CN103325067B - 基于用电客户细分的服务推送方法和系统 - Google Patents
基于用电客户细分的服务推送方法和系统 Download PDFInfo
- Publication number
- CN103325067B CN103325067B CN201310206882.2A CN201310206882A CN103325067B CN 103325067 B CN103325067 B CN 103325067B CN 201310206882 A CN201310206882 A CN 201310206882A CN 103325067 B CN103325067 B CN 103325067B
- Authority
- CN
- China
- Prior art keywords
- electricity customers
- group
- data
- electricity
- default
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明提供一种基于用电客户细分的服务推送方法，包括如下步骤：获取需分群的用电客户数据；根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，得到分群的用电客户数据；将预设的分类服务信息对应推送至每个所述分群后的用电客户。本发明还提供一种基于用电客户细分的服务推送系统，能将用电客户根据不同的用电特性细分为多个群组，对各个群组中的用电客户提供特定的服务。
Description
技术领域
本发明涉及用电客户服务推送技术领域，特别是涉及一种基于用电客户细分的服务推送方法，以及一种基于用电客户细分的服务推送系统。
背景技术
在供电企业信息化推进过程中，已构建了各类业务管理系统与综合分析系统，但没有形成以分析系统支撑客户服务系统的业务流程与管理架构，客户服务过程是一种被动的信息交流过程。虽然近几年供电企业也从管理上增加了客户经理、业务代表等一对一服务模式，但缺少有效的客户分析、客户全数据支撑，客户经理与业务代表对客户的了解不够全面，不够深入，很难有效对客户开展差异性个性化服务，实用性不足。供电企业面对数据量庞大的各个客户，不同的客户群体特征不一，如何针对不同群体客户的实际用电特性制定对应的差异化服务是目前供电行业客户服务建设的一项重要内容。
发明内容
基于此，本发明提供一种基于用电客户细分的服务推送方法和系统，能将用电客户根据不同的用电特性细分为多个群组，对各个群组中的用电客户提供特定的服务。
一种基于用电客户细分的服务推送方法，包括如下步骤：
获取需分群的用电客户数据；
根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，得到分群的用电客户数据；
将预设的分类服务信息对应推送至每个所述分群后的用电客户。
一种基于用电客户细分的服务推送系统，包括：
获取模块，用于获取需分群的用电客户数据；
计算模块，用于根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，得到分群的用电客户数据；
推送模块，用于将预设的分类服务信息对应推送至每个所述分群后的用电客户。
上述基于用电客户细分的服务推送方法和系统，根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，最终将所有用电客户数据进行有效的分群，分群后即可推送对应的服务信息；本发明通过有效的客户细分，实现对客户行为特点、用电需求的精确识别，能针对不同群体客户的实际用电特性推送制定的差异化服务信息。
附图说明
图1为本发明基于用电客户细分的服务推送方法在一实施例中的流程示意图。
图2为本发明基于用电客户细分的服务推送系统在一实施例中的结构示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细说明，但本发明的实施方式不限于此。
如图1所示，是本发明基于用电客户细分的服务推送方法在一实施例中的流程示意图，包括如下步骤：
S11、获取需分群的用电客户数据；
在本实施例中，可从电力系统中获取需分群的用电客户数据，用电客户数据中包括有年总电量、月平均电量、缴费金额、欠费金额、用电时长、电量增长率等各类属性信息，可根据实际需要选择对应的数据。
S12、根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，得到分群的用电客户数据；
