-
公开(公告)号：CN116957394A
公开(公告)日：2023-10-27
申请号：CN202310837048.7
申请日：2023-07-10
Applicant: 国网江苏省电力有限公司物资分公司 , 江苏电力信息技术有限公司 , 国网江苏省电力有限公司
IPC: G06Q10/0639 , G06Q10/10 , G06Q30/0282 , G06Q50/06 , G06F16/36 , G06F18/214 , G06F18/2415 , G06F18/243 , G06F18/27
Abstract: 本发明公开了一种基于知识图谱的供应商供应可靠性评估方法，同时考虑供应商经营业绩、合同履约情况、供货情况、监造计划、抽检试验以及货物交接等多维评价数据，构建全面反映供应商供应可靠性的知识图谱；通过供应商在供应链中的运动，维护知识图谱中本体之间的关系，在供应商知识图谱上提取图相关的特征，结合供应商本身属性特征，使用集成学习的方法，生成随机森林模型，来评估供应商的供应可靠性，进而对项目建设单位提出预警，促进电力物资供应链各方高效协同工作，保证项目按期完成。
-
公开(公告)号：CN116542247A
公开(公告)日：2023-08-04
申请号：CN202310417777.7
申请日：2023-04-19
Applicant: 国网江苏省电力有限公司物资分公司 , 江苏电力信息技术有限公司 , 国网江苏省电力有限公司
IPC: G06F40/289 , G06F40/284 , G06F40/49 , G06Q50/06 , G06F16/36
Abstract: 本发明公开了一种基于非助词元素紧密度的电力物资语料库生成方法，包括：收集文档材料，基于标准词典，对每份文档进行分词得到若干个词语元素。再对相邻的两个的非助词词性词语元素，进行紧密度计算，保留紧密度达到设置阈值的词语元素作为语料库备选元素。统计语料库备选元素，在所有文档材料中的出现总概率，将出现总概率达到设置阈值的备选元素，确定为语料库元素。本发明智能查询时，基于新生成的电力物资语料库，能够识别之前无法识别的特定语义元素，用户问题语义识别的准确度明细提升，显著提高了查询效率。
-
公开(公告)号：CN116431832A
公开(公告)日：2023-07-14
申请号：CN202310418069.5
申请日：2023-04-19
Applicant: 国网江苏省电力有限公司物资分公司 , 江苏电力信息技术有限公司 , 国网江苏省电力有限公司
IPC: G06F16/36 , G06F16/955 , G06F16/28 , G06F18/23213 , G06F18/24 , G06F18/214 , G06Q50/06
Abstract: 本发明公开了一种知识图谱知识实体所在文集的检索方法，使用聚类模型对所有文集进行归类，并通过多层聚类对文集进行按层次的由上至下进行标号。通过将文集进行预处理；使用DocT5Sentence模型对文集进行分解，生成Sentence到文集的映射关系数据；使用base Transformer模型训练T5得到的数据，对最后MLP处理后的结果进行Softmax，获取相似度最好的文集标号；最后通过反向标记跟踪到原始电力文集所在位置，完成对知识实体的检索任务。本发明通过构建多模态的文集检索模型，可以快速定位到需要收集的知识实体对象相关的电力文集。
-
公开(公告)号：CN111429042A
公开(公告)日：2020-07-17
申请号：CN202010417360.7
申请日：2020-05-18
Applicant: 江苏电力信息技术有限公司 , 国网江苏省电力有限公司
Abstract: 本发明公开了一种基于k均值算法的供应商履约情况评价方法，准备供应商履约情况数据样本；确定目标分类类别数量k，即聚类簇数，选取初始均值向量，计算其余样本数据与均值向量的平方误差，根据相似度分配类簇；根据分类结果，求出每个类簇新的均值向量，计算其余样本数据与新均值向量的平方误差，根据相似度重新分配类簇；重复上述过程，直到均值向量不再更新，即，测度函数收敛，此时的分类结果即为最终供应商履约情况分类结果；根据分类结果确定供应商评价等级，即1类供应商、2类供应商、⋯、k类供应商。本发明可以为企业管理部门管理供应商提供有价值的参考。
-
公开(公告)号：CN111428821A
公开(公告)日：2020-07-17
申请号：CN202010417459.7
申请日：2020-05-18
Applicant: 江苏电力信息技术有限公司 , 国网江苏省电力有限公司
Abstract: 本发明公开了一种基于决策树的资产分类方法，包括如下步骤：获取训练样本和分类属性集合，即一定时间期间资产分类数据；“分而治之”，训练决策树；建立分类模型，计算决策树验证集精度，如果精度不满足要求，通过后剪枝，这里本专利使用 剪枝法来提高验证集精度；通过分类模型计算资产分类结果。本发明按不同的资产分类制定对应有效的资产管理方案。正确的资产分类能为企业资源配置提供有力参考，能节省企业运维成本，能为企业带来更多的经济利益。
-
Patent Agency Ranking
公开(公告)号：CN117151266A
公开(公告)日：2023-12-01
申请号：CN202310313184.6
申请日：2023-03-28
Applicant: 国网江苏省电力有限公司物资分公司 , 江苏电力信息技术有限公司 , 国网江苏省电力有限公司
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/06 , G06F18/214 , G06F18/213 , G06F18/243 , G06F18/2415
Abstract: 本发明提出一种基于XGBoost的供应链履约风险预测方法，综合考虑影响供应商履约、物资供应全流程的动态变化等多维度因素，经过数据清洗、特征工程构建、模型训练、优化评估等过程，建立供应链履约风险预测系统，精准评估供应商在不同环节的履约风险并进行预测，提醒履约人员提前干预，制定应对方案，提升供应链韧性和安全水平。本发明预测方法获得的预测结果的准确率和可靠性较高，大大降低了因物资未按期供货导致大型工程延期投运的风险损失。
-
公开(公告)号：CN111415051A
公开(公告)日：2020-07-14
申请号：CN202010417380.4
申请日：2020-05-18
Applicant: 江苏电力信息技术有限公司 , 国网江苏省电力有限公司
Abstract: 本发明公开了一种基于BP神经网络的电力物资需求计划预测方法，包括如下步骤：准备历史电力物资需求计划数据样本；确定神经网络的输出与输入。选取合适的隐含层数量，定义网络每层的学习率，建立BP神经网络；初始化网络；计算当前网络中的误差，再将误差逆向传播，根据各层的梯度项对连接权值与阈值进行调整；开始迭代程序，直到训练误差已达到一个很小的值；选取多组不同参数初始化多个神经网络，寻找相对的“全局最小”；根据选取的BP神经网络，计算得出网络输出。本发明可以为电力工程建设项目提供有效的指导意见。为项目团队制定采购预案、项目进度管控等方面提供强有力的支撑。
-
公开(公告)号：CN107766977A
公开(公告)日：2018-03-06
申请号：CN201710981037.0
申请日：2017-10-20
Applicant: 江苏电力信息技术有限公司 , 国网江苏省电力公司
CPC classification number: G06Q10/04 , G06F17/18 , G06Q10/06313 , G06Q40/125
Abstract: 本发明公开了一种基于ARIMA的现金流量预测方法：获取现金流量时间序列数据，建立散点图，自相关函数，偏自相关函数，利用游程检验法检验序列平稳性；对时间序列数据进行平稳化处理，根据识别规则，建立相应ARIMA模型；进行参数估计，检验是否具有统计意义；进行假设检验，诊断残差序列是否为白噪声；利用已通过检验的模型进行预测分析。该方法基于差分自回归移动平均算法求解现金流量预测问题，完成现金流入、现金流出预测。
-
公开(公告)号：CN116028864B
公开(公告)日：2025-03-11
申请号：CN202310015798.6
申请日：2023-01-06
Applicant: 国网江苏省电力有限公司物资分公司 , 江苏电力信息技术有限公司 , 国网江苏省电力有限公司
IPC: G06F18/241 , G06F16/36 , G06N3/0499 , G06N3/084 , G06N3/126
Abstract: 本发明公开了一种基于知识图谱使用GA参数优化的供应商分类方法，包括：获取供应商知识图谱的图结构以及数据；选取合适的隐含层数量，建立#imgabs0#神经网络；使用GA算法优化当前BP网络的权值与阈值参数；根据GA多次优化后的权值与阈值训练得到的网络，对供应商进行分类。本发明使用已构建的供应商知识图谱数据，提取图数据关键特征，构建数据样本；使用遗传算法对BP神经网络初始参数进行优化，以达到更好的学习效果与效率；使用知识图谱提供数据的BP神经网络分类方法，深度提炼业务数据的内在联系，找出客观存在关键分类因素，实现对供应商等业务更好地分类。
-
公开(公告)号：CN115470973A
公开(公告)日：2022-12-13
申请号：CN202211025108.7
申请日：2022-08-25
Applicant: 江苏电力信息技术有限公司
Abstract: 本发明公开了一种基于ARIMA的企业日常用电量异常检测方法，包括：采集目标用电单位在企业日常各个时刻的用电量数据；对采集的用电量数据就行纯随机性和平稳性检验；对采集的数据进行预处理，对非平稳序列进行差分处理，得到差分平稳序列；建立自回归模型，根据自相关性分析，确定自回归阶数；建立移动平均模型，根据偏自相关性分析，确定移动平均的阶数；根据上述步骤得到的差分阶数、自回归阶数、移动平均阶数建立ARIMA模型，并训练模型；利用训练好的模型进行预测分析，通过比对真实值与预测值的偏差来判断是否为异常。本发明实现对附加性异常、临时性异常等检测，可以规范企业用电，方便管理。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.029 seconds)
