一、技术创新风险因素的模糊聚类分析与研究（论文文献综述）
李海啸[1]（2021）在《面向智能工厂的无线传感器网络定位技术研究》文中研究说明随着传感技术、无线通信技术、嵌入式技术、分布式处理技术和微电子技术等快速发展和成熟,无线传感器网络应运而生并广泛应用在智慧医疗、智能交通、军事侦查、智能家居、绿色环保、智能工业等领域。无线传感器网络由大量传感器节点组成,形成一个自组织、可扩展、点到点通信、多跳传输的无线网络,通过环境感知、信息融合和数据传输,将大量感知信息传递给观测者。在无线传感器网络的众多应用中,感知信息不仅仅包括感知数据,还应包括感知数据所在的具体位置信息,没有具体位置信息的感知数据是毫无意义的,因此节点定位技术是无线传感器网络的重要的、基础性的技术之一。而以无线传感器网络为主体的泛在感知计算网络是智能工厂的重要感知和监测基础。在智能工厂中,决策者或智能分析系统能够准确分析当前情况和决策采取下一步有效措施的重要依据是需要感知、采集大量的环境、人员、设备和能源等重要参数信息。大部分感知信息都是位置相关的,所以在智能工厂中,对自动引导小车的定位和轨迹追踪、对内部人员或外来人员的定位、对监测区域特征参数或事件的定位都离不开无线传感器网络定位技术。根据监测对象的数量和性质以及采用定位技术的不同,无线传感器网络定位算法主要分为:静态定位和动态定位、基于测距定位和基于非测距定位、单目标定位和多目标定位。此外定位技术还应满足定位时间和定位精度的要求。通过对国内外大量关于无线传感器网络定位技术相关文献的研究,掌握了当前备受大家认可的无线传感器网络定位技术,对无线传感器网络在智能工厂的不同应用领域中如何提高定位精度、减小定位时间、如何改善算法鲁棒性等方面进行研究。本文主要的研究内容和改进如下:（1）基于非测距的距离矢量—跳段（Distance Vector-Hop,DV-Hop）定位算法的研究。针对DV-Hop定位算法定位误差大的问题,本文提出了基于一般误差向量修正和基于模糊聚类的误差向量修正的DV-Hop定位算法。改进算法根据无线传感器网络拓扑结构（节点单一区域分布和节点分区域分布）构建相似度函数,利用锚节点与未知节点的最小跳数得到节点间的相似度值,再利用预设的相似度阈值选择与未知节点相似度达到一定条件的锚节点组成锚节点集合,对集合中的锚节点进行重定位得到锚节点的位置估计值,根据锚节点的真实位置和估计位置依据仿射空间原理得到每个锚节点的定位误差向量或修正向量,最后利用多个锚节点的误差向量或修正向量加权平均得到未知节点的定位误差向量或修正向量,进一步优化未知节点的估计位置。实验表明,改进算法能有效提高无线传感器网络不同网络拓扑下DV-Hop非测距定位算法的定位精度。（2）基于测距的三边加权质心定位算法的研究。针对基于RSSI测距的定位算法的定位精度受信号噪声和环境干扰较大的问题,对基于RSSI测距定位算法进行了三个方面的改进:首先,针对传统三边加权质心定位算法锚节点的选择不当导致定位误差大的问题,提出了双集合组合法寻找满足一定条件的三个锚节点用于三边定位。其次,针对RSSI测距容易受到环境噪声和设备脉冲信号的小概率大干扰事件影响造成RSSI测距精准度低的问题,提出了结合量子粒子群优化的模糊C均值聚类过滤算法以消除基于RSSI测距的小概率大干扰事件,再利用假设检验方法检验过滤后的RSSI三元组的准确性。最后,提出参考点加权质心定位算法解决了传统三边加权质心算法在噪声和脉冲干扰下定位成功率不高且误差较大的问题。实验通过CC2530传输模块和Tiny OS2开发平台验证了改进的三边加权质心定位算法的有效性。（3）针对移动无线传感器网络的蒙特卡罗定位盒子算法的研究。蒙特卡罗定位盒子算法是一种基于锚节点信息限制的蒙特卡罗样本抽样定位算法,可用于智能工厂中对移动目标的定位和跟踪。为解决蒙特卡罗盒子定位算法的采样效率低、迭代次数多、样本退化、采样随机性的问题,本文在传统蒙特卡罗定盒子定位算法的采样阶段,根据灰色系统预测理论增加了灰色模型预测采样功能,将在样本盒子中随机采样过程改进为根据前期的样本位置进行灰色模型预测采样,使预测样本与未知节点当前的真实位置更接近,因此采样预测更具有目的性、针对性和方向性,提高了采样效率,减少了迭代次数。实验仿真表明,改进算法能够有效防止随着时间段的增加而采样样本退化,显着提高智能工厂移动目标的定位精度,减少定位响应时间。（4）基于压缩感知的稀疏多目标定位算法研究。针对传统基于压缩感知多目标定位算法感知矩阵维数大、计算复杂度高、网格边长难以细化等问题,本文提出了基于压缩感知的两阶段多目标定位算法。在大规模定位阶段,将监测区域依据部署的传感器进行Voronoi图划分,将多目标确定在每个子区域中,并在所有子区域中进行贪婪匹配追踪算法重构目标稀疏位置向量,得到包含目标的候选网格。在精细定位阶段,对选出的候选网格依据网格最小边长定理进行细化,对每个子区域中候选网格组成的本地区域内采用1-稀疏度位置向量贪婪匹配重构算法得到目标所在的细化网格,并以细化网格作为目标的最终位置。基于压缩感知的两阶段多目标定位算法既提高了的定位精度,也减小了稀疏重构感知矩阵的维数,降低了算法复杂度,减小了定位响应时间。最后通过实验仿真验证了改进算法的效果,可以用于对智能工厂监测区域的稀疏多目标进行有效定位。（5）基于多维标度的协作式多目标定位算法研究。为解决无线传感网络多维标度定位精度容易受最短路径估计距离误差影响的问题,改善多维标度定位算法的初始估计位置,提出一种基于模拟退火优化的无线传感器网络多维标度定位算法。首先利用RSSI接受信号强度测距并建立距离矩阵,使用多维标度方法和锚节点信息得到节点的初始估计绝对坐标,再利用测距信息和节点的权重系数构造模拟退火优化算法的胁强系数,通过模拟退火优化算法良好的全局搜索能力不断迭代优化求解节点的最优位置。通过实验仿真验证了基于模拟退火优化的多维标度定位算法即使在C型网络和测距噪声存在的情况下也能够具有较低的平均定位误差和较高的网络覆盖率,而且非常适于应用在智能工厂基站数量少的环境。本文系统地研究了无线传感器网络基于测距定位和基于非测距定位、静态定位和动态定位、单目标定位和多目标定位的相关技术,提出了5种创新和改进方案,并通过大量的实验验证了所提算法的有效性和可行性。实验结果表明,本文所提的5种定位方案是无线传感器网络定位技术的重要创新和改进,可以应用在智能工厂无线传感器网络多个定位领域,有非常重要的现实意义和应用价值。
张赫敏[2]（2021）在《L物流联盟物流任务调度研究》文中研究说明随着全球信息的网络化与经济一体化的形成,以及大数据,云计算,人工智能等新一代科学技术变革的加速,从而使物流活动变得越来越复杂,物流企业可以接受的服务范围越来越大。我国物流行业总体上处于“多、小、散、乱、差”的低层次发展阶段,大部分物流企业信息化、标准化程度不高,物流管理体制分散,物流任务规划功能较为单一,造成资金浪费和时间浪费。面临日新月异的经济全球化发展和国民经济发展处于瓶颈的现状,为了满足个性化、动态化、多样化的物流需求,整合物流资源和分散的物流任务,打破供需双方之间的信息壁垒,物流联盟应运而生。如何利用先进的信息化技术来描述虚拟化物流资源和物流任务,筛选出最优的任务调度方案,以减少时间浪费、成本浪费,并提高服务质量。本文以L物流联盟作为研究对象,通过模糊聚类方法、NSGA-Ⅱ算法以及层次分析法对该物流联盟物流任务调度管理进行优化,以减少该联盟物流任务调度过程中的成本浪费和时间浪费,同时保证一定的物流服务质量。首先,通过分析L物流联盟的物流任务调度管理现状,寻找到L物流联盟物流任务调度管理存在的问题;接着,针对L物流联盟物流任务调度管理存在的两个问题设计了物流任务调度规划系统,重新设计了物流任务调度系统运作流程,提高该联盟的信息化程度,通过模糊聚类进行资源描述属性离散化、模糊理论进行资源描述属性约简、决策树分类进行资源描述属性分类,筛选出可供算法优化的候选物流资源集,然后利用NSGA-Ⅱ算法对三个目标函数求解,求解出的解集根据物流任务需求方的个性化需求进行排序,最终选择出最优的调度方案。最后,通过利益保障、信任协调保障、平台管理保障三个方面提出对L物流联盟物流任务调度方案实施的保障措施。