细分指标即所述用电客户数据中的一个或多个属性数据；不同的分析目的，细分指标可有所不同；如要将所有用电客户按贡献价值进行分群，细分指标可包括年总电量、缴费金额、欠费金额等；
电网系统的用电客户数据数量庞大，不同的客户群体特征不一，不同的客户服务需求不一样，因此需从庞大的用电客户数据中对数据进行分类整理，根据用电特性对用电客户提供对应的服务信息；每个用电客户数据中包含了许多属性数据，在本步骤中，细分指标和细分模型可由用户预设，根据预设的细分指标通过细分模型对所有用电客户数据进行细分，从而得到分群后的用电客户数据；由于电网系统的用电客户数据数量庞大，可对分群后的用电客户数据进行检查校验，若细分结果误差较大，可再次选择细分指标或配置新的细分模型，再次进行细分计算，获得新的分群的用电客户数据。
S13、将预设的分类服务信息对应推送至每个所述分群后的用电客户；
得到分群后的用电客户数据后，各组数据具有不同的客户群体特征，即可将预设的服务信息对应推送给每个群组中的每个用电客户，按需提供服务。
在一较佳实施例中，所述预设的细分模型为预设的聚类细分模型，所述根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，得到分群的用电客户数据的步骤包括：
12a、根据预设的分群个数，从用电客户数据中选取k个用电客户数据作为k个群组的聚类中心，其中，k等于所述预设的分群个数；
分群的个数也可根据分析的精度要求而定，分群的个数越多，用电客户数据分群越细，精度越高；
确定分组个数后，从用电客户数中选择与分组个数相等的k个用电客户数据，作为k个群组的聚类中心；这里k个用电客户数据可根据上述属性信息选择差异较大的k个数据，比如可根据年总电量选择k个数据，各个数据中年总电量保持一定的差距。
12b、根据所述细分指标，读取每个用电客户数据中各个所述细分指标的属性值和每个群组中作为聚类中心的用电客户数据中各个所述细分指标的属性值，计算每个用电客户数据和各个作为聚类中心的用电客户的距离，根据计算的距离值将当前的所述用电客户数据分配至距离值最小的所述群组中；
在确定细分指标后，逐个将每个用电客户数据中各个所述细分指标的属性值分别与每个群组中作为聚类中心的用电客户数据中各个所述细分指标的属性值进行距离比较，根据距离结果将当前的所述用电客户数据分配至距离值最小的所述群组中；
可根据公式计算每个用电客户数据中各个所述细分指标的属性值分别与每个群组中作为聚类中心的用电客户数据中各个所述细分指标的属性值的距离，
其中，||xi-cj||为所述距离，xi为所述用电客户数据，cj为群组j的聚类中心，m为所述细分指标的个数；
将所述用电客户数据分配至距离最小的所述聚类中心所在的群组。
12c、在分配一个所述用电客户数据至所述群组后，重新计算所述群组的聚类中心；
分配完一个用电客户数据后，需重新计算该群组的聚类中心；可根据公式计算群组中的聚类中心，其中，Nj为第j个群组Sj中所包含的用电客户数据的个数。
12d、分配完所有用电客户数据后，获得所述分群的用电客户数据。
分配完所有用电客户数据后，即将所有的用电客户数据按照预设的分组个数分成多个组，每个组内的用电客户数据是根据所述预设的细分指标中相似度最为接近的一组数据，各组数据具有不同的客户群体特征，即可将预设的服务信息对应推送给每个群组中的每个用电客户，按需提供服务。
在一较佳实施例中，所述预设的细分模型为决策树细分模型，所述根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，得到分群的用电客户数据的步骤包括：根据所述细分指标，将每个所述用电客户数据的各个细分指标的属性值与所述预设的决策树细分模型进行匹配，得到分群的用电客户数据；
决策树是一个类似于流程图的树结构，其中每个内部节点表示在一个属性上的测试，每个分枝代表一个测试输出，每个树叶节点代表类。树的最顶层节点是根节点，为了对未知的样本分类，样本的属性值在决策树上测试，路径由根到叶节点，然后将决策树转换为分类规则，将每个所述用电客户数据通过决策树，根据用电客户数据的各个细分指标的属性值按照决策树细分模型中确定的从根节点到各个叶节点的流转规则进行匹配，最终即可将用电客户分成不同的群体。
