CN106779494A - 一种航天遥感应用技术成熟度判定方法及系统 - Google Patents
一种航天遥感应用技术成熟度判定方法及系统 Download PDFInfo
- Publication number
- CN106779494A CN106779494A CN201710052017.5A CN201710052017A CN106779494A CN 106779494 A CN106779494 A CN 106779494A CN 201710052017 A CN201710052017 A CN 201710052017A CN 106779494 A CN106779494 A CN 106779494A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- atrl
- grade
- sensing information
- grades
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Factory Administration (AREA)
Abstract
一种航天遥感应用技术成熟度判定方法及系统,通过量化航天遥感有效载荷信息产品生产技术的发展过程,建立包括载荷相关维(ATRLP)和工艺相关维(ATRLT)的二维查找表,提出应用技术成熟度指数计算方法,并利用动态阈值对应用技术发展水平进行判定,从而确定ATRLT以及ATRLP等级。本发明量化了载荷应用技术成熟过程,使其能与载荷技术协同发展,为应用技术在航天遥感发展规划中的遴选提供依据,也为载荷应用性能确定和效能提升提供参考。
Description
技术领域
本发明涉及一种航天遥感应用技术分析领域。
背景技术
在航天发展活动中,为适应复杂的技术集成任务的管理,提升系统整体技术水平,技术成熟度(Technology Readiness Levels,TRL)应用而生,它描绘了技术相对于某个具体系统或项目而言所处的发展状态,反映了对预期目标的满足程度。
当前的航天科技成熟度分析主要针对载荷及型号产品的发展,无法对同时受载荷数据品质和数据处理技术影响的应用技术水平做出客观判定。由于缺乏专门针对航天遥感应用技术水平进行分析判定的方法及系统,载荷、制造、应用的协同规划与管理收到限制,不利于我国航天遥感载荷应用效能的提升。为客观界定不同应用技术发展所处阶段,使其与载荷研发、制造协同发展,需要用一种应用技术成熟度(Application TechnologyReadiness Levels,ATRL)判定方法来衡量应用水平,从而提高航天遥感数据的应用效能与载荷研发效率。
发明内容
为解决上述问题,本发明提出了一种航天遥感应用技术成熟度判定方法及系统,步骤如下:
步骤一,根据航天遥感应用领域和目标,确定遥感信息产品类型及用以获取原始遥感数据的有效载荷,建立二维查找表;
步骤二,根据查找表获取航天遥感应用技术成熟度维度信息,其中,所述维度信息包含遥感信息产品生产有效载荷相关维度(简称载荷维,ATRLP)和遥感信息产品生产工艺相关维度(简称工艺维,ATRLT);
步骤三,确定ATRLT各等级的检查要素Hi及要素权重Wi,其中Wi的基准值为1,并根据对应检查内容的重要程度进行调整,每一等级内检查要素权重之和等于该等级内要素数目N,如公式(1)所示:
步骤四,对待评ATRLT等级M(1<M<11)的检查要素Hi执行检查,对于要素i,如果检查通过,则Hi=1,否则Hi=0;
步骤五,根据公式(2)计算应用技术成熟度指数C:
步骤六,预先设定阈值T1=σ1N及T2=σ2N,其中σ1和σ2为临界系数且σ1<σ2,如果C<T1,则进入M-1级待评;如果T1≤C≤T2,则可宣称达到M级,但部分该等级工作仍有待完成,是否继续提升本级别成熟度指数取决于未完工作的重要性;如果C>T2,则已事实达到M级,并进入M+1级待评;