郭星辰[3]（2020）在《深基坑工程施工安全风险评价研究》文中研究说明随着我国城市化不断深化,城市建设用地向下垂直开发利用逐渐成为解决当今城市用地紧张的发展方向。深基坑工程施工逐渐凸显“施工技术难度大、垂直方向深、工期长、规模大、对场区环境敏感”等特点,另外地下综合管网错综复杂、水文地质不确定性高、结构设计的合理性、工程建设信息化、产业化程度低等因素,导致安全事故频发。因此,把深基坑工程施工安全风险作为研究分析目标,分析深基坑工程各阶段施工工艺,辨别深基坑工程施工过程中的主要危险源,建立安全风险评价体系,对深基坑工程施工进行安全风险评价,判定其风险等级,对于安全风险控制具有重要意义。本文首先对深基坑工程施工安全风险评价研究的背景、目的及意义进行了叙述,然后对国内外有关深基坑工程施工安全风险因素识别、安全风险评价的研究进展进行综述,在对国内外现阶段关于深基坑工程施工安全风险评价理论研究的基础上,提出现阶段深基坑工程施工安全风险评价研究中存在的问题,表明本文的研究内容跟目的。通过对风险理论、危险源辨识、深基坑工程、安全风险评价理论、深基坑工程施工安全风险评价理论进行概述、分析,结合深基坑工程区域性、综合性、敏感性等特点,对常用的深基坑工程施工风险评价方法进行对比分析,并选择模糊聚类分析法对深基坑工程安全风险评价指标筛选,建立安全风险评价体系。另外采用层次分析法确定各安全风险评价指标权重、综合MES法进行深基坑工程施工安全风险计算、安全风险评价、安全风险等级划分。最后,通过实例评价的方式,对徐家汇4号块项目深基坑工程进行分析。首先对徐家汇四号块深基坑工程项目概况进行介绍,根据危险源识别方法、识别步骤,分析本项目施工过程中存在的各项危险因素。在此背景下,构建深基坑工程施工安全风险评价体系,运用安全检查表法对各安全风险评价指标进行打分,模糊聚类法进行评价指标筛选,层析分析法确定各安全风险评价指标权重,综合MES法计算徐家汇四号块项目深基坑工程施工安全风险分数,划分徐家汇四号块深基坑项目安全风险等级。将评价结果与实际对比,得出该评价体系科学合理,推导出的关键风险因素和风险评价结果与项目实际情况相符,根据评价结果采取相应的应对措施,对深基坑工程施工安全风险事前控制具有现实意义。
石茂林[4]（2020）在《盾构机实测数据建模方法及其应用研究》文中指出随着数据密集型时代的到来,盾构机的运行监测日趋完善,所记录的实测数据不仅包含了装备作业过程的海量信息,也蕴含了装备内部及其与外部环境的相互作用机理,通过一定方法对这些数据进行深度挖掘与刻画对于提升装备的设计、分析、运行与维护水平具有重要意义。盾构机实测数据由来源于监测系统的运行实测数据和来源于地质勘探的地质实测数据组成,具有运行实测数据未赋予明确的地质工况标注且重叠分布、运行实测数据参数与装备性能之间的关联关系复杂、运行实测数据中已收集的数据难以覆盖后续数据的样本空间、运行实测数据与地质实测数据的样本容量不相等的特点。针对盾构机实测数据的上述特点,本文开展了如下四个方面的研究:1)盾构机运行实测数据的划分方法;2)盾构机运行实测数据的精准建模方法;3)盾构机运行实测数据预测模型的泛化能力提升方法;4)盾构机运行与地质实测不等容数据的联合建模方法。掘进速度是盾构机的关键性能指标,其描述了装备在单位时间内的掘进距离和掘进效率,是调整掘进参数和项目施工管理的必要参考。因此在研究过程中,以深圳地铁某标段的盾构机实测数据为应用对象,结合盾构机的掘进速度预测实验,检验了所提出一系列方法的工程可用性。主要贡献如下:（1）针对不同地质工况运行实测数据的划分问题,从盾构机运行实测数据中部分参数（属性）强相关的角度出发,提出了强相关属性关联关系引导的聚类模型。采用线性方程描述强相关属性的关联关系并与数据的空间距离相结合构成聚类目标函数,设计了隶属度、类原型和线性方程系数三者交互迭代的目标函数优化策略以获取数据的划分结果。通过盾构机运行实测数据的聚类实验,发现提出聚类模型能够实现不同地质工况运行实测数据的有效划分,提供强相关属性的明确回归方程以供参考。（2）针对运行实测参数与装备性能之间的关联关系复杂,难以建立精准的预测模型的问题,提出基于回归关系的聚类模型,继而给出该聚类模型辅助的数据建模方法。在提出聚类模型中,基于每个子类回归模型的预测误差构建了聚类目标函数,设计了目标函数的迭代优化策略以获取数据的划分结果;在提出的数据建模方法中,基于数据的划分结果判断待预测数据的归属,通过对应的子类回归模型获取最终的预测值。通过盾构机的掘进速度预测实验,发现提出建模方法能够精确刻画出盾构机运行参数与掘进速度的关联关系,给出良好的掘进速度预测结果。（3）针对已收集运行实测数据无法有效覆盖后续发生数据的样本空间,导致模型泛化能力不足的问题,通过引入传统预测模型生成的仿真数据加以解决。针对低保真度的仿真数据参数与高保真度的运行实测数据参数不完全相同的客观实际,提出了适用于参数不完全相同的多保真度数据联合建模方法,构建了一种新型核函数将多保真度数据的输入映射到高维空间,通过高维空间的线性方程描述数据输入与输出的回归关系。盾构机掘进速度预测实验结果表明,提出方法能够结合运行实测数据和仿真数据的各自优势,提升掘进速度预测模型的泛化能力和预测精度。（4）针对运行实测数据与地质实测数据的联合建模问题,提出了多类型数据的融合转化方法,将地质实测的多类型数据统一为新的结构化数据。提出了一种不等容数据建模方法,采用核函数将大样本容量数据与小样本容量数据的输入映射到高维空间,通过高维空间的线性方程描述大、小样本容量数据输入与输出的回归关系。将提出方法用于运行实测数据和地质实测数据联合驱动的盾构机掘进速度预测,发现该方法能够实现小样本地质实测数据与大样本运行实测数据的有效联合建模,给出动态和累积的掘进速度的精准预测结果,并进一步研究了地质和运行参数对掘进速度的影响规律。最后,对全文所研究的主要工作进行了总结,同时对盾构机实测数据建模方法中的后续研究进行了展望。
陈永军[5]（2020）在《脆弱性视角下长江口交通流密集水域船舶通航风险研究》文中进行了进一步梳理水路运输具有运量大、单位运输成本低的特点,有利于推动流域的经济发展。但水路运输运营环境复杂,水上交通事故时有发生,这对风险应急管控水平提出了更高要求。近年来,随着水上贸易货物量的增加,通过深水航道进出通航水域的船舶数量不断攀升,通航船舶航线交叉密集度不断扩大。如果发生突发险情或事故,受短时间内船舶数量多、航线交叉错综复杂、应急救援不便等诸多因素限制,极易造成水上交通拥堵与通航网络紊乱,进而引发船舶通航系统的脆弱性风险。因此,如何运用恰当的模型与方法辨识通航系统的脆弱性、刻画风险演化机理,并对船舶交通流拥堵、突发事件两个主要风险场景进行分析,显得尤为紧迫。论文以系统理论、脆弱系统、水上交通安全、深度学习、复杂网络理论等为理论基础,从脆弱性角度出发,结合交通流密集水域特殊性,对船舶通航风险进行深度剖析,辨识影响船舶通航系统的主要脆弱性因素,在此基础上,对关键脆弱性因素进行层级结构划分和基于脆弱因子的风险演化,对船舶交通流拥堵和突发事件作为风险场景进行了剖析,并以长江口交通流密集水域为研究背景进行实证分析,以期为船舶通航系统的风险管控和应急安全提供理论依据。论文的主要研究内容及创新成果包括:（1）划分了脆弱性视角下交通流密集水域船舶通航系统的风险场景。总结归纳不同领域对脆弱性概念、脆弱性内涵及脆弱性特征要素的界定,对脆弱性重大事件进行了梳理,解析了脆弱性与脆性、反脆弱、韧性、弹性、鲁棒性等概念的区别。在此基础上,对船舶通航系统脆弱性概念进行了界定,同时结合交通流密集水域的特征,将船舶通航系统风险场景划分为船舶拥堵和突发事件,并对风险场景进行了描述。（2）分析了船舶通航系统的脆弱性因素,并构建了脆弱性辨识模型。从船舶通航系统载运能力、环境能力和管控能力3个角度出发,划分出3个子系统,在此基础上,确定了船舶通航系统的脆弱性因素;综合运用决策试验和评价实验法、层次分析法、熵权法等理论方法的优点,构建脆弱性辨识模型,得出脆弱性因素间的关联程度,生成脆弱性因素的整体影响矩阵,获得经熵权法修正过的脆弱性因素权重值。（3）分析了船舶通航系统脆弱性因素的层级关系,并构建了风险演化模型。在船舶通航系统脆弱性影响因素及其相关性的基础上,提出了基于解释结构模型的脆弱性因素层级划分方法;结合交叉影响矩阵分析了各脆弱性因素的驱动力与依赖度,生成脆弱性因素层级关系图;根据筛选出的影响船舶通航系统的关键脆弱性因素,构建基于脆弱因子的传染病动力学风险演化模型,剖析了关键脆弱节点对风险演化过程的影响。（4）针对船舶交通流拥堵的应用场景,构建了船舶交通流拥堵风险预判模型。分析了交通流主要预测参数的特征和聚类映射关系,并以模糊均值聚类算法和k最近邻算法拟映射该关系;运用卷积神经网络、长短期记忆网络、支持向量回归构建交通流预测模型,实现对船舶交通流流量和密度的预测;在此基础上,完成交通流流量和密度的聚类分类,最终获得船舶交通流的拥堵风险等级。（5）针对脆弱性视角下交通流密集水域突发事件通航系统风险应用场景,提出了通航系统脆弱性测度和风险评价模型。运用原点映射法构建了船舶通航系统的网络拓扑结构,并构建了基于复杂网络理论的脆弱性测度模型。针对船舶通航系统可能受到的不同形式的攻击或干扰,分析了通航系统在干扰作用下的“脆弱点”变化程度,在此基础上,运用脆弱性测度指标,构建通航系统风险评价模型,实现对通航系统脆弱点的测度和风险评价。论文对通航系统脆弱性因素辨识、脆弱性演化、拥堵风险预判、脆弱性测度的研究,丰富了船舶通航风险的理论研究和技术应用;基于长江口船舶通航的相关数据建模及实证分析表征,提出的脆弱性辨识模型能够较好地辨识影响船舶通航系统的关键脆弱性因素;构建的基于脆弱因子的船舶通航系统风险演化模型能够实现脆弱性因素的层级结构划分,刻画出脆弱性因素随时间的风险演化规律;提出的船舶交通流拥堵风险预判模型,能从时空角度分析船舶交通流的拥堵风险;基于复杂网络理论提出的脆弱性测度和风险评价方法能够实现对关键脆弱节点和航线的测度,并实现节点的风险评价。论文研究成果对船舶通航安全管理与船舶运输组织效率的提升具有重要的理论意义和社会意义。