在一较佳实施例中，还包括对所述用电客户数据进行预处理的步骤，所述预处理步骤为：根据所述预设的细分指标，逐个将每个用电客户数据中每个细分指标中的属性值与预设的异常区间进行匹配，若匹配成功则删除当前的用电客户数据；电力系统的用电客户数据数量庞大，可能存在一些异常的数据，需对获取的用电客户数据进行预处理，删除异常数据，进一步提高用电客户数据分组的精确度。
一种基于用电客户细分的服务推送系统，包括：
获取模块21，用于获取需分群的用电客户数据；
在本实施例中，可从电力系统中获取需分群的用电客户数据存储在数据库中，用电客户数据中包括有年总电量、月平均电量、缴费金额、欠费金额、用电时长、电量增长率等各类属性信息，可根据实际需要选择对应的数据。
计算模块22，用于根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，得到分群的用电客户数据；
细分指标即所述用电客户数据中的一个或多个属性数据；不同的分析目的，细分指标可有所不同；如要将所有用电客户按贡献价值进行分群，细分指标可包括年总电量、缴费金额、欠费金额等；
电网系统的用电客户数据数量庞大，不同的客户群体特征不一，不同的客户服务需求不一样，因此需从庞大的用电客户数据中对数据进行分类整理，根据用电特性对用电客户提供对应的服务信息；每个用电客户数据中包含了许多属性数据，在本模块中，细分指标和细分模型可由用户预设，根据预设的细分指标通过细分模型对所有用电客户数据进行细分，从而得到分群后的用电客户数据；由于电网系统的用电客户数据数量庞大，可对分群后的用电客户数据进行检查校验，若细分结果误差较大，可再次选择细分指标或配置新的细分模型，再次进行细分计算，获得新的分群的用电客户数据。
推送模块23，用于将预设的分类服务信息对应推送至每个所述分群后的用电客户;
得到分群后的用电客户数据后，各组数据具有不同的客户群体特征，即可将预设的服务信息对应推送给每个群组中的每个用电客户，按需提供服务。
在一较佳实施例中，所述预设的细分模型为聚类细分模型，所述计算模块22用于：
根据预设的分群个数，从用电客户数据中选取k个用电客户数据作为k个群组的聚类中心，其中，k等于所述预设的分群个数；
分群的个数也可根据分析的精度要求而定，分群的个数越多，用电客户数据分群越细，精度越高；
确定分组个数后，从用电客户数中选择与分组个数相等的k个用电客户数据，作为k个群组的聚类中心；这里k个用电客户数据可根据上述属性信息选择差异较大的k个数据，比如可根据年总电量选择k个数据，各个数据中年总电量保持一定的差距；根据所述细分指标，读取每个用电客户数据中各个所述细分指标的属性值和每个群组中作为聚类中心的用电客户数据中各个所述细分指标的属性值，计算每个用电客户数据和各个作为聚类中心的用电客户的距离，根据计算的距离值将当前的所述用电客户数据分配至距离值最小的所述群组中；
在确定细分指标后，逐个将每个用电客户数据中各个所述细分指标的属性值分别与每个群组中作为聚类中心的用电客户数据中各个所述细分指标的属性值进行距离比较，根据距离结果将当前的所述用电客户数据分配至距离值最小的所述群组中；
可根据公式计算每个用电客户数据中各个所述细分指标的属性值分别与每个群组中作为聚类中心的用电客户数据中各个所述细分指标的属性值的距离，
其中，||xi-cj||为所述距离，xi为所述用电客户数据，cj为群组j的聚类中心，m为所述细分指标的个数；
将所述用电客户数据分配至距离最小的所述聚类中心所在的群组；
在分配一个所述用电客户数据至所述群组后，重新计算所述群组的聚类中心；
分配完一个用电客户数据后，需重新计算该群组的聚类中心；可根据公式计算群组中的聚类中心，其中，Nj为第j个群组Sj中所包含的用电客户数据的个数；
分配完所有用电客户数据后，获得所述分群的用电客户数据；
分配完所有用电客户数据后，即将所有的用电客户数据按照预设的分组个数分成多个组，每个组内的用电客户数据是根据所述预设的细分指标中相似度最为接近的一组数据，各组数据具有不同的客户群体特征，即可将预设的服务信息对应推送给每个群组中的每个用电客户，按需提供服务。
在一较佳实施例中，所述预设的细分模型为决策树细分模型，所述计算模块22用于：根据所述细分指标，将每个所述用电客户数据的各个细分指标的属性值与所述预设的决策树细分模型进行匹配，得到分群的用电客户数据；
决策树是一个类似于流程图的树结构，其中每个内部节点表示在一个属性上的测试，每个分枝代表一个测试输出，每个树叶节点代表类。树的最顶层节点是根节点，为了对未知的样本分类，样本的属性值在决策树上测试，路径由根到叶节点，然后将决策树转换为分类规则，将每个所述用电客户数据通过决策树，根据用电客户数据的各个细分指标的属性值按照决策树细分模型中确定的从根节点到各个叶节点的流转规则进行匹配，最终即可将用电客户分成不同的群体。