步骤七,统计相关遥感信息产品实际生产工艺中涉及到的数据及其来源,根据数据对载荷的依赖性及相关判定依据,确定ATRLP等级P(1≤P≤6)。
其中,所述ATRLP为遥感信息产品生产对遥感有效载荷依赖程度的量化,反映载荷设计对信息产品生产效率的影响,其将载荷维应用技术成熟度量化为6个等级,1级最高,6级最低,相关判定依据如下:
ATRLP等级1判断依据:遥感信息产品由单一载荷数据生产;
ATRLP等级2判断依据:遥感信息产品由单星多载荷数据生产;
ATRLP等级3判断依据:遥感信息产品由多星多载荷数据生产;
ATRLP等级4判断依据:遥感信息产品由单一载荷数据结合辅助数据生产;
ATRLP等级5判断依据:遥感信息产品由单一卫星多载荷数据结合辅助数据生产;
ATRLP等级6判断依据:遥感信息产品由多星多载荷数据结合辅助数据生产。
其中,所述ATRLT为品质要求遥感信息产品批量生产能力的量化,反映数据处理或生产工艺对信息产品生产效率的影响,其将工艺维应用技术成熟度量化为11个等级,1级最低,11级最高,每个等级的判定均由成熟度指数C的阈值确定,如判定结果为事实达到(即C>T2),则各等级达成标志客观描述如下:
ATRLT等级1达成标志:明确应用需求,提出基本概念、推论及应用设想,完成理论及概念分析;
ATRLT等级2达成标志:明确相关遥感数据处理技术手段;
ATRLT等级3达成标志:完成遥感信息产品设计,证明数据处理技术手段合理,有效响应需求;
ATRLT等级4达成标志:完成遥感应用原理演示验证,证明无颠覆性问题;
ATRLT等级5达成标志:集成遥感信息产品处理算法,完成遥感信息产品生产业务示范系统开发及检验,明确载荷应用指标;
ATRLT等级6达成标志:明确遥感信息产品规格,完成遥感信息产品生产原型系统开发及测试,功能指标满足;
ATRLT等级7达成标志:完成遥感信息产品生产业务系统开发测试,性能指标满足;
ATRLT等级8达成标志:遥感信息产品生产系统业务运行,产品品质过检;
ATRLT等级9达成标志:遥感信息产品生产系统业务长期稳定运行,需求满足;
ATRLT等级10达成标志:形成按需所得的产品级服务,形成遥感应用市场;
ATRLT等级11达成标志:用户群稳定,形成完善的业务/产业链。
其中,所述品质要求指对遥感信息产品的品种、质量、规格、规模、时效性的需求。
其中,数据处理和生产工艺均包括标定、校正、融合、增强、分类、识别、反演、同化的一种或多种。
本发明还提出了一种航天遥感应用技术成熟度判定系统,包括:
二维查找表建立模块,根据航天遥感应用领域和目标,确定遥感信息产品类型及用以获取原始遥感数据的有效载荷,建立二维查找表;
维度信息获取模块,根据查找表获取航天遥感应用技术成熟度维度信息,其中,所述维度信息包含遥感信息产品生产有效载荷相关维度(简称载荷维,ATRLP)和遥感信息产品生产工艺相关维度(简称工艺维,ATRLT);
ATRLT预处理模块,确定ATRLT各等级的检查要素Hi及要素权重Wi,其中Wi的基准值为1,并根据对应工作内容的重要程度进行调整,每一等级内检查要素权重之和等于该等级内要素数目N;
ATRLT等级检查模块,对待评ATRLT等级M(1<M<11)的检查要素Hi执行检查,对于要素i,如果检查通过,则Hi=1,否则Hi=0;
应用技术成熟度指数计算模块,根据应用技术成熟度指数计算公式:计算得到应用技术成熟度指数C;
ATRLT等级判定模块,预先设定阈值T1=σ1N及T2=σ2N,其中σ1和σ2为临界系数且σ1<σ2,如果C<T1,则进入M-1级待评;如果T1≤C≤T2,则可宣称达到M级,但部分该等级工作仍有待完成,是否继续提升本级别成熟度指数取决于未完工作的重要性;如果C>T2,则已事实达到M级,并进入M+1级待评;
ATRLP等级判定模块,统计相关遥感信息产品实际生产工艺中涉及到的数据及其来源,根据数据对载荷的依赖性及相关判定依据,确定ATRLP等级P(1≤P≤6)。
其中,所述ATRLP为遥感信息产品生产对遥感有效载荷依赖程度的量化,反映载荷设计对信息产品生产效率的影响,其将载荷维应用技术成熟度量化为6个等级,1级最高,6级最低。
其中,所述ATRLT为品质要求遥感信息产品批量生产能力的量化,反映数据处理或生产工艺对信息产品生产效率的影响,其将工艺维应用技术成熟度量化为11个等级,1级最低,11级最高,每个等级的判定均由成熟度指数C的阈值确定,不考虑载荷维影响时,可用ATRLT表征应用技术成熟度总体水平。
其中,所述品质要求指对遥感信息产品的品种、质量、规格、规模、时效性的需求。
其中,数据处理和生产工艺均包括标定、校正、融合、增强、分类、识别、反演、同化的一种或多种。
本发明与现有技术相比有如下优点:
通过量化品质要求遥感信息产品的生产能力,对航天遥感有效载荷应用技术成熟度水平进行计算和客观判定,并构建各等级检查要素,能够将复杂多样的遥感应用技术置于一个统一的发展水平度量体系中,形成与技术成熟度、制造成熟度、产品成熟度相对应的应用技术成熟度框架,提升航天有效载荷应用效能。
附图说明
附图1为本发明航天遥感应用技术成熟度二维查找表。
附图2为本发明航天遥感应用技术成熟度判定过程的流程图。
具体实施方式
本发明提供一种航天遥感应用技术成熟度判定方法及系统。该方法首先建立航天遥感应用技术成熟度二维查找表,如图1所示。根据遥感信息产品生产效率客观制约因素,将遥感应用技术成熟度各维度划分不同等级:在载荷维,依据遥感信息产品生产对遥感有效载荷依赖程度,将其划分为6个等级;在工艺维,根据品质要求遥感信息产品批量生产能力,将其划分为11个等级,并确定各等级评价要素及其权重。最后,根据应用技术成熟度指数公式,计算并确定最终成熟度等级。具体实施步骤如图2所示。
由二维查找表分解航天遥感应用技术成熟度维度,包括2个维度:遥感信息产品生产有效载荷相关维(Payload-relativity,ATRLP)和遥感信息产品生产工艺相关维(Technology-relativity,ATRLT);
所述遥感信息产品指有效载荷原始数据经数据处理、面向应用需求的遥感产品;
所述ATRLP为遥感信息产品生产对遥感有效载荷依赖程度的量化,反映载荷设计对信息产品生产效率的影响;
所述ATRLT为品质要求遥感信息产品批量生产能力的量化,反映数据处理或生产工艺对信息产品生产效率的影响,在不考虑载荷维影响时,可用ATRLT表征应用技术成熟度总体水平;
所述品质要求指对遥感信息产品品种、质量、规格、规模、时效性等的需求;
所述数据处理包括标定、校正、融合、增强、分类、识别、反演、同化等一个过程或多个过程的组合;
根据载荷信息产品生产对载荷及卫星数据的依赖性,将ATRLP量化为6级别,1级成熟度最高,6级最低,并根据表1所示判定依据,确定ATRLP等级,如同时满足多级别判定标准,技术归于较高级别;
表1
根据信息产品生产技术发展的生命周期,将ATRLT量化为11个级别,1级成熟度最低,11级最高,每个等级的判定依据均由成熟度指数的阈值确定,各等级达成标志及验证手段如表2所示;
表2
根据应用技术发展所需完成的工作,确定ATRLT各等级的检查要素Hi及要素权重Wi,其中Wi的基准值为1,其取值的变化依赖于对应工作内容的重要程度,每一等级内检查要素权重之和等于该等级内要素数目N,表3~表14依次表示应用技术成熟度工艺维等级1的检查要素表到等级11的检查要素表。
表3
表4
表5
表6
表7
表8
表9
表10
表11
表12
表13
对待评ATRLT等级M(1<M<11)的检查要素执行检查,对于要素i,如果检查通过,则Hi=1,否则Hi=0.定义应用技术成熟度指数并设立阈值T1=σ1N及T2=σ2N,其中σ1和σ2为临界系数且σ1<σ2,通常取σ1=0.68,σ2=0.8.