黄慧珊[6]（2020）在《基于改进模糊聚类算法的医保异常检测研究》文中认为长久以来,医疗行业中一直存在着一个愈发迫切的问题,即参保人数大、涉及金额高的医保基金却面临极其严重的违规风险。每年因欺诈产生的医保基金亏损已然超过100亿元,国家审计署曾在全国人大常委会上公开表示“医保欺诈问题是一项极为严峻的挑战”。由于医保资金的总体是有限的,违规直接占用的是那些真实患者的权益,甚至可能引发沉痛的医闹事件。现有的医保欺诈检测工作大多由特定审核人员以人工核验筛查的方式进行,不仅效率低下且不可避免地存在漏检、误检的情况。信息技术虽然无法准确定位违规记录,却可以辅助工作人员进行第一步的大规模筛查,通过离群点检测的方法锁定异常记录,将后续二次筛查的范围缩小,大大降低人工作业量。基于聚类的离群点检测具有步骤简单高效,适用性广等特点。但其效果很大程度上依赖对客观事物进行描述的精确性,且在不同类数据量差异很大时极易陷入局部最优,从而对聚类结果和检测的准确性产生显着影响。本文在详细分析传统聚类算法的基础上,提出了一种基于数据体量的区间图像模糊聚类算法,并将其应用于医保异常检测工作中,主要研究内容如下:（1）对当下医保异常审核方法进行调研,并分析现有相关研究中的不足。一般来说,依赖人工经验进行筛查的医保审核方式以疾病的临床路径作为参照,即同类型的疾病有着相似的诊疗措施和费用,而那些与多数临床路径相差较大的记录会被认作疑似欺诈的异常记录。此原理与机器学习算法中,离群点检测的方式与思路相似。基于此调研结果,本文通过对现有基于离群点检测方法进行医保异常检测的相关研究进行整理分析,选定聚类算法作为本文研究方法,并研究如何信息,完善对报销记录所属类群的描述,从而提升聚类的效果。（2）基于医保报销数据的不平衡特性,分析其对聚类产生的影响,有针对性的进行改进。研究在对医保数据集进行预处理和分析时发现,其中的异常记录较正常记录而言数据量极小,而此不平衡属性在传统聚类算法中会产生较少的数据集很大程度会被误分类至占比较大的数据集中,从而影响聚类结果。针对现有聚类准则在不平衡的数据样本上普遍存在的聚类效果差的问题,本文引入数据体量的概念提出了一个新的聚类准则（Imbalance-aimed Index,IAI）,可在平衡与多种类型的不平衡数据中均产生较好的聚类效果。（3）基于提出的改进模糊聚类算法,提出一套完整的医保异常检测模型,并证明其精确度和全局最优性。在医疗领域,传统的硬划分限制了利用数据对报销记录实际情况进行更细致描述的可能,而模糊理论的引入解决了这一信息失真问题。本文通过引入较为前沿的区间图像模糊理论,基于c-harmonic聚类算法提出了一种改进的模糊聚类算法,不仅改善了传统模糊聚类在进行离群点检测时容易产生的局部最优问题,且考虑到了医保记录在进行归类时的不确定性,适用范围更广、鲁棒性更强。通过利用真实医保报销数据集对提出的检测算法进行验证,给出了医保记录的在区间图像模糊环境下的集成运算以及聚类结果。实验结果表明,该检测算法能够有效地判断医保异常记录且具有良好的检测率。
魏苗[7]（2020）在《多元时间序列聚类算法及其选股策略应用研究》文中研究说明时间序列数据在生产与生活中普遍存在,已有不少学者对时间序列挖掘技术进行研究。随着研究深入,一元时间序列挖掘技术逐渐成熟,其在金融证券领域也得到广泛应用。例如,利用时间序列分析证券市场的特征,进行交易建议等。金融时间序列分析成为金融研究中的重要方向。多元时间序列数据同时利用多个指标描述对象,其表达的信息,隐藏的知识远远多于一元时间序列。但是由于其高维性和复杂性,目前对于多元时间序列的研究相对不足,在金融应用方面也缺少基于多元数据的分析。本文针对多元时间序列聚类技术从不同角度出发,提出两种新的多元时间序列聚类模型:（1）引入属性权值和模糊隶属度矩阵提出一种属性加权的多元时间序列聚类方法。该方法根据不同维度数据的离散程度赋予相应维度不同权重,并通过距离信息将原始多元时间序列转换为模糊隶属度矩阵。最终,通过模糊均值聚类得到聚类结果。仿真实验证实该方法能够有效提升多元时间序列的聚类质量,适用于指定类簇的多元时间序列聚类。（2）提出一种无参数聚类方法,从复杂网络角度将基于社区发现的一元时间序列聚类拓展到多元时间序列数据中。新方法通过综合考虑多元时间序列数据在各个维度上的多个最近邻居数从而避免聚类过程中的参数选择。新方法能够自适应地确定数据集中的社区数量,实现多元时间序列的无参数聚类。仿真实验中证实,新的聚类方法在减少参数的同时保证了聚类结果的质量及聚类效率,并适用于聚类无先验知识多元时间序列数据集。此外,本文将所提出的两个新聚类模型与金融证券市场结合从而指导投资决策。首先,利用基于社区发现的无参数聚类方法找到多元股票数据集中存在的社区结构,确定适宜的聚类簇数。随后,利用属性加权的聚类方法得到最终聚类结果。依据该聚类结果提出两种不同目标的选股策略,结合马科维兹模型对选股策略进行了有效性检验。实验中证实利用新的聚类模型结合选股策略的投资组合其收益率优于对比算法与市场基准,对投资者具备参考价值。
任泳然[8]（2020）在《数字经济驱动下政务数据资产化与创新策略研究》文中研究说明自20世纪90年代以来,随着互联网在经济生活中的应用日益普及,美国、日本和欧盟等发达国家和地区的数字经济日渐兴盛,成为全球经济发展的新动力,数据也逐渐成为推动各国经济转型升级的重要生产素。2016-2018年,美国已连续三年位居全球数字经济竞争力榜首,新加坡反超我国位居榜单第二。从其竞争力内部结构看,新加坡数字创新竞争力得分超越美国,数字治理竞争力得分也远超我国,新加坡在数字治理竞争力上的强势表现是其能反超我国的重要原因。我国位居第三,但与美国数字经济竞争力的差距从2016年以来正逐年缩小。据统计,2018年我国数字经济总量达到3 1.3万亿元,与我国国内生产总值（GDP）的比值为3 4.8%,同时,我国国内生产总值（GDP）增长的6 7.9%是由数字经济发展贡献的,数字经济已成为我国国民经济的重要发展力量。在大数据时代,“数据经济”代替了“数字经济”,时至今日,“数据有价”早已成为全民共识。数据是数字经济条件下的重要生产要素。要让这种生产要素能够有效发挥作用,就要积极推动数据资产化有序进行,让数据的拥有者可以从市场上获得对应的经济回报。在数字经济时代,数据已成为驱动经济社会发展的一种新型“资本”要素,可以将数据看成是陆权、海权和空权之外的第四种国家战略资源,其重要性如同未来的新石油。通过政府和企业合作开发、分析挖掘和交易政务数据,实现政务数据的资产化。一方面对政府的服务和决策能力具有质的提高;另一方面,政务数据资产化将产生新知识和新资本,推动我国经济社会的发展。国务院总理李克强在2016年的一次电视电话会议上指出,我国政务数据资源的80%以上没有被开发利用,这是极大的浪费。然而,政务数据资产化过程中还存在如下问题与困难:（1）政务数据往往包含大量敏感信息,在其资产化的过程中有被泄露的安全风险;（2）政务数据存在“各自为政、条块分割、烟囱林立、信息孤岛”的现象,缺乏统一规范和标准;（3）政务数据资产是一种典型的虚拟性和资源性资产,其价值难以量化;（4）政务数据的资产属性和权属难以确定、在国家层面缺少相应法律法规的支撑、交易活动缺少有效的规范和监管等。这些现象和问题成为制约我国政务数据资产化的主要瓶颈。因此,在数字经济背景下,探讨适合我国国情的政务数据资产化的创新策略和实现路径,是“数字中国”和“智慧城市”建设过程中一个亟待研究和解决的重要理论与实践问题,成为当前政务数据开发应用的重要方向。本研究以“政务数据”为研究对象,基于数字经济理论,针对政务数据资产化存在的技术性和非技术性障碍问题寻求解决方案。从政务数据安全化、标准化、价值化等技术性方面和数据属性、权属界定、法律法规、制度监管等非技术性方面,结合数字经济理论,采用GRA与FCA相结合的方法,从影响政务数据资产化的众多影响因素中识别出关键的影响因素。根据上述方法本文得出如下结论:政务数据资产化过程影响因素分为技术处理因素和市场化因素。其中,兼容性、数据保密制度化、具有足够的财政投入、数据属性明确和优化数据评估体系为政务数据资产化的重要影响因素;法律配套完备性、规范监管和数据权属明晰为政务数据资产化的一般影响因素。政务数据资产化路径为数字经济驱动下政企合作模式。在数字经济的背景下,对政务数据资产化的研究,有着重要的理论意义,即本研究认为政务数据资产化是一个“二过程,四阶段”的演化过程,该理论对现有政务数据资产管理理论是一个有益的补充和完善;同时又有重要的实践意义,它对我国各地政府推动政务数据资产化具有一定的参考价值和借鉴作用。