在一较佳实施例中，还包括预处理模块，用于所述预设的细分指标，逐个将每个用电客户数据中每个细分指标中的属性值与预设的异常区间进行匹配，若匹配成功则删除当前的用电客户数据。
本发明基于用电客户细分的服务推送方法和系统，根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，最终将所有用电客户数据进行有效的分群，分群后即可推送对应的服务信息；本发明通过有效的客户细分，实现对客户行为特点、用电需求的精确识别，能针对不同群体客户的实际用电特性推送制定的差异化服务信息。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于用电客户细分的服务推送方法，其特征在于，包括如下步骤：
获取需分群的用电客户数据；
根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，得到分群的用电客户数据；
将预设的分类服务信息对应推送至每个所述分群后的用电客户；
每个用电客户数据中包含多个属性数据，细分指标即所述用电客户数据中的一个或多个属性数据；
每个用电客户数据中包括的属性数据有年总电量、月平均电量、缴费金额、欠费金额、用电时长、电量增长率；
所述预设的细分模型为预设的聚类细分模型，所述根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，得到分群的用电客户数据的步骤包括：
根据预设的分群个数，从用电客户数据中选取k个用电客户数据作为k个群组的聚类中心，其中，k等于所述预设的分群个数；
根据所述细分指标，读取每个用电客户数据中各个所述细分指标的属性值和每个群组中作为聚类中心的用电客户数据中各个所述细分指标的属性值，计算每个用电客户数据和各个作为聚类中心的用电客户的距离，根据计算的距离值将当前的所述用电客户数据分配至距离值最小的所述群组中；
在分配一个所述用电客户数据至所述群组后，重新计算所述群组的聚类中心；
分配完所有用电客户数据后，获得所述分群的用电客户数据；
所述计算每个用电客户数据和各个作为聚类中心的用电客户的距离的步骤为：根据公式计算每个用电客户数据中各个所述细分指标的属性值分别与每个群组中作为聚类中心的用电客户数据中各个所述细分指标的属性值的距离；
其中，||xi-cj||为所述距离，xi为所述用电客户数据，cj为群组j的聚类中心，m为所述细分指标的个数，xil为所述用电客户数据中第l个细分指标的属性值，cjl为群组j的聚类中心的第l个细分指标的属性值。
2.根据权利要求1所述的基于用电客户细分的服务推送方法，其特征在于，所述预设的细分模型为预设的决策树细分模型，所述根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，得到分群的用电客户数据的步骤包括：根据所述细分指标，将每个所述用电客户数据的各个细分指标的属性值与所述预设的决策树细分模型进行匹配，得到分群的用电客户数据。
3.根据权利要求1所述的基于用电客户细分的服务推送方法，其特征在于，还包括对所述用电客户数据进行预处理的步骤，所述预处理步骤为：根据所述预设的细分指标，逐个将每个用电客户数据中每个细分指标中的属性值与预设的异常区间进行匹配，若匹配成功则删除当前的用电客户数据。
4.一种基于用电客户细分的服务推送系统，其特征在于，包括：
获取模块，用于获取需分群的用电客户数据；
计算模块，用于根据预设的细分指标，通过预设的细分模型对所述需分群的用电客户数据进行细分计算，得到分群的用电客户数据；
推送模块，用于将预设的分类服务信息对应推送至每个所述分群后的用电客户；
每个用电客户数据中包含多个属性数据，细分指标即所述用电客户数据中的一个或多个属性数据；
每个用电客户数据中包括的属性数据有年总电量、月平均电量、缴费金额、欠费金额、用电时长、电量增长率；
所述预设的细分模型为聚类细分模型，所述计算模块用于：
根据预设的分群个数，从用电客户数据中选取k个用电客户数据作为k个群组的聚类中心，其中，k等于所述预设的分群个数；
根据所述细分指标，读取每个用电客户数据中各个所述细分指标的属性值和每个群组中作为聚类中心的用电客户数据中各个所述细分指标的属性值，计算每个用电客户数据和各个作为聚类中心的用电客户的距离，根据计算的距离值将当前的所述用电客户数据分配至距离值最小的所述群组中；
