区间的历史数据,建立对应类别的DBN预测模型;根据DCCSO对DBN预测模型的初始权值优化,得到目标初始权值;对DBN预测模型的目标初始权值进行微调,得到训练好的DBN预测模型。本申请在训练的早期利用DCCSO优化DBN预测模型的权值并通过联合初始权值的正则项作为目标适应度函数,通过优化后的DBN模型对业扩时长进行预测,能够快速得到精确的业扩时长。

    一种电力业扩项目时长的预测方法和装置

    公开(公告)号:CN114757393A

    公开(公告)日:2022-07-15

    申请号:CN202210269439.9

    申请日:2022-03-18

    Abstract: 本发明涉及一种电力业扩项目时长的预测方法,包括:获取待预测的电力业扩项目时长的初始数据;将初始数据输入至训练好的混合预测模型,得到混合预测模型输出的时长预测值,其中,混合预测模型包括BP预测子模型、DBN预测子模型和ELM预测子模型;时长预测值包括BP预测子模型输出的第一时长预测值、DBN预测子模型输出的第二时长预测值和ELM预测子模型输出的第三时长预测值;根据第一时长预测值、第二时长预测值和第三时长预测值和预设的权重值,得到待预测的电力业扩项目时长。本申请通过信息熵和平均互信息确定预设的权重值,利用权重值得到训练好的混合预测模型,根据训练好的该混合预测模型,得到电力业扩项目时长。

    基于CSO优化DBN模型的电力业扩项目时长预测方法

    公开(公告)号:CN114781686B

    公开(公告)日:2024-11-01

    申请号:CN202210268779.X

    申请日:2022-03-18

    Abstract: 本发明涉及一种基于CSO优化DBN模型的电力业扩项目时长预测方法,包括:根据项目费用的分布,确定待预测项目的目标DBN预测模型;将待预测项目数据输入至训练好的目标DBN预测模型中,得到待预测的项目时长;训练DBN预测模型包括:根据历史项目费用将电力业扩历史项目分类得到四个项目的费用区间;动态选择每个费用区间的历史数据,建立对应类别的DBN预测模型;根据DCCSO对DBN预测模型的初始权值优化,得到目标初始权值;对DBN预测模型的目标初始权值进行微调,得到训练好的DBN预测模型。本申请在训练的早期利用DCCSO优化DBN预测模型的权值并通过联合初始权值的正则项作为目标适应度函数,通过优化后的DBN模型对业扩时长进行预测,能够快速得到精确的业扩时长。

    一种低压开关柜
    8.
    发明公开

    公开(公告)号:CN117374761A

    公开(公告)日:2024-01-09

    申请号:CN202311201585.9

    申请日:2023-09-15

    Abstract: 本发明公开了一种低压开关柜,涉及开关柜技术领域,包括箱体,箱体内设有立柱和侧梁,立柱位于箱体的四周,侧梁设于箱体的对向两侧,两个相对而设的侧梁之间装设有安装梁,侧梁和安装梁之间设有调整块,调整块设有分别包覆于侧梁和安装梁外侧的调整块,侧梁上设有若干个连接孔以实现沿水平方向调整安装梁的安装位置,以适配铜排的实际尺寸,以提高安装效率,并通过调整块实现固定;箱体至少设有背靠背连接的两个,两个箱体之间设有连接块,连接块上设有连接槽,分别位于两个箱体中的立柱嵌设于连接槽内,实现背对背并柜设置的箱体中的立柱相互紧贴安装,在避免打孔而影响箱体的防护性的同时实现相邻两个箱体的并柜连接。

    电力业扩流程智能评价的方法、装置、设备和存储介质

    公开(公告)号:CN114781793A

    公开(公告)日:2022-07-22

    申请号:CN202210242939.3

    申请日:2022-03-11

    Abstract: 本发明涉及一种电力业扩流程智能评价的方法,包括:获取新的流程数据并进行预处理;将处理后的流程数据输入至训练好的神经网络模型,得到评价结果;其中,神经网络模型的训练包括:获取历史数据;通过主成分分析法对历史数据降维并得到样本特征向量集;通过模糊综合评价法评价样本特征向量集,得到历史评价结果;将预处理的历史数据和历史评价结果输入至神经网络模型,得到训练好的神经网络模型。本申请过模糊综合评价法综合节点的计划用时偏差得到准确的评价结果。并将该清晰的结果输入至神经网络训练,使得神经网络挖掘历史数据与评价结果之间的关联性,从而通过训练好的神经网络快速、准确地对新制订的业扩项目流程进行评价。

    一种基于SOM-M的业扩项目聚类方法、装置、设备和存储介质

    公开(公告)号:CN114781482A

    公开(公告)日:2022-07-22

    申请号:CN202210268783.6

    申请日:2022-03-18

    Abstract: 本发明涉及一种基于SOM‑M的业扩项目聚类方法,包括:获取原始业扩项目数据,原始业扩项目数据包括:项目节点、节点计划用时、节点预算费用;将预处理后的原始业扩项目数据输入至SOM‑M模型中,初始化竞争层的神经元参数;计算输入层的神经元与竞争层的神经元间的相似性和一阶动量,更新竞争层的神经元参数;根据更新后的竞争层的神经元参数,得到业扩项目的节点类别。本申请通过测量多个神经元相似性,使多个神经元的相似性相互竞争,不断调整神经元逼近对象的类别中心,使神经元自动聚类,在加入一阶动量后,提升了SOM的收敛能力,更易于找到聚类中心,具有较强的分类能力和快速的学习能力,在对业扩项目聚类中具有很好的效果。

Patent Agency Ranking