纪会争[9]（2020）在《风光储联合发电调度管理与效益评价研究》文中研究表明基于世界范围能源资源供给紧张的现状,以及我国风力发电和太阳能发电均具有地域性强、集中度高等特点,通过对相关理论观点的回顾和综述,介绍了风光储联合发电模式、功率预测方法。以及多目标决策理论的研究现状,提出对风、光、储能多模块机电功率预测研究、风光储联合发电调度管理、风光储联合发电综合效益评价的技术方法,寻求技术经济效益最优的解决策略,为风光储联合发电模式发展作出有益探索。本文主要研究成果和创新如下:（1）建立了基于模式分解（EMD）和粒子群优化支持向量机（PSO-SVM）的风电输出功率预测模型。风电功率的输出为非平稳时间序列,采用传统的回归算法、神经网络等预测模型往往得到的结果精度不高。针对这种非线性、非平稳的时间序列,首先,使用经验模式分解（EMD）将风电机组输出功率分解为多组具有不同尺度的时间序列;然后,分别对每组信号使用支持向量机（SVM）进行预测。（2）建立了基于聚类分析和熵权预测模型的光伏发电输出功率组合预测方法。对于光伏发电,由于其输出功率是非线性时间序列,其随机波动较强,而且具有明显的规律日重复性。针对这一特征,本文提出首先使用模糊聚类的方法,对光伏发电矩阵的输出功率进行日聚类,得到多组相似日的样本集合。然后使用基于熵权组合预测模型的预测方法对各组相似日进行训练。这种预测方法建立于对光伏发电矩阵的输出功率记性准确日聚类的基础之上,能够更好地捕捉不同气候条件下输出功率的规律特性,降低了预测模型的结构风险。（3）建立了风光储联合发电多目标跟踪计划出力调度模型。由于风光出力具有较强的随机性和模糊性,对风光储联合发电系统中出力调度优化是一种不确定性规划,本文从运行目标和经济性两个方面出发,建立了基于不确定规划的风光储联合发电多目标出力调度模型,结合蒙特卡罗模拟和灰色粒子群算法进行求解。最后,选取张北国家风光储输示范工程作为分析对象,分别建立了出力跟踪计划出力调度模型和计及经济性的多目标跟踪计划出力调度模型。在单目标调度模型中,提出了包含储能系统充放电功率控制系数和风光预测状态控制系数的出力系统控制策略,结果表明通过变化储能系统充放电控制系数不仅能够降低对储能系统的要求,还能将误差控制在合格范围内。在多目标调度模型中,通过对比单目标决策与多目标决策的结果可以发现,多目标优化调度模型能够在最大程度跟踪计划出力的基础上降低经济成本,实现经济利益的最大化。（4）建立了基于多维度效益的风光储联合发电综合效益评价模型。首先依据指标构建原则,开展多维度效益指标识别工作,确定了示范效益、电网效益、经济效益、社会效益四个层面的识别方向,构建了多维度多层级的风光储联合发电综合效益评价体系。最后,结合本文提出的基于多维度效益的风光储联合发电综合效益评价模型,利用张北国家风光储输示范工程项目数据,分别从实际数据和规划数据两个角度开展了测算工作,测算结果显示,张北国家风光储输示范工程综合效益达到了规划预期水平,整体水平良好,随着张北国家风光储输示范工程二期的陆续建设,风光储联合发电系统将进一步发展,在不断提高经济性的同时,增强系统友好型,不断促进新能源发电的发电比例,促进能源结构的不断优化发展。本文对风光储联合发电调度管理工作具有一定的参考作用。（5）对风光储联合发电系统的运行管理策略和产业发展政策建议进行了研究。从风光储系统并网与孤岛运行的角度介绍了风光储系统的运行管理策略,分析风光储联合发电产业的现存问题,结合能源互联网的发展理念,提出能源互联网下风光储联合发电系统的典型运行模式。最后,结合产业及政策要求,为风光储联合发电系统的未来发展提出了相关的政策建议。
杨雪琦[10]（2020）在《租售同权视角下沈阳市长租公寓盈利模式研究》文中指出近年来,沈阳市租房需求显着增加,而传统的租房条件已难以达到大部分年轻客群的要求。为此,沈阳政府积极响应国务院“租售同权”政策,推出“租售同权”政策试行方案以推动沈阳市住房租赁市场的发展。与传统租房相比,长租公寓租房信息公开、价位合理、住房装修程度高、客群层次高、居住环境安全等特点,使其成为了我国房地产租赁市场中的新兴产业。然而其存在着前期重资产运营、投资回收周期较长等问题,故而当前长租公寓的盈利存在着一定的困难,因此对现存盈利模式进行改进并科学的选择适配的盈利模式就显得至关重要。论文首先在查阅整理大量文献资料的基础上,对租售同权视角下沈阳市长租公寓的现状进行了归纳提炼,通过盈利水平测算分析了各模式的盈利能力差异,初步得到了集中式优于分散式的结论;进而分析长租公寓盈利模式的影响因素和目前存在的主要问题。通过引入模糊聚类评价模型,科学客观选取了长租公寓盈利模式评价指标,进而构建指标体系,选取评价方法,最后构建模糊聚类评价模型。根据长租公寓盈利模式模糊聚类评价模型,对沈阳市长租公寓盈利模式进行实证分析,得到盈利模式评价指标重要性的排序结果。最后,基于案例的经验及不足对租售同权视角下沈阳市长租公寓盈利模式的选择和发展提出合理性建议。论文对租售同权视角下沈阳市长租公寓盈利模式研究后发现,沈阳市长租公寓市场想取得长足发展,必须解决以下问题:前期投资大;运营成本高;资金回流慢;盈利模式单一;融资途径偏窄;品牌溢价有限。通过评价案例,总结经验与不足,得到长租公寓企业选择盈利模式时应重点关注企业规模、品牌优势、房源获取、产品差异性等因素的结论;并为沈阳长租公寓盈利模式的改进提出了相应改进建议:轻资产化;减少人力资源;扩大租金差;盈利后向化;应用REITs模式改进;提供优质特色增值服务。通过对租售同权视角下沈阳市长租公寓盈利模式进行科学全面的分析,对沈阳市长租公寓盈利模式的改进和长租公寓行业的发展都有着重要的意义和参考价值。
二、技术创新风险因素的模糊聚类分析与研究（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、技术创新风险因素的模糊聚类分析与研究（论文提纲范文）
（1）面向智能工厂的无线传感器网络定位技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 论文研究背景 |
| 1.1.1 智能工厂概述 |
| 1.1.2 智能工厂实时定位系统 |
| 1.2 无线传感器网络技术 |
| 1.2.1 无线传感器网络概述 |
| 1.2.2 无线传感器网络组成 |
| 1.2.3 无线传感器网络特点 |
| 1.3 无线传感器网络定位技术 |
| 1.3.1 无线传感器网络定位原理 |
| 1.3.2 无线传感器网络定位种类 |
| 1.3.3 测距和非测距定位技术 |
| 1.3.4 无线传感器网络定位算法的性能指标 |
| 1.4 本文的研究内容及结构安排 |
| 1.4.1 研究内容及意义 |
| 1.4.2 本文的组织结构 |
| 第2章 基于非测距的DV-Hop定位算法研究 |
| 2.1 引言 |
| 2.2 基于非测距的定位算法 |
| 2.2.1 非测距定位算法原理 |
| 2.2.2 常见非测距定位算法 |
| 2.2.3 DV-Hop定位算法的相关研究 |
| 2.3 DV-Hop定位算法原理 |
| 2.4 DV-Hop定位算法的误差来源 |
| 2.4.1 网络结构原因 |
| 2.4.2 定位算法原因 |
| 2.4.3 信号传输原因 |
| 2.5 仿射空间原理 |
| 2.6 基于误差向量修正的DV-Hop定位算法 |
| 2.6.1 建立锚节点信息列表 |
| 2.6.2 修正锚节点的选择策略 |
| 2.6.3 修正初始估计位置 |
| 2.6.4 基于误差向量修正的DV-Hop定位算法流程 |
| 2.6.5 基于模糊聚类误差向量修正的DV-Hop定位算法流程 |
| 2.6.6 两种改进的DV-Hop定位算法分析 |
| 2.7 实验分析 |
| 2.7.1 实验环境设置 |
| 2.7.2 实验结果分析 |
| 2.8 本章总结 |
| 第3章 基于测距的三边加权质心定位算法研究 |
| 3.1 引言 |
| 3.2 基于测距的无线传感器网络定位算法 |
| 3.3 三边加权质心定位算法 |
| 3.3.1 基于RSSI测距的定位原理 |
| 3.3.2 三边加权质心定位算法原理 |
| 3.4 量子粒子群优化算法 |
| 3.5 模糊C均值聚类算法 |
| 3.6 改进的三边加权质心定位算法 |
| 3.6.1 双集合组合法 |
| 3.6.2 利用模糊C均值聚类法计算RSSI准确值 |
| 3.6.3 参考点加权质心定位算法 |
| 3.7 实验分析 |
| 3.7.1 实验环境设置 |
| 3.7.2 实验结果分析 |
| 3.8 本章总结 |
| 第4章 基于灰色模型预测的蒙特卡罗盒子定位算法研究 |
| 4.1 引言 |
| 4.2 移动无线传感器网络 |
| 4.2.1 移动无线传感器网络概述 |
| 4.2.2 移动无线传感器网络在智能工厂的应用 |
| 4.2.3 移动无线传感器网络定位 |
| 4.3 动态定位算法和静态定位算法的比较 |
| 4.4 移动无线传感器网络定位算法的研究 |
| 4.5 动态定位算法的特点 |
| 4.6 灰色模型预测原理 |
| 4.7 蒙特卡罗定位和蒙特卡罗定位盒子原理 |
| 4.7.1 蒙特卡罗定位算法 |
| 4.7.2 蒙特卡罗定位盒子算法 |
| 4.8 基于灰色模型预测的蒙特卡罗定位盒子算法 |
| 4.8.1 GMMCB定位算法原理 |
| 4.8.2 GMMCB定位算法流程 |
| 4.9 实验分析 |
| 4.9.1 实验环境设置 |
| 4.9.2 实验结果分析 |
| 4.10 本章总结 |
| 第5章 基于压缩感知的多目标定位算法研究 |
| 5.1 引言 |
| 5.2 无线传感器网络稀疏多目标非协作式定位 |
| 5.3 压缩感知技术原理 |
| 5.3.1 压缩感知技术 |
| 5.3.2 稀疏信号表达 |
| 5.3.3 稀疏信号采样 |
| 5.3.4 稀疏信号重构 |
| 5.4 压缩感知技术的应用 |
| 5.5 基于压缩感知的定位研究 |
| 5.6 基于压缩感知的定位原理 |
| 5.6.1 基于压缩感知的定位模型 |
| 5.6.2 信号传播衰减测距模型 |
| 5.7 基于压缩感知的两阶段定位算法 |
| 5.7.1 大尺度定位阶段 |
| 5.7.2 精细化定位阶段 |
| 5.8 实验分析 |
| 5.8.1 实验环境设置 |
| 5.8.2 实验结果分析 |
| 5.9 本章总结 |
| 第6章 基于模拟退火优化的多维标度定位算法研究 |
| 6.1 引言 |
| 6.2 无线传感器网络少基站多目标协作式定位 |
| 6.3 多维标度定位算法及相关研究 |
| 6.3.1 多维标度定位相关研究 |
| 6.3.2 信号强度距离衰减模型 |
| 6.3.3 多维标度定位原理 |
| 6.3.4 MDS-MAP定位误差分析 |
| 6.4 模拟退火优化算法 |
| 6.5 基于模拟退火优化的多维标度定位算法 |
| 6.5.1 改进定位算法原理 |
| 6.5.2 改进定位算法流程 |
| 6.6 实验分析 |
| 6.6.1 实验环境设置 |
| 6.6.2 实验结果分析 |
| 6.7 本章总结 |
| 第7章 总结和展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）L物流联盟物流任务调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 国内外研究现状评述 |
| 1.4 研究内容与方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第2章 L物流联盟物流任务调度现状和存在的问题分析 |
| 2.1 L物流联盟概况 |
| 2.1.1 L物流联盟简介 |
| 2.1.2 L物流联盟发展战略 |
| 2.1.3 L物流联盟发展智慧物流的必要性 |
| 2.2 L物流联盟物流任务调度管理现状 |
| 2.2.1 物流任务调度运作流程分析 |
| 2.2.2 物流任务与物流资源描述分析 |
| 2.2.3 物流任务调度策略分析 |
| 2.3 物流任务调度管理存在的问题 |
| 2.4 本章小结 |
| 第3章 L物流联盟物流任务调度系统规划 |
| 3.1 L物流联盟物流任务调度系统总目标 |
| 3.2 L物流联盟物流任务调度系统架构 |
| 3.2.1 物流任务调度系统用户层 |
| 3.2.2 物流任务调度系统处理层 |
| 3.2.3 物流任务调度系统服务层 |
| 3.2.4 物流任务调度系统终端层 |
| 3.3 L物流联盟物流任务调度系统的运作流程 |
| 3.3.1 物流资源提供商的确定 |
| 3.3.2 物流资源信息的分类 |
| 3.3.3 物流任务的分解 |
| 3.3.4 物流任务的调度与执行 |
| 3.3.5 物流任务的完成 |
| 3.4 本章小结 |
| 第4章 L物流联盟物流任务调度优化方案设计 |
| 4.1 物流任务调度优化目标 |
| 4.2 物流任务调度模型的建立 |
| 4.2.1 问题描述 |
| 4.2.2 模型假设 |
| 4.2.3 任务调度目标函数建立 |
| 4.3 物流任务调度优化模型求解 |
| 4.3.1 算法选取 |
| 4.3.2 算法求解过程设计 |
| 4.3.3 Python求解 |
| 4.3.4 求解结果分析 |
| 4.4 L物流联盟物流任务调度优化方案 |
| 4.5 本章小结 |
| 第5章 L物流联盟物流任务调度方案实施的保障 |
| 5.1 L物流联盟的利益保障 |
| 5.1.1 利益分配原则 |
| 5.1.2 利益分配模式 |
| 5.1.3 利益分配策略 |
| 5.2 L物流联盟的信任协调保障 |
| 5.2.1 信任协调机制 |
| 5.2.2 文化协同方法 |
| 5.2.3 冲突解决策略 |
| 5.3 L物流联盟的信息平台管理保障 |
| 5.3.1 领导和员工的支持 |
| 5.3.2 信息平台的维护与管理 |
| 5.3.3 信息平台的信息安全监督 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录 1 |
（3）深基坑工程施工安全风险评价研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 第一节 研究背景 |
| 第二节 研究目的与意义 |
| 第三节 研究现状 |
| 一、国外研究现状 |
| 二、国内研究现状 |
| 三、研究现状文献述评 |
| 第四节 研究内容与方法 |
| 一、研究内容 |
| 二、研究方法 |
| 第五节 创新点 |
| 第二章 风险评价及深基坑工程理论概述 |
| 第一节 风险理论概述 |
| 一、风险定义 |
| 二、风险的特点 |
| 三、风险的分类 |
| 第二节 危险源辨识 |
| 一、危险源定义 |
| 二、危险源分类 |
| 三、危险源识别 |
| 第三节 深基坑工程概述 |
| 一、深基坑工程定义 |
| 二、深基坑工程施工主要内容 |
| 三、深基坑工程的特点 |
| 四、深基坑工程施工常见风险因素 |
| 第四节 深基坑工程施工安全风险评价理论 |
| 一、安全评价 |
| 二、系统安全评价原理 |
| 三、安全评价内容和步骤 |
| 四、深基坑工程风险识别定义 |
| 五、深基坑工程施工安全风险评价定义 |
| 第五节 本章小结 |
| 第三章 深基坑工程施工安全风险评价方法 |
| 第一节 深基坑工程施工安全风险评价方法分类 |
| 第二节 工程施工常用安全风险评价方法 |
| 第三节 深基坑工程施工安全风险评价方法选择 |
| 一、层次分析法 |
| 二、MES法 |
| 三、模糊聚类法 |
| 第四节 本章小结 |
| 第四章 深基坑工程施工安全风险评价指标体系建立 |
| 第一节 安全风险评价体系建立的原则 |
| 第二节 指标的确定方法 |
| 第三节 深基坑工程施工安全风险评价预筛选指标体系 |
| 第四节 基于模糊聚类方法的深基坑工程施工安全风险评价指标体系构建 |
| 第五节 确定深基坑工程施工安全风险评价指标权重 |
| 第六节 本章小结 |
| 第五章 徐家汇4号块深基坑工程施工安全分险分析 |
| 第一节 徐家汇4号块项目工程概况 |
| 第二节 徐家汇4号块项目施工过程中采取的风险管理措施 |
| 一、环境和地质条件方面风险管理 |
| 二、施工方案方面风险管理 |
| 第三节 徐家汇4号块深基坑工程施工安全风险评价 |
| 一、MES评价法各参数赋值 |
| 二、安全评价结果 |
| 第四节 徐家汇4号块深基坑工程施工安全风险应对措施 |
| 第五节 本章小结 |
| 第六章 结论和展望 |
| 第一节 结论 |
| 第二节 展望 |
| 参考文献 |
| 致谢 |
（4）盾构机实测数据建模方法及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 主要模型与算法名称缩写表 |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景与意义 |
| 1.2.1 研究背景 |
| 1.2.2 存在的问题 |
| 1.2.3 研究意义 |
| 1.3 国内外研究现状分析 |
| 1.3.1 盾构机发展历程 |
| 1.3.2 盾构机实测数据来源与构成 |
| 1.3.3 盾构机实测数据应用研究现状 |
| 1.3.4 多工况工程数据划分方法 |
| 1.3.5 多保真度工程数据建模方法 |
| 1.3.6 不等容工程数据建模方法 |
| 1.4 本文的主要研究内容 |
| 2 强相关属性关联关系引导的运行实测数据划分方法 |
| 2.1 引言 |
| 2.2 数据聚类 |
| 2.2.1 数据聚类概述 |
| 2.2.2 模糊c均值算法 |
| 2.2.3 聚类评价指标 |
| 2.3 强相关属性关联关系引导的模糊c均值聚类 |
| 2.3.1 强相关属性关联关系引导的模糊c均值聚类模型 |
| 2.3.2 AFCM聚类模型的优化策略 |
| 2.3.3 算法分析 |
| 2.3.4 数值算例测试 |
| 2.4 盾构机运行实测数据划分实验 |
| 2.4.1 盾构机运行实测数据的来源与背景 |
| 2.4.2 有标注地质工况运行实测数据聚类实验 |
| 2.4.3 无标注地质工况运行实测数据聚类实验 |
| 2.5 本章小结 |
| 3 基于回归关系聚类的运行实测数据建模方法 |
| 3.1 引言 |
| 3.2 基于回归关系的模糊c均值聚类 |
| 3.2.1 基于回归关系的模糊c均值聚类模型 |
| 3.2.2 RFCM聚类模型的优化策略 |
| 3.2.3 子类回归模型构建方法 |
| 3.2.4 数值算例测试 |
| 3.3 RFCM聚类模型辅助的数据建模方法 |
| 3.3.1 方法框架 |
| 3.3.2 数值算例测试 |
| 3.4 盾构机掘进速度预测实验 |
| 3.4.1 训练数据聚类与建模 |
| 3.4.2 测试数据与预测结果 |
| 3.5 本章小结 |
| 4 基于多保真度代理模型的泛化能力提升方法 |
| 4.1 引言 |
| 4.2 代理模型 |
| 4.2.1 克里金法 |
| 4.2.2 径向基函数 |
| 4.3 多保真度代理模型 |
| 4.3.1 多保真度代理模型概述 |
| 4.3.2 基于克里金法的多保真度代理模型 |
| 4.3.3 基于径向基函数的多保真度代理模型 |
| 4.4 基于支持向量回归的多保真度代理模型 |
| 4.4.1 方法构造 |
| 4.4.2 数值案例测试 |
| 4.5 盾构机掘进速度预测实验 |
| 4.5.1 运行实测数据与仿真数据 |
| 4.5.2 掘进速度预测结果 |
| 4.6 本章小节 |
| 5 运行与地质实测不等容数据的联合建模方法 |
| 5.1 引言 |
| 5.2 不等容数据建模方法 |
| 5.2.1 不等容数据建模问题概述 |
| 5.2.2 定性变量-定量变量耦合建模方法 |
| 5.3 基于支持向量回归的不等容数据建模方法 |
| 5.3.1 方法构造 |
| 5.3.2 数值算例测试 |
| 5.4 盾构机掘进速度预测实验 |
| 5.4.1 地质实测多类型数据的融合方法 |
| 5.4.2 掘进速度预测结果 |
| 5.5 运行与地质参数对盾构机掘进速度的敏感度分析 |
| 5.5.1 Sobol指数法 |
| 5.5.2 输入参数取值范围及抽样方法 |
| 5.5.3 敏感度分析结果 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 附录A 盾构机运行实测参数表 |
| 附录B 岩土物理力学指标 |
| 附录C 多保真度代理模型测试函数 |
| 附录D 基于MATLAB GUI的盾构机实测数据分析系统 |
| D.1 开发背景 |
| D.2 系统框架和用户界面设计 |
| D.2.1 系统总体框架 |
| D.2.2 系统主界面 |
| D.2.3 数据划分模型模块 |
| D.2.4 数据预测模型模块 |
| D.3 人工合成数据集测试 |
| D.3.1 数据划分模型 |
| D.3.2 数据预测模型 |
| D.4 盾构机实测数据集测试 |
| D.4.1 数据划分模型 |
| D.4.2 数据预测模型 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（5）脆弱性视角下长江口交通流密集水域船舶通航风险研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.1.3 选题来源 |
| 1.2 国内外相关研究综述 |
| 1.2.1 交通流密集水域通航风险的研究 |
| 1.2.2 通航系统脆性(点)辨识研究 |
| 1.2.3 交通流预测及拥堵方法研究 |
| 1.2.4 脆弱性测度模型方法 |
| 1.2.5 研究述评 |
| 1.3 研究目标与论文结构 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 论文结构 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 组织框架 |
| 1.4.3 技术路线 |
| 1.5 本章小结 |
| 第2章 交通流密集水域船舶通航系统脆弱性研究基础 |
| 2.1 相关概念 |
| 2.1.1 脆弱性 |
| 2.1.2 通航系统脆弱性的内涵及特征 |
| 2.1.3 通航系统风险态势的界定 |
| 2.1.4 通航系统脆弱性概念界定 |
| 2.2 交通流密集水域特征 |
| 2.3 脆弱性视角下交通流密集水域的风险场景 |
| 2.3.1 船舶交通流拥堵风险 |
| 2.3.2 突发事件扰动下的风险 |
| 2.4 本章小结 |
| 第3章 交通流密集水域通航系统脆弱性因素辨识 |
| 3.1 问题描述 |
| 3.2 研究方法及选定 |
| 3.2.1 辨识的原则 |
| 3.2.2 方法的选定 |
| 3.2.3 船舶通航系统脆弱性熵 |
| 3.2.4 德尔菲法的相关方法 |
| 3.3 交通流密集水域船舶通航系统脆弱性因素 |
| 3.3.1 船舶交通流子系统 |
| 3.3.2 通航环境子系统 |
| 3.3.3 航行管控子系统 |
| 3.4 脆弱性辨识模型的构建 |
| 3.4.1 DEMATEL模型的构建 |
| 3.4.2 AHP-熵权法的运用 |
| 3.5 实证分析 |
| 3.5.1 案例背景 |
| 3.5.2 长江口交通流密集水域的脆弱性分析 |
| 3.5.3 基于AHP-熵权法的通航系统关键脆弱性因素筛选 |
| 3.5.4 实证结论 |
| 3.6 本章小结 |
| 第4章 基于脆弱因子的交通流密集水域通航系统风险演化机理 |
| 4.1 问题描述 |
| 4.2 研究方法与思路 |
| 4.2.1 基于脆弱因子的风险演化的研究思路 |
| 4.2.2 ISM的相关方法 |
| 4.2.3 传染病动力学的相关方法 |
| 4.2.4 传染病动力学的适用性 |
| 4.3 基于脆弱因子的风险演化模型的构建 |
| 4.3.1 脆弱性因素间的层级关系 |
| 4.3.2 脆弱性传播过程中节点的含义 |
| 4.3.3 脆弱性节点转换规则 |
| 4.3.4 基于脆弱因子风险传播模型构建 |
| 4.4 实证分析 |
| 4.4.1 脆弱性因素关系结构 |
| 4.4.2 脆弱性因素节点随时间的风险演化过程 |
| 4.4.3 实证结论 |
| 4.5 本章小结 |
| 第5章 脆弱性视角下交通流密集水域船舶拥堵风险预判 |
| 5.1 问题描述 |
| 5.2 研究方法与思路 |
| 5.2.1 方法的选定 |
| 5.2.2 船舶交通流拥堵风险预判的研究思路 |
| 5.2.3 基于深度学习的交通流拥堵风险预判方法 |
| 5.3 交通流密集水域交通流预测相关参数 |
| 5.3.1 交通流的预测参数 |
| 5.3.2 交通流的主要参数特征 |
| 5.4 船舶流量和密度预测模型构建 |
| 5.4.1 CNNc模型框架 |
| 5.4.2 基于时空特征的输入矩阵确定 |
| 5.4.3 CNNc网络模型构造 |
| 5.5 船舶交通流拥堵风险预判模型构建 |
| 5.6 实证分析 |
| 5.6.1 数据描述和模型对比方案 |
| 5.6.2 模型参数的评价指标 |
| 5.6.3 时间维度 |
| 5.6.4 空间维度 |
| 5.6.5 船舶交通流拥堵风险分析 |
| 5.6.6 实证结论 |
| 5.7 本章小结 |
| 第6章 脆弱性视角下交通流密集水域突发事件通航系统风险研究 |
| 6.1 问题描述 |
| 6.2 研究方法与思路 |
| 6.2.1 方法的选定 |
| 6.2.2 脆弱性测度的研究思路 |
| 6.2.3 交通流密集水域突发事件风险评价研究思路 |
| 6.2.4 基于复杂网络的脆弱性测度方法 |
| 6.3 交通流密集水域通航系统网络拓扑结构 |
| 6.3.1 基于原点映射法的通航系统网络建模 |
| 6.3.2 通航系统网络拓扑统计特征分析 |
| 6.4 交通流密集水域通航系统突发事件攻击形式 |
| 6.5 通航系统脆弱性测度指标和风险评价模型 |
| 6.5.1 通航系统网络性能分析 |
| 6.5.2 通航系统脆弱性测度指标体系模型 |
| 6.5.3 通航系统风险评价模型 |
| 6.6 实证分析 |
| 6.6.1 长江口通航系统网络模型的构建 |
| 6.6.2 长江口通航系统网络拓扑结构特征 |
| 6.6.3 不同攻击策略下长江口通航系统的网络效率变化情况 |
| 6.6.4 长江口通航系统脆弱性测度分析和风险评价 |
| 6.6.5 不同方法对比 |
| 6.6.6 实证结论 |
| 6.7 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
| 攻读博士期间的科研成果及参加的科研项目 |
（6）基于改进模糊聚类算法的医保异常检测研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 医保异常检测与离群点识别 |
| 1.2.2 基于模糊聚类的离群点识别 |
| 1.2.3 异常值的不平衡属性与聚类 |
| 1.3 研究内容 |
| 1.4 本章小结 |
| 2 相关理论基础 |
| 2.1 医保异常记录与离群点检测 |
| 2.1.1 医保异常行为的概念 |
| 2.1.2 基于聚类的医保异常检测 |
| 2.2 聚类与局部最优 |
| 2.2.1 聚类方式的比较 |
| 2.2.2 聚类的局部最优 |
| 2.3 模糊理论的发展 |
| 2.3.1 直觉与区间模糊集 |
| 2.3.2 区间图像模糊集 |
| 2.4 聚类准则与评价 |
| 2.4.1 聚类准则简介 |
| 2.4.2 现有聚类准则 |
| 2.4.3 聚类评价方式 |
| 2.5 本章小结 |
| 3 医保数据的处理与分析 |
| 3.1 数据展示与介绍 |
| 3.1.1 数据概述 |
| 3.1.2 特征描述 |
| 3.2 特征分析与处理 |
| 3.2.1 初步处理 |
| 3.2.2 整理归总 |
| 3.3 检测范围的界定 |
| 3.4 本章小结 |
| 4 数据的不平衡属性对聚类结果的影响研究 |
| 4.1 主要影响来源 |
| 4.1.1 数据体量的影响 |
| 4.1.2 数据密度的影响 |
| 4.2 聚类准则的改进 |
| 4.2.1 影响机理分析 |
| 4.2.2 新准则的提出 |
| 4.3 实验与结论 |
| 4.3.1 医保数据实验 |
| 4.3.2 仿真数据实验 |
| 4.3.3 实验结果分析 |
| 4.4 本章小结 |
| 5 基于区间图像模糊聚类算法的医保异常检测 |
| 5.1 区间图像模糊数的运算 |
| 5.1.1 基本运算法则 |
| 5.1.2 距离测度计算 |
| 5.2 基于IAI的 Im IVPF聚类算法 |
| 5.2.1 推导迭代 |
| 5.2.2 流程描述 |
| 5.3 基于Im IVPF聚类算法的医保异常检测 |
| 5.3.1 实验数据与环境 |
| 5.3.2 算法有效性对比 |
| 5.3.3 全局性能对比 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 作者简历与研究成果 |
| 学位论文数据集 |
（7）多元时间序列聚类算法及其选股策略应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究综述 |
| 1.2.1 表示性聚类方法 |
| 1.2.2 结合相似性度量的聚类方法 |
| 1.2.3 改进流程的聚类方法 |
| 1.2.4 时间序列聚类在证券领域的应用 |
| 1.2.5 现有研究的不足 |
| 1.3 主要内容与论文结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文结构 |
| 1.3.3 技术路线 |
| 第2章 相关理论基础 |
| 2.1 多元时间序列的概念 |
| 2.2 多元时间序列的特性 |
| 2.3 聚类算法 |
| 2.3.1 模糊C均值聚类 |
| 2.3.2 基于密度峰值的聚类 |
| 第3章 属性加权的多元时间序列聚类方法 |
| 3.1 基于形状的时间序列相似性度量 |
| 3.2 加权聚类方法 |
| 3.2.1 属性权值计算 |
| 3.2.2 模糊隶属度矩阵的构建 |
| 3.2.3 聚类流程 |
| 3.2.4 时间复杂度 |
| 3.3 .实验结果与分析 |
| 3.3.1 有效性验证 |
| 3.3.2 对比实验 |
| 3.3.3 时间消耗 |
| 3.4 本章小结 |
| 第4章 基于社区发现的多元时间序列聚类方法 |
| 4.1 理论方法 |
| 4.1.1 K近邻分类方法 |
| 4.1.2 SDTW距离度量方法 |
| 4.2 无参数聚类方法 |
| 4.2.1 邻居矩阵 |
| 4.2.2 复杂网络构建 |
| 4.2.3 聚类流程 |
| 4.2.4 时间复杂度分析 |
| 4.3 实验结果与分析 |
| 4.3.1 参数对比实验 |
| 4.3.2 聚类结果 |
| 4.3.3 时间消耗 |
| 4.4 本章小结 |
| 第5章 基于多元时间聚类的类簇分析及选股策略 |
| 5.1 马科维兹模型 |
| 5.1.1 马科维兹投资组合模型的基本假设 |
| 5.1.2 马科维兹均值方差模型 |
| 5.2 股票数据选取 |
| 5.2.1 股票交易数据的属性 |
| 5.2.2 样本选择 |
| 5.3 基于聚类的股票分析流程 |
| 5.4 多元股票数据的社区构建 |
| 5.5 聚类结果分析 |
| 5.5.1 类簇行业股票统计分析 |
| 5.5.2 类簇股票收盘价波动可视化分析 |
| 5.6 基于聚类的选股策略 |
| 5.6.1 夏普最大选股策略 |
| 5.6.2 风险分散选股策略 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 攻读硕士学位期间科研成果 |
（8）数字经济驱动下政务数据资产化与创新策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 数字经济发展概况 |
| 1.1.2 政务数据资产化的必要性 |
| 1.2 研究问题 |
| 1.2.1 政务数据技术处理过程 |
| 1.2.2 政务数据市场化过程 |
| 1.2.3 政务数据资产化难题 |
| 1.3 研究意义 |
| 1.3.1 理论意义 |
| 1.3.2 现实意义 |
| 1.4 研究目标、方法及框架 |
| 1.4.1 研究目标 |
| 1.4.2 研究方法 |
| 1.4.3 研究框架 |
| 1.5 研究创新 |
| 1.5.1 视角创新 |
| 1.5.2 观点创新 |
| 1.5.3 方法创新 |
| 2 相关理论及研究综述 |
| 2.1 政务数据资产化的理论基础 |
| 2.1.1 数字经济理论 |
| 2.1.2 电子政务治理理论 |
| 2.1.3 数据共享协同理论 |
| 2.1.4 电子政务服务创新理论 |
| 2.1.5 信息技术基础理论 |
| 2.2 政务数据资产化文献综述 |
| 2.2.1 数据安全与脱敏的研究 |
| 2.2.2 数据标准化的研究 |
| 2.2.3 数据价值评估的研究 |
| 2.2.4 数据市场化的研究 |
| 2.3 文献评述 |
| 3 国际经验及政务数据资产化作用机理 |
| 3.1 国外发展经验 |
| 3.2 国内发展现状 |
| 3.3 对比分析 |
| 3.3.1 法律法规方面的对比分析 |
| 3.3.2 专业机构的对比分析 |
| 3.3.3 数据安全方面的对比分析 |
| 3.4 政务数据资产化作用机理 |
| 3.4.1 政务数据资产化内涵 |
| 3.4.2 “两个过程,四个阶段”的相互作用关系 |
| 3.5 本章小结 |
| 4 政务数据技术处理过程 |
| 4.1 政务数据安全化 |
| 4.1.1 政务数据安全化问题分类分级 |
| 4.1.2 政务数据脱敏算法 |
| 4.1.3 脱敏政务数据标准化预处理 |
| 4.2 政务数据标准化 |
| 4.2.1 我国政务数据标准化体系进展 |
| 4.2.2 我国政务数据标准化存在的问题 |
| 4.2.3 元数据标准化方案 |
| 4.2.4 我国政务数据标准化方案 |
| 4.2.5 政务数据价值化的预处理 |
| 4.3 政务数据价值化 |
| 4.3.1 数据评估方法比较分析 |
| 4.3.2 层次分析法(AHP)的介绍 |
| 4.3.3 政务数据资产价值影响因素 |
| 4.3.4 政务数据资产价值构成指标 |
| 4.3.5 构成指标计量 |
| 4.3.6 层次分析法(AHP)的步骤 |
| 4.4 案例分析 |
| 4.4.1 安全化示例 |
| 4.4.2 标准化示例 |
| 4.4.3 价值化示例 |
| 4.5 本章小结 |
| 5 政务数据市场化过程 |
| 5.1 政务数据市场化存在的问题 |
| 5.2 政务数据市场化主体关系 |
| 5.2.1 数据供给侧 |
| 5.2.2 大数据平台 |
| 5.2.3 数据消费侧 |
| 5.3 政务数据市场化模式 |
| 5.3.1 政务数据交易 |
| 5.3.2 政务数据共享 |
| 5.3.3 政务数据分析 |
| 5.3.4 政务数据产品 |
| 5.4 本章小结 |
| 6 政务数据资产化影响因素实证分析 |
| 6.1 影响因素实证方法研究 |
| 6.2 影响因素集 |
| 6.2.1 政务数据安全化影响因素 |
| 6.2.2 政务数据标准化影响因素 |
| 6.2.3 政务数据价值化影响因素 |
| 6.2.4 政务数据市场化影响因素 |
| 6.3 实证模型选择 |
| 6.4 灰色关联度与模糊聚类模型 |
| 6.4.1 灰色关联度分析法 |
| 6.4.2 模糊聚类模型 |
| 6.5 实证分析 |
| 6.6 结果分析 |
| 6.6.1 关键影响因素分析 |
| 6.6.2 一般影响因素分析 |
| 6.6.3 其他影响因素分析 |
| 6.7 本章小结 |
| 7 创新策略与对策建议 |
| 7.1 创新策略 |
| 7.2 实施路径 |
| 7.2.1 建立政务数据合作运营企业 |
| 7.2.2 政府信息全面数据化 |
| 7.2.3 建立政企合作管理制度 |
| 7.2.4 建立拥有政务数据分析能力的专业团队 |
| 7.3 政策建议 |
| 7.3.1 政府层面 |
| 7.3.2 市场层面 |
| 7.3.3 技术层面 |
| 7.3.4 企业层面 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 附录 问卷：政务数据资产化影响因素调研问卷 |
| 致谢 |
（9）风光储联合发电调度管理与效益评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 新能源研究现状 |
| 1.2.2 风光储联合发电模式研究现状 |
| 1.2.3 新能源发电功率预测研究现状 |
| 1.2.4 多目标决策理论研究现状 |
| 1.2.5 风光储联合发电系统优化研究 |
| 1.2.6 含风光储发电的电力系统综合评价研究 |
| 1.3 主要研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究技术路线 |