在分配一个所述用电客户数据至所述群组后，重新计算所述群组的聚类中心；
分配完所有用电客户数据后，获得所述分群的用电客户数据；
所述计算每个用电客户数据和各个作为聚类中心的用电客户的距离的步骤为：根据公式计算每个用电客户数据中各个所述细分指标的属性值分别与每个群组中作为聚类中心的用电客户数据中各个所述细分指标的属性值的距离；
其中，||xi-cj||为所述距离，xi为所述用电客户数据，cj为群组j的聚类中心，m为所述细分指标的个数，xil为所述用电客户数据中第l个细分指标的属性值，cjl为群组j的聚类中心的第l个细分指标的属性值。
5.根据权利要求4所述的基于用电客户细分的服务推送系统，其特征在于，所述预设的细分模型为预设的决策树细分模型，所述计算模块用于：根据所述细分指标，将每个所述用电客户数据的各个细分指标的属性值与所述预设的决策树细分模型进行匹配，得到分群的用电客户数据。
6.根据权利要求4所述的基于用电客户细分的服务推送系统，其特征在于，还包括预处理模块，用于所述预设的细分指标，逐个将每个用电客户数据中每个细分指标中的属性值与预设的异常区间进行匹配，若匹配成功则删除当前的用电客户数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310206882.2A CN103325067B (zh) | 2013-05-29 | 2013-05-29 | 基于用电客户细分的服务推送方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310206882.2A CN103325067B (zh) | 2013-05-29 | 2013-05-29 | 基于用电客户细分的服务推送方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103325067A CN103325067A (zh) | 2013-09-25 |
| CN103325067B true CN103325067B (zh) | 2017-08-04 |
Family
ID=49193791
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310206882.2A Active CN103325067B (zh) | 2013-05-29 | 2013-05-29 | 基于用电客户细分的服务推送方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103325067B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104657907B (zh) * | 2013-11-21 | 2018-06-01 | 国家电网公司 | 电力系统信息的处理方法、装置及系统 |
| CN106651424B (zh) * | 2016-09-28 | 2020-05-22 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的电力用户画像建立与分析方法 |
| CN106557956A (zh) * | 2016-11-29 | 2017-04-05 | 国网山东省电力公司电力科学研究院 | 一种关于配置客户缴费服务信息推送策略的方法 |
| CN106776879A (zh) * | 2016-11-29 | 2017-05-31 | 国网山东省电力公司电力科学研究院 | 一种客户缴费服务信息推送方法 |
| CN107403263B (zh) * | 2017-07-19 | 2021-03-16 | 国网江苏省电力公司电力科学研究院 | 一种电力大客户用电需求识别方法 |
| CN108256923A (zh) * | 2018-01-30 | 2018-07-06 | 长安大学 | 一种基于车辆通行特征的etc客户细分方法 |
| CN110728539A (zh) * | 2019-10-09 | 2020-01-24 | 重庆特斯联智慧科技股份有限公司 | 一种基于大数据的顾客差异化管理的方法及装置 |
| CN113094615B (zh) * | 2019-12-23 | 2024-03-01 | 中国石油天然气股份有限公司 | 消息推送方法、装置、设备和存储介质 |