根据指数C计算的ATRLT等级M进行评定,如果C<T1,则认为尽管开展了部分M级的工作,但尚应用技术未达到M级成熟度,其水平落入M-1级待评;如果T1≤C≤T2,则认为应用技术可宣称达到M级成熟度,但部分该等级工作仍有待完成,是否继续提升本级别成熟度指数取决于未完工作的重要性;如果C>T2,则认为应用技术已达到M级成熟度,并进入M+1级待评;
对完成ATRLT评定的技术进行载荷维应用技术成熟度评定,统计产品实际生产工艺中涉及到的数据及其来源,根据表1中的判定依据,确定ATRLP等级。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,包括根据实际项目对各等级检查要素及权重的调整,以及成熟度指数C计算过程中临界系数σ1和σ2的设定,这些改进、润饰、调整、系数设定也应视为本发明的保护范围。
Claims (10)
1.一种航天遥感应用技术成熟度判定方法,其特征在于,步骤如下:
步骤一,根据航天遥感应用领域和目标,确定遥感信息产品类型及用以获取原始遥感数据的有效载荷,建立二维查找表;
步骤二,根据查找表获取航天遥感应用技术成熟度维度信息,其中,所述维度信息包含遥感信息产品生产有效载荷相关维度(简称载荷维,ATRLP)和遥感信息产品生产工艺相关维度(简称工艺维,ATRLT);
步骤三,确定ATRLT各等级的检查要素Hi及要素权重Wi,其中Wi的基准值为1,并根据对应检查内容的重要程度进行调整,每一等级内检查要素权重之和等于该等级内要素数目N,如公式(1)所示:
步骤四,对待评ATRLT等级M(1<M<11)的检查要素Hi执行检查,对于要素i,如果检查通过,则Hi=1,否则Hi=0;
步骤五,根据公式(2)计算应用技术成熟度指数C:
步骤六,预先设定阈值T1=σ1N及T2=σ2N,其中σ1和σ2为临界系数且σ1<σ2,如果C<T1,则进入M-1级待评;如果T1≤C≤T2,则可宣称达到M级,但部分该等级工作仍有待完成,是否继续提升本等级成熟度指数取决于未完工作的重要性;如果C>T2,则已事实达到M级,并进入M+1级待评;
步骤七,统计相关遥感信息产品实际生产工艺中涉及到的数据及其来源,根据数据对载荷的依赖性及相关判定依据,确定ATRLP等级P(1≤P≤6)。
2.根据权利要求1所述的方法,其中,所述ATRLP为遥感信息产品生产对遥感有效载荷依赖程度的量化,反映载荷设计对信息产品生产效率的影响,其将载荷维应用技术成熟度量化为6个等级,1级最高,6级最低,相关判定依据如下:
ATRLP等级1判断依据:遥感信息产品由单一载荷数据生产;
ATRLP等级2判断依据:遥感信息产品由单星多载荷数据生产;
ATRLP等级3判断依据:遥感信息产品由多星多载荷数据生产;
ATRLP等级4判断依据:遥感信息产品由单一载荷数据结合辅助数据生产;
ATRLP等级5判断依据:遥感信息产品由单一卫星多载荷数据结合辅助数据生产;
ATRLP等级6判断依据:遥感信息产品由多星多载荷数据结合辅助数据生产。
3.根据权利要求1所述的方法,其中,所述ATRLT为品质要求遥感信息产品批量生产能力的量化,反映数据处理或生产工艺对信息产品生产效率的影响,其将工艺维应用技术成熟度量化为11个等级,1级最低,11级最高,每个等级的判定均由成熟度指数C的阈值确定,如判定结果为事实达到(即C>T2),则各等级达成标志的客观描述如下:
ATRLT等级1达成标志:明确应用需求,提出基本概念、推论及应用设想,完成理论及概念分析;
ATRLT等级2达成标志:明确相关遥感数据处理技术手段;
ATRLT等级3达成标志:完成遥感信息产品设计,证明数据处理技术手段合理,有效响应需求;
ATRLT等级4达成标志:完成遥感应用原理演示验证,证明无颠覆性问题;
ATRLT等级5达成标志:集成遥感信息产品处理算法,完成遥感信息产品生产业务示范系统开发及检验,明确载荷应用指标;
ATRLT等级6达成标志:明确遥感信息产品规格,完成遥感信息产品生产原型系统开发及测试,功能指标满足;
ATRLT等级7达成标志:完成遥感信息产品生产业务系统开发测试,性能指标满足;
ATRLT等级8达成标志:遥感信息产品生产系统业务运行,产品品质过检;
ATRLT等级9达成标志:遥感信息产品生产系统业务长期稳定运行,需求满足;
ATRLT等级10达成标志:形成按需所得的产品级服务,形成遥感应用市场;
ATRLT等级11达成标志:用户群稳定,形成完善的业务/产业链。
4.根据权利要求3所述的方法,其中,所述品质要求指对遥感信息产品的品种、质量、规格、规模、时效性的需求。
5.根据权利要求1-3中的任一项所述的方法,其中,数据处理和生产工艺均包括标定、校正、融合、增强、分类、识别、反演、同化的一种或多种。
6.一种航天遥感应用技术成熟度判定系统,其特征在于,包括:
二维查找表建立模块,根据航天遥感应用领域和目标,确定遥感信息产品类型及用以获取原始遥感数据的有效载荷,建立二维查找表;
维度信息获取模块,根据查找表获取航天遥感应用技术成熟度维度信息,其中,所述维度信息包含遥感信息产品生产有效载荷相关维度(简称载荷维,ATRLP)和遥感信息产品生产工艺相关维度(简称工艺维,ATRLT);
ATRLT预处理模块,确定ATRLT各等级的检查要素Hi及要素权重Wi,其中Wi的基准值为1,并根据对应工作内容的重要程度进行调整,每一等级内检查要素权重之和等于该等级内要素数目N;
ATRLT等级检查模块,对待评ATRLT等级M(1<M<11)的检查要素Hi执行检查,对于要素i,如果检查通过,则Hi=1,否则Hi=0;
应用技术成熟度指数计算模块,根据应用技术成熟度指数计算公式:计算得到应用技术成熟度指数C;
ATRLT等级判定模块,预先设定阈值T1=σ1N及T2=σ2N,其中σ1和σ2为临界系数且σ1<σ2,如果C<T1,则进入M-1级待评;如果T1≤C≤T2,则可宣称达到M级,但部分该等级工作仍有待完成,是否继续提升本等级成熟度指数取决于未完工作的重要性;如果C>T2,则已事实达到M级,并进入M+1级待评;
ATRLP等级确定模块,结合步骤六的判定结果统计产品实际生产工艺中涉及到的数据及其来源确定ATRLP等级。
7.根据权利要求6所述的系统,其中,所述ATRLP为遥感信息产品生产对遥感有效载荷依赖程度的量化,反映载荷设计对信息产品生产效率的影响,其将载荷维应用技术成熟度量化为6个等级,1级最高,6级最低。
8.根据权利要求6所述的系统,其中,所述ATRLT为品质要求遥感信息产品批量生产能力的量化,反映数据处理或生产工艺对信息产品生产效率的影响,其将工艺维应用技术成熟度量化为11个等级,1级最低,11级最高,每个等级的判定均由成熟度指数C的阈值确定,在不考虑载荷维影响时,可用ATRLT表征应用技术成熟度总体水平。
9.根据权利要求6所述的系统,其中,所述品质要求指对遥感信息产品的品种、质量、规格、规模、时效性的需求。
10.根据权利要求6-8中的任一项所述的系统,其中,数据处理和生产工艺均包括标定、校正、融合、增强、分类、识别、反演、同化的一种或多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710052017.5A CN106779494A (zh) | 2017-01-18 | 2017-01-18 | 一种航天遥感应用技术成熟度判定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710052017.5A CN106779494A (zh) | 2017-01-18 | 2017-01-18 | 一种航天遥感应用技术成熟度判定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106779494A true CN106779494A (zh) | 2017-05-31 |
Family
ID=58941674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710052017.5A Pending CN106779494A (zh) | 2017-01-18 | 2017-01-18 | 一种航天遥感应用技术成熟度判定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106779494A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730075A (zh) * | 2017-09-12 | 2018-02-23 | 西南石油大学 | 基于成熟度的航空产品研制过程控制方法 |
CN113656970A (zh) * | 2021-08-18 | 2021-11-16 | 中国航发动力股份有限公司 | 一种航空发动机产品工艺提升方法、系统、设备及介质 |
CN118171825A (zh) * | 2024-05-14 | 2024-06-11 | 中国人民解放军军事科学院战略评估咨询中心 | 一种影响航天遥感效果的要素分析方法 |
CN118568325A (zh) * | 2024-08-05 | 2024-08-30 | 威海中玻镀膜玻璃股份有限公司 | 基于信息安全的玻璃生产数据存储方法 |
-
2017
- 2017-01-18 CN CN201710052017.5A patent/CN106779494A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730075A (zh) * | 2017-09-12 | 2018-02-23 | 西南石油大学 | 基于成熟度的航空产品研制过程控制方法 |
CN113656970A (zh) * | 2021-08-18 | 2021-11-16 | 中国航发动力股份有限公司 | 一种航空发动机产品工艺提升方法、系统、设备及介质 |
CN118171825A (zh) * | 2024-05-14 | 2024-06-11 | 中国人民解放军军事科学院战略评估咨询中心 | 一种影响航天遥感效果的要素分析方法 |
CN118171825B (zh) * | 2024-05-14 | 2024-07-19 | 中国人民解放军军事科学院战略评估咨询中心 | 一种影响航天遥感效果的要素分析方法 |
CN118568325A (zh) * | 2024-08-05 | 2024-08-30 | 威海中玻镀膜玻璃股份有限公司 | 基于信息安全的玻璃生产数据存储方法 |
CN118568325B (zh) * | 2024-08-05 | 2024-10-18 | 威海中玻镀膜玻璃股份有限公司 | 基于信息安全的玻璃生产数据存储方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598337B (zh) | 基于分解模糊神经网络的二氧化硫浓度预测方法 | |
CN106779494A (zh) | 一种航天遥感应用技术成熟度判定方法及系统 | |
US10460236B2 (en) | Neural network learning device | |
CN111680841B (zh) | 基于主成分分析的短期负荷预测方法、系统及终端设备 | |
CN103235096A (zh) | 污水水质检测方法与装置 | |
CN114862062B (zh) | 环境承载力的预警方法、装置、电子设备和可读存储介质 | |
CN106897703A (zh) | 基于aga‑pkf‑svm的遥感影像分类方法 | |
CN112508734A (zh) | 基于卷积神经网络的电力企业发电量的预测方法及装置 | |
CN105574325B (zh) | 一种结合人口指标的中长期用电量预测方法 | |
CN110598909A (zh) | 一种基于相似日的电价预测方法 | |
CN110991729A (zh) | 一种基于迁移学习和多头注意力机制的负荷预测方法 | |
CN110310035A (zh) | 主动配电网综合评价方法、装置及存储介质 | |
Li et al. | A new grey forecasting model based on BP neural network and Markov chain | |
CN110009161A (zh) | 供水预测方法及装置 | |
CN109784748B (zh) | 一种市场竞争机制下用户用电行为辨识方法及装置 | |
CN105976057A (zh) | 一种基于改进灰色理论的中长期负荷预测方法 | |
CN112581311B (zh) | 一种多风电场聚合后出力长期波动特性预测方法及系统 | |
Dhulipala et al. | Bayesian Inference with Latent Hamiltonian Neural Networks | |
CN112365039B (zh) | 一种基于纵横相关性进行月度用电量预测的方法及系统 | |
CN110322063B (zh) | 一种耗电功率仿真预测方法及存储介质 | |
Wang et al. | The unemployment rate forecast model basing on bp neural network | |
Leemis | Simulation input modeling | |
Wang et al. | How the evolution of water transportation conditions and port throughput affected agricultural products logistics industry | |
Fradinata et al. | Initial optimal parameters of artificial neural network and support vector regression | |
CN112766683A (zh) | 食品企业信用评定方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170531 |
|
WD01 | Invention patent application deemed withdrawn after publication |