| 1.3.3 主要创新点 |
| 1.4 本章小结 |
| 第2章 风光储联合发电调度管理与效益评价基础理论 |
| 2.1 新能源联合发电系统 |
| 2.1.1 新能源联合发电形式 |
| 2.1.2 系统设计和分析方法 |
| 2.2 新能源发电功率预测理论 |
| 2.3 多目标决策理论 |
| 2.4 效益评价理论 |
| 2.4.1 评价概念及流程 |
| 2.4.2 指标体系构建原则 |
| 2.4.3 评价指标预处理 |
| 2.4.4 指标权重确定方法 |
| 2.5 本章小结 |
| 第3章 风力与光伏发电功率预测 |
| 3.1 基于经验模式分解和支持向量机的风电功率预测模型研究 |
| 3.1.1 经验模式分解 |
| 3.1.2 粒子群优化的支持向量机模型 |
| 3.1.3 基于EMD-PSO-SVM的风电功率预测模型 |
| 3.1.4 算例分析 |
| 3.2 基于相似日模糊聚类的光伏发电功率组合预测模型研究 |
| 3.2.1 改进模糊聚类算法 |
| 3.2.2 熵权组合预测模型 |
| 3.2.3 基于模糊聚类的光伏发电功率熵权组合预测模型 |
| 3.2.4 算例分析 |
| 3.3 本章小结 |
| 第4章 计及经济性的风光储联合发电系统出力优化调度模型 |
| 4.1 不确定规划理论 |
| 4.1.1 不确定规划基础理论 |
| 4.1.2 不确定规划模型 |
| 4.1.3 不确定规划智能算法 |
| 4.2 风光储联合发电系统运行特性分析 |
| 4.2.1 风光出力特性分析 |
| 4.2.2 出力优化控制的目标 |
| 4.2.3 风光出力预测偏差的处理 |
| 4.3 风光储联合发电系统经济性分析 |
| 4.4 计及经济性的风光储联合发电多目标出力调度模型 |
| 4.4.1 目标函数 |
| 4.4.2 约束条件 |
| 4.4.3 模型求解 |
| 4.5 算例分析 |
| 4.5.1 跟踪计划出力调度模型 |
| 4.5.2 计及经济性的多目标跟踪计划出力调度模型计算 |
| 4.5.3 结果分析 |
| 4.6 本章小结 |
| 第5章 风光储联合发电综合效益评价 |
| 5.1 评价指标构建原则 |
| 5.1.1 结合风光储自身特点的指标构建准则 |
| 5.1.2 评价指标筛选办法 |
| 5.2 风光储联合发电系统评价指标体系 |
| 5.2.1 示范效益 |
| 5.2.2 电网效益 |
| 5.2.3 经济效益 |
| 5.2.4 社会效益 |
| 5.2.5 评价指标体系层次结构 |
| 5.3 基于价值权重和影响权重的组合权重确定 |
| 5.4 综合效益评价 |
| 5.4.1 风光储联合发电综合效益模糊评价模型 |
| 5.4.2 实例测算结果分析 |
| 5.5 本章小结 |
| 第6章 风光储调度管理对策研究 |
| 6.1 风光储并网运行管理研究 |
| 6.1.1 运行方式分析 |
| 6.1.2 风光储并网运行管理策略 |
| 6.1.3 风光储孤岛运行管理策略 |
| 6.1.4 运行模式切换策略研究 |
| 6.2 储能产业发展的管理建议 |
| 6.2.1 产业发展问题分析 |
| 6.2.2 能源互联网发展下风光储联合系统典型应用模式 |
| 6.2.3 风光储联合系统未来发展的政策建议 |
| 6.3 本章小结 |
| 第7章 研究成果与结论 |
| 7.1 研究成果 |
| 7.2 结论 |
| 第8章 附表 |
| 8.1 附表1 风光储联合发电综合效益评价指标体系 |
| 8.2 附表2 基于价值权重和影响权重的组合权重确定表 |
| 8.3 附表3 指标评价体系的级别划分规则与相关标准 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（10）租售同权视角下沈阳市长租公寓盈利模式研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容及技术路线 |
| 1.4.1 研究内容与方法 |
| 1.4.2 技术路线 |
| 1.5 研究创新点 |
| 2 相关理论综述 |
| 2.1 长租公寓概述 |
| 2.1.1 长租公寓概念界定 |
| 2.1.2 长租公寓的特点 |
| 2.2 租售同权概述 |
| 2.2.1 租售同权概念界定 |
| 2.2.2 租售同权的特点 |
| 2.3 委托代理理论 |
| 2.3.1 委托代理定义 |
| 2.3.2 委托代理内容分析 |
| 2.4 轻资产盈利模式 |
| 2.4.1 轻资产定义 |
| 2.4.2 轻资产盈利模式内涵 |
| 2.5 模糊聚类综合评价概述 |
| 2.5.1 模糊数学理论 |
| 2.5.2 模糊聚类综合评价的步骤 |
| 3 租售同权视角下沈阳市长租公寓盈利模式现状分析 |
| 3.1 租售同权视角下沈阳市长租公寓现状 |
| 3.1.1 租售同权政策追溯及经验 |
| 3.1.2 我国长租公寓市场现状 |
| 3.1.3 沈阳市长租公寓现状 |
| 3.2 沈阳市长租公寓盈利模式现状分析 |
| 3.2.1 自持集中式盈利模式内涵及特点分析 |
| 3.2.2 租入获取集中式盈利模式内涵及特点分析 |
| 3.2.3 租入获取分散式盈利模式内涵及特点分析 |
| 3.2.4 受业主委托运营管理的盈利模式内涵及特点分析 |
| 3.2.5 各模式租售盈利水平的测算与差异分析 |
| 3.3 租售同权视角下沈阳市长租公寓盈利模式存在的问题 |
| 3.3.1 前期投资大 |
| 3.3.2 运营成本高 |
| 3.3.3 资金回流慢 |
| 3.3.4 盈利模式单一 |
| 3.3.5 融资途径偏窄 |
| 3.3.6 品牌溢价有限 |
| 3.4 长租公寓盈利模式组成因素分析 |
| 3.4.1 盈利源——客户 |
| 3.4.2 盈利点——产品和服务 |
| 3.4.3 盈利措施——相关活动 |
| 3.4.4 盈利屏障——核心竞争力 |
| 3.5 本章小结 |
| 4 租售同权视角下沈阳市长租公寓盈利模式评价模型构建 |
| 4.1 研究边界的确定 |
| 4.1.1 沈阳市“租售同权”长租公寓边界确定 |
| 4.1.2 盈利模式边界确定 |
| 4.2 指标选取的原则与思路 |
| 4.2.1 指标选取的原则 |
| 4.2.2 指标选取的思路 |
| 4.3 指标体系的构建 |
| 4.3.1 评价指标的选取 |
| 4.3.2 指标体系的构建 |
| 4.4 评价方法的选择 |
| 4.4.1 专家打分法 |
| 4.4.2 数据包络分析法 |
| 4.4.3 模糊聚类法 |
| 4.4.4 评价方法的比选 |
| 4.5 模糊聚类评价模型的构建 |
| 4.5.1 评价指标权重计算 |
| 4.5.2 模糊聚类评价模型的构建 |
| 4.6 本章小结 |
| 5 沈阳万科泊寓项目案例分析 |
| 5.1 沈阳万科泊寓项目概述 |
| 5.1.1 项目背景 |
| 5.1.2 项目调研 |
| 5.2 沈阳万科泊寓盈利模式分析 |
| 5.2.1 项目盈利模式指标分析 |
| 5.2.2 项目盈利模式评价 |
| 5.2.3 项目指标权重计算结果分析 |
| 5.2.4 项目模糊聚类评价结果分析 |
| 5.3 对策建议 |
| 5.3.1 轻资产化 |
| 5.3.2 减少人力资源 |
| 5.3.3 扩大租金差 |
| 5.3.4 优质特色增值服务 |
| 5.3.5 应用REITs模式改进 |
| 5.3.6 盈利后向化 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究不足与展望 |
| 6.2.1 研究不足 |
| 6.2.2 展望 |
| 参考文献 |
| 作者简介 |
| 作者在攻读硕士学位期间获得的学术成果 |
| 致谢 |
四、技术创新风险因素的模糊聚类分析与研究（论文参考文献）
- [1]面向智能工厂的无线传感器网络定位技术研究[D]. 李海啸. 中国科学院大学(中国科学院沈阳计算技术研究所), 2021(09)
- [2]L物流联盟物流任务调度研究[D]. 张赫敏. 哈尔滨理工大学, 2021(09)
- [3]深基坑工程施工安全风险评价研究[D]. 郭星辰. 安徽财经大学, 2020(04)
- [4]盾构机实测数据建模方法及其应用研究[D]. 石茂林. 大连理工大学, 2020(01)
- [5]脆弱性视角下长江口交通流密集水域船舶通航风险研究[D]. 陈永军. 武汉理工大学, 2020
- [6]基于改进模糊聚类算法的医保异常检测研究[D]. 黄慧珊. 北京交通大学, 2020(03)
- [7]多元时间序列聚类算法及其选股策略应用研究[D]. 魏苗. 华侨大学, 2020(01)
- [8]数字经济驱动下政务数据资产化与创新策略研究[D]. 任泳然. 江西财经大学, 2020(01)
- [9]风光储联合发电调度管理与效益评价研究[D]. 纪会争. 华北电力大学(北京), 2020(06)
- [10]租售同权视角下沈阳市长租公寓盈利模式研究[D]. 杨雪琦. 沈阳建筑大学, 2020(04)