| CN112150271A (zh) * | 2020-09-23 | 2020-12-29 | 上海维信荟智金融科技有限公司 | 一种客户分群方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102999812A (zh) * | 2012-11-14 | 2013-03-27 | 奉化市供电局 | 一种信息管理方法及系统 |
-
2013
- 2013-05-29 CN CN201310206882.2A patent/CN103325067B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102999812A (zh) * | 2012-11-14 | 2013-03-27 | 奉化市供电局 | 一种信息管理方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 模糊聚类在电力用户分类中的应用;段铷等;《电力需求侧管理》;20050930;第7卷(第5期);第22-24页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103325067A (zh) | 2013-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103325067B (zh) | 基于用电客户细分的服务推送方法和系统 | |
| CN107220732B (zh) | 一种基于梯度提升树的停电投诉风险预测方法 | |
| CN108280541A (zh) | 基于随机森林和决策树的客户服务策略制定方法、装置 | |
| CN109063945A (zh) | 一种基于价值评估体系的售电公司360度客户画像构建方法 | |
| CN110119948B (zh) | 基于时变权重动态组合的电力用户信用评价方法及系统 | |
| CN107908738A (zh) | 基于电力专业词库的企业级知识图谱搜索引擎的实现方法 | |
| CN108364187A (zh) | 一种基于停电敏感特性的停电敏感用户确定方法和系统 | |
| CN109359868A (zh) | 一种电网用户画像的构建方法及系统 | |
| CN109685567A (zh) | 一种基于卷积神经网络和模糊聚类的用电客户画像新方法 | |
| CN106991577A (zh) | 一种确定目标用户的方法及装置 | |
| CN106295969A (zh) | 电力客户价值分群的一种加权K‑means方法 | |
| CN108399553A (zh) | 一种考虑地理和线路从属关系的用户特征标签设定方法 | |
| CN107895017A (zh) | 一种基于大数据技术的电能质量监测系统构建方法 | |
| CN105976188A (zh) | 一种多渠道客户信息处理系统及处理方法 | |
| CN101621823A (zh) | 一种对移动通信数据业务客户画像的精确构建方法 | |
| CN111160404A (zh) | 配电网线损标杆合理值的分析方法及装置 | |
| CN114519514A (zh) | 一种低压台区合理线损值测算方法、系统及计算机设备 | |
| CN106952055A (zh) | 顾客价值的细分方法、系统及具有该系统的电子设备 | |
| CN107274001A (zh) | 一种基于数据挖掘的用电客户流失电量预测方法 | |
| Prilistya et al. | Tourism demand time series forecasting: A systematic literature review | |
| CN107403263B (zh) | 一种电力大客户用电需求识别方法 | |
| CN106779245B (zh) | 基于事件的民航需求预测方法和装置 | |
| Chen et al. | A power line loss analysis method based on boost clustering | |
| CN109885797B (zh) | 一种基于多身份空间映射的关系网络构建方法 | |
| CN116662860A (zh) | 一种基于能源大数据的用户画像与分类方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |