导读:本文包含了用户需求预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:负荷,需求预测,用户,电价,需求,自行车,电费。
用户需求预测论文文献综述
孙玥,杨国为,何鎏一[1]（2019）在《基于店铺特征和用户需求的广告转化率预测》一文中研究指出针对现有搜索广告转化率预测模型和分类模型未考虑店铺特征和用户需求,为了更好的预测广告的转化率,本文基于店铺特征和用户需求对广告转化率进行预测。以阿里搜索广告为研究对象,提出基于店铺特征和用户需求的数据预分析的特征处理方式,对特征进行预分析,即对用户和店铺的相关特征进行初次预测处理,分别求出转化率,以此作为新特征。XGBoost算法泛化性能高,损失函数同时用到一阶导和二阶导,可以加快优化速度,所以运用该算法构建基于店铺特征和用户需求的阿里搜索广告转化率预测模型和转化率分类模型。通过对比预测结果在对数似然损失(Logarith mic loss,Logless)的指标,该预测模型的正确预测率和正确分类率显着提升。本文使用的特征处理方式能够充分挖掘商品信息,能够更好的实现广告转化率的预测,有利于提高广告的竞争力。(本文来源于《青岛大学学报(工程技术版)》期刊2019年03期）
周兴华,耿俊成,杜松怀,张永浩,仇向东[2]（2019）在《考虑需求响应的温度敏感用户夏季短期负荷预测方法》一文中研究指出在新常态下为了降低生产成本,用户会参与需求响应进行错峰和避峰。传统负荷预测模型对用户负荷特性变化不敏感,对一些突变信息难以准确预测。针对此问题,考虑温度敏感用户参与需求响应,提出了夏季短期负荷预测方法。该方法采用小波变换和局部离群因子方法对负荷数据预处理,基于模糊C均值聚类和径向基函数网络相结合的方法识别预测日的负荷特性,采用线性回归模型对预测日的负荷特性相同的历史负荷数据进行负荷预测,根据降温负荷的基准值和温度变化值评估出降温负荷值,最后综合得出预测日的负荷。对3类温度敏感的纺织行业大用户进行算例分析,验证了所提方法的可行性和有效性。(本文来源于《电网与清洁能源》期刊2019年04期）
于浩祺[3]（2018）在《基于用户侧需求响应的主动配电网短期负荷预测》一文中研究指出本文针对主动配电网下新型负荷的特性,提出了一种基于用户侧需求响应的主动配电网短期负荷预测方法。从用户侧需求响应出发,根据主动配电网中新型负荷的特性,将其按照用户响应类型分别提出相应负荷模型及其负荷预测方法。实例应用证明了该方法预测效果好、精度高。随着分布式电源在配电网大规模并网,新型负荷用户侧陆续接(本文来源于《电子世界》期刊2018年22期）
汪迪峰[4]（2018）在《高压电力用户大数据预测服务需求模型探究》一文中研究指出本文从服务用户角度开展系统分析和深度应用,通过多用户的数量维度、历史积累的时间维度、实时性的现场维度等形成"多维度"海量数据,运用相似日分析等技术手段,建立融合灰色预测与马尔可夫理论的多维数据模型,实现客户需求的事中服务、电费回收风险防范以及需求侧大用户动态预测,最终为电力大客户全流程服务提供有效的技术支撑。(本文来源于《中国电力企业管理》期刊2018年27期）
姜剑[5]（2017）在《共享自行车调度需求预测与用户分流关键技术研究》一文中研究指出随着政府推行的有桩公共自行车和企业推行的无桩共享单车的大力发展,共享自行车连接了用户出行的起始地与目的地之间的“最后一公里”,是一种绿色环保的出行方式。但是在最近几年的运营过程中也出现了许多问题,由于潮汐现象的存在,公共自行车容易出现“租/还难”问题,而无桩的共享单车则出现了租车难(或有坏车)、乱停放等问题。流量的不平衡不但造成了自行车利用率的下降,还会造成交通拥堵和城市管理混乱问题。为了有效的解决共享自行车出现的问题,本文创新的结合了公共自行车和共享单车两种模式进行研究,提出从调度需求预测与用户分流两个方面展开的解决思路,并运用机器学习技术实现智能化预测。论文首先介绍了两种共享自行车的异同以及国内外发展和研究现状,同时提出存在的问题以及不足。然后,本文先以杭州市公共自行车数据为例分析了影响共享自行车流量的因素,然后定义了预测需求所需要的流量变化量,并介绍了基于Geo Hash的共享单车虚拟站点划分方法。之后,本文介绍了梯度提升树算法和堆迭(Stacking)集成方法,并创新的提出了基于堆迭集成方法的极限梯度提升(XGBoost)流量变化量预测的机器学习模型SMVP,最后在杭州市公共自行车和纽约市公共自行车的真实数据集上进行了实验,证明了该模型的精确度和可靠性。此外,本文基于流量变化量预测模型提出了两种区域调度需求预测的方法,并对区域需求的平衡性进行了分析,结合区域的流量变化、车辆数量、阈值等参数提出了新的方法。之后,本文以摩拜单车的真实数据集为例分析了共享自行车用户的出行规律,创新的提出了基于频繁模式FP-Growth算法的用户候选地预测模型CGM,在预测出了候选地以后,创新的通过结合长短期记忆网络(LSTM)、卷积神经网络(CNN)、全连接神经网络(FC)等多种神经网络的深度学习模型DPNNst来预测用户的出行的最终目的地,最后通过北京市摩拜单车的真实数据集进行实验,验证了模型的精确度。然后,研究了共享自行车用户分流策略,提出了共享自行车用户的引导方式,分别是推荐还车点、引导用户辅助分流、引导缓解交通压力。最后,本文对提出的共享自行车流量预测、需求预测、出行预测、用户分流等方法进行了总结,并且对未来的发展趋势进行了展望。(本文来源于《杭州电子科技大学》期刊2017-12-01）
崔世强,冯玉伯,朱雪宏[6]（2017）在《用户体验与需求进化集成的产品IFR预测过程研究》一文中研究指出本文分析了用户对于产品的体验,并阐述了基于用户体验的产品需求,结合产品的需求进化定律,对产品的理想解预测过程进行研究。(本文来源于《天津市电子工业协会2017年年会论文集》期刊2017-07-01）
翟珊珊,段婕[7]（2017）在《区域物流产业满足用户需求预测仿真》一文中研究指出对区域物流产业中满足用户需求的预测,可更好的分析区域物流产业的发展情况。因此,需要对非线性回归问题进行优化求解,完成区域物流产业满足用户需求的预测。传统方法融合于最小二乘法组建区域物流产业需求方程,对区域物流产业需求进行拟合,但忽略了对其拟合结果进行优化求解,导致预测精度低。提出区域物流产业满足用户需求预测算法。上述算法先组建区域物流产业经济状态时间序列模型,计算出区域的物流需求量,融合于支持向量机理论给出影响区域物流发展的主要因索,将需求预测问题转换为区域物流产业经济非线性回归问题,将区域物流产业需求数据映射至高维的特征空间,对非线性回归问题进行优化求解,依据结果完成对区域物流产业满足用户需求预测。实验结果表明,所提算法精度高,为保障物流产业与区域经济协调稳定发展提供了科学的依据。(本文来源于《计算机仿真》期刊2017年04期）
蔡秀雯,杨加生[8]（2016）在《基于模糊C均值聚类的居民用户中期用电需求预测模型》一文中研究指出随着智能电网的加快建设和居民阶梯电价机制的实施,居民用电需求预测变得更加复杂。从现行居民阶梯电价机制下用户动态需求的特征出发,提出了一个新的基于模糊C均值聚类的居民用电需求分类预测模型。通过模糊C均值聚类对某地区居民用电行为进行聚类分析、数据分类,建立基于自组织模糊神经网络的用电需求预测模型,提高了中期用电需求预测精度。(本文来源于《电力需求侧管理》期刊2016年03期）
周春姐,戴鹏飞,王晓玲,李洪波[9]（2015）在《面向移动用户的乘客需求预测系统》一文中研究指出公共交通,特别是公交运输,可以减少私家车的使用和燃油消耗,缓解交通拥堵.然而,当乘坐公交车时,乘客不仅关心等待时间,还在乎公交车的拥挤程度,过度拥挤的公交车可能会吓走很多乘客,从而使他们放弃乘坐公交车.可见,准确的、实时的乘客需求预测可以帮助公交公司决定合理的公交发车时间间隔,并且可以减少乘客的等车时间,这正是人们急切需要的.基于实际公交系统的大量数据,旨在提出一个面向移动用户的乘客需求预测系统.该系统包括服务器端的信息数据流处理和挖掘程序,以及客户端的移动应用程序.然而,公交网络中的乘客需求预测存在叁大挑战:不均匀性、突发性和周期性.为了解决这些挑战性问题,提出了3种预测模型和一种基于滑动窗口的框架来预测乘客的数目.开发了一个原型系统,该系统可运行在多个版本的Android移动手机上,通过22周的连续实验,该系统能够对公交网络中的86 411乘客需求进行精确预测,其准确度超过78%.(本文来源于《计算机研究与发展》期刊2015年S1期）
宋成[10]（2014）在《需求预测与信息到达:基于用户新媒体使用路径的大数据研究》一文中研究指出用户在新媒体使用路径中留存大量数据。本文从使用路径角度出发对大数据进行研究,包括信息获取路径、商务交易路径、网络娱乐路径、交流沟通路径。通过对路径流程和数据挖掘建模,分析大数据在预测用户需求、信息精准到达方面的应用,文章指出各类信息应加强在各应用路径中的"凹入度",各应用路径的融合和嵌入扩大了数据容量,扩展了数据维度。并强调大数据时代也不能全然依赖大数据,对用户的背景变化和心理的洞察甚至更加重要。(本文来源于《新媒体与社会》期刊2014年02期）
用户需求预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在新常态下为了降低生产成本,用户会参与需求响应进行错峰和避峰。传统负荷预测模型对用户负荷特性变化不敏感,对一些突变信息难以准确预测。针对此问题,考虑温度敏感用户参与需求响应,提出了夏季短期负荷预测方法。该方法采用小波变换和局部离群因子方法对负荷数据预处理,基于模糊C均值聚类和径向基函数网络相结合的方法识别预测日的负荷特性,采用线性回归模型对预测日的负荷特性相同的历史负荷数据进行负荷预测,根据降温负荷的基准值和温度变化值评估出降温负荷值,最后综合得出预测日的负荷。对3类温度敏感的纺织行业大用户进行算例分析,验证了所提方法的可行性和有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
用户需求预测论文参考文献
[1].孙玥,杨国为,何鎏一.基于店铺特征和用户需求的广告转化率预测[J].青岛大学学报(工程技术版).2019
[2].周兴华,耿俊成,杜松怀,张永浩,仇向东.考虑需求响应的温度敏感用户夏季短期负荷预测方法[J].电网与清洁能源.2019
[3].于浩祺.基于用户侧需求响应的主动配电网短期负荷预测[J].电子世界.2018
[4].汪迪峰.高压电力用户大数据预测服务需求模型探究[J].中国电力企业管理.2018
[5].姜剑.共享自行车调度需求预测与用户分流关键技术研究[D].杭州电子科技大学.2017
[6].崔世强,冯玉伯,朱雪宏.用户体验与需求进化集成的产品IFR预测过程研究[C].天津市电子工业协会2017年年会论文集.2017
[7].翟珊珊,段婕.区域物流产业满足用户需求预测仿真[J].计算机仿真.2017
[8].蔡秀雯,杨加生.基于模糊C均值聚类的居民用户中期用电需求预测模型[J].电力需求侧管理.2016
[9].周春姐,戴鹏飞,王晓玲,李洪波.面向移动用户的乘客需求预测系统[J].计算机研究与发展.2015
[10].宋成.需求预测与信息到达:基于用户新媒体使用路径的大数据研究[J].新媒体与社会.2014
论文知识图
