为了精准定位窃电行为,减小电力窃取给电力系统带来的经济损失,提出了一种基于熵权法Stacking(stacking based entropy,E_Stacking)集成学习的多分类窃电检测模型。首先基于用电量信息共线性的特点,使用方差膨胀因子(variance inflation...为了精准定位窃电行为,减小电力窃取给电力系统带来的经济损失,提出了一种基于熵权法Stacking(stacking based entropy,E_Stacking)集成学习的多分类窃电检测模型。首先基于用电量信息共线性的特点,使用方差膨胀因子(variance inflation factor,VIF)作为标准对数据降维,以降低数据复杂度。然后在模型训练时嵌入k折交叉验证,有效防止模型过拟合。该模型包含初级学习器和元学习器两层学习器,可以充分结合两层学习器的优点,将学习的互补特征和判别特征相结合,进一步提高检测性能。最后,使用爱尔兰数据集和部分加州大学欧文分校(University of California Irvine,UCI)数据集验证模型,结果优于目前几种常见的方法,证明该模型的有效性和稳定性。展开更多
2019年末的新型冠状病毒肺炎(简称:新冠肺炎,又称COVID–19, novel coronavirus pneumonia, NCP, 2019–nCoV)疫情得到了全球的广泛关注.文献[1–2]提出了一类新的时滞动力学系统的新冠肺炎传播模型(a time delay dynamic model for NCP...2019年末的新型冠状病毒肺炎(简称:新冠肺炎,又称COVID–19, novel coronavirus pneumonia, NCP, 2019–nCoV)疫情得到了全球的广泛关注.文献[1–2]提出了一类新的时滞动力学系统的新冠肺炎传播模型(a time delay dynamic model for NCP,简称TDD–NCP模型)来描述疫情的传播过程.本文将这个模型用于研究部分省市的疫情传播问题,通过增加模型的源项用于模拟外来潜伏感染者对于当地疫情的影响.基于全国各级卫健委每日公布的累计确诊数与治愈数,本文有效地模拟并预测了各地疫情的发展.提出了基于TDD模型的再生数的两种计算方法,并做了估计与分析.发现疫情暴发初期再生数较大,但随着各级政府防控力度的加大而逐渐减小.最后,分析了返程潮对上海疫情发展的影响,并建议上海市政府继续加大防控力度,以防疫情二次暴发.展开更多
文摘为了精准定位窃电行为,减小电力窃取给电力系统带来的经济损失,提出了一种基于熵权法Stacking(stacking based entropy,E_Stacking)集成学习的多分类窃电检测模型。首先基于用电量信息共线性的特点,使用方差膨胀因子(variance inflation factor,VIF)作为标准对数据降维,以降低数据复杂度。然后在模型训练时嵌入k折交叉验证,有效防止模型过拟合。该模型包含初级学习器和元学习器两层学习器,可以充分结合两层学习器的优点,将学习的互补特征和判别特征相结合,进一步提高检测性能。最后,使用爱尔兰数据集和部分加州大学欧文分校(University of California Irvine,UCI)数据集验证模型,结果优于目前几种常见的方法,证明该模型的有效性和稳定性。
文摘2019年末的新型冠状病毒肺炎(简称:新冠肺炎,又称COVID–19, novel coronavirus pneumonia, NCP, 2019–nCoV)疫情得到了全球的广泛关注.文献[1–2]提出了一类新的时滞动力学系统的新冠肺炎传播模型(a time delay dynamic model for NCP,简称TDD–NCP模型)来描述疫情的传播过程.本文将这个模型用于研究部分省市的疫情传播问题,通过增加模型的源项用于模拟外来潜伏感染者对于当地疫情的影响.基于全国各级卫健委每日公布的累计确诊数与治愈数,本文有效地模拟并预测了各地疫情的发展.提出了基于TDD模型的再生数的两种计算方法,并做了估计与分析.发现疫情暴发初期再生数较大,但随着各级政府防控力度的加大而逐渐减小.最后,分析了返程潮对上海疫情发展的影响,并建议上海市政府继续加大防控力度,以防疫情二次暴发.
