CN108647861A - 一种基于潜类选择模型的用电客户区分方法 - Google Patents
一种基于潜类选择模型的用电客户区分方法 Download PDFInfo
- Publication number
- CN108647861A CN108647861A CN201810359302.6A CN201810359302A CN108647861A CN 108647861 A CN108647861 A CN 108647861A CN 201810359302 A CN201810359302 A CN 201810359302A CN 108647861 A CN108647861 A CN 108647861A
- Authority
- CN
- China
- Prior art keywords
- vector
- individual
- selection
- assuming
- probability
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000011218 segmentation Effects 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 230000003340 mental effect Effects 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 5
- 101100379079 Emericella variicolor andA gene Proteins 0.000 claims description 3
- 239000012141 concentrate Substances 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于潜类选择模型的用电客户区分方法,其通过建立一个结合了潜在模型和离散选择模型的分类模型,以决策者的实用性最大化目的为基础,假设居民能量消费者是由存在有限数量的个体(即类别或片段)的异质群体所构成的,并且每个群体都有其同质偏好结构。不同潜在类成员的特征是个体的社会人口背景以及其他一些心理测量和态度因素。不同消费者面临不同的电力替代产品时,假定其从某个替代品中获得一定程度的效用,本发明与现有技术相比优点在于可以基于在缺乏实际市场数据的情况下来提供关于电力客户中优先选择产品的问题。为售电公司提供客户分类和营销策略的科学依据。
Description
技术领域
本发明涉及售电市场、电力用户评估技术领域,具体涉及一种基于潜类选择模型的用电客户区分方法。
背景技术
随着新一轮电力改革的深入推进,电力行业迎来深层次的变革,其中放开售电市场是新电改中极为重要的部分之一,也是最引人注目的部分。售电侧的有效竞争将大力推动电力市场向着更有活力、更有效率、更加公平、更加便利的方向发展,其直接作用是促进发电企业、节能服务企业、互联网企业等企业进入售电市场。目前,全国已有至少1422家售电公司完成工商注册,众多的售电公司和过剩的发电资源将加速售电市场向买方市场转化,电网企业的售电业务将面临激烈的市场竞争。
在此背景下,电网企业需立足于对国内售电市场的深入剖析,吸收国际开放售电环境下电网公司售电服务开展的成功经验,加速推动售电业务市场营销改革,准确评估市场形势与自身的售电服务竞争力,尽快适应开放售电市场环境,提高售电业务的盈利、竞争服务等综合能力。随着售电市场竞争加剧,为用户提供专业的用电用能增值服务将成为售电企业未来核心竞争力的关键。为更好应对未来售电放开的市场竞争环境,市场亟需一种基于潜类选择模型的用电客户区分方法。
发明内容
本发明的目的就是要针对现有技术的不足,提供一种基于潜类选择模型的用电客户区分方法,其可以帮助售电公司来解释不同消费群体如何受到电力产品属性变化的影响,以及消费者的社会人口特性是如何影响他们对电力产品的选择过程。
为实现上述目的,本发明所涉及的一种基于潜类选择模型的用电客户区分方法,包括如下步骤:
步骤1:假设消费者面临多种替代电力产品,并从某个替代品中获得一定程度的效用,指定消费者在选择场合选择电力产品替代品的可能性,将效用分解为确定性分量和随机分量;
步骤2:假设消费者从有限选择集中选替代电力产品的概率,等于从选择集中获得的实用性大于或等于在该选择集中选择任何其他替代产品效用的概率,并推导出条件逻辑模型;
步骤3:假设在总体中有多个分段,并且在给定的选择时刻中,个人属于某个分段,将消费者细分,计算所有选择情景的选择概率;
步骤4:属于某个特定部分的个体成员可能性函数可以通过个体的社会人口学特征和观察到的潜在构念指标来确定,两个观测变量和与潜类变量有关,将其整合成一个单独的向量,计算成员可能性函数;
步骤5:假设误差项是独立分布于个体之间的极值分布,计算用户属于潜类的概率,和用户个体属于其中某类并选择替代的联合概率。
进一步地,所述步骤1中:
假设消费者面临J种替代电力产品,并且假定其从某个替代品中获得一定程度的效用Uij(i=1,2,3,...,N,j=1,2,3,...,J),但消费者i在选择场合选择电力产品替代品j的可能性被指定为:
Pij=Prob{Uij>Uik,k≠j} (1)
将效用分解为确定性分量Vij和随机分量εij,表示为:
Uij=Vij+εij,j=1,2,...,J (2)
确定性分量Vij用线性函数来表示:
Vij=βijXij (3)
其中Xij表示观测变量的向量,βij是未观测系数的向量,
随机分量εij则包括了所有对效用存在影响但不在Vij中的因素。
进一步地,所述步骤2中:
假设消费者从有限选择集C中选替代电力产品j的概率等于从选择集J中获得的实用性大于或等于在该选择集中选择任何其他替代产品效用的概率:
设随机分量εij在极值分布方面是相同且独立分布的,推导条件逻辑模型的公式为:
其中:X表示观测变量,即电力产品属性的向量和参数向量。
更进一步地,所述步骤3中:
假设在总体中有S个分段,并且在给定的选择时刻t中,个人i属于分段s(s=1,...,S),则式(2)可以变形为:
Uijs=βsXit,j+εijs,j=1,...,J (6)
其中分段s是第j个选择的特定向量,j和X也是如此,
在消费者细分中,所有选择情景C的选择概率的计算公式为:
其中:s代表段特定效用,X为观测变量的向量。
进一步地,所述步骤4中:
属于某个特定部分的个体i的成员可能性函数可以通过个体的社会人口学特征和观察到的潜在构念指标来确定,其计算公式为:
Pi *=βpPi+ζip (7)
式中Pi *是基于潜在心理测量学所构造关于用户i的向量,Si是用户i所具备的社会人口统计学特征,Pi是用户i存在的潜在观念的观察指标向量,Γ和βp是带估计的参数量,ζ是误差项;
将两个观测变量Si和Pi与潜类变量整合成一个单独的向量Zi,成员可能性函数的计算公式为:
其中λs代表参数矢量,Zi代表用户i的心理测量结构Pi和社会经济特征Si的向量。
更进一步地,所述步骤5中:
假设误差项ζis是独立分布于个体之间的极值分布,则用户i属于潜类的概率计算公式为:
通过多项式逻辑模型的数学假设:若0<Pi(s)<1且作为该方法的基本条件,则用户个体i属于s类并选择替代j的联合概率Pi(j)的计算公式为:
本发明的优点在于:其调查文件较为简单,可以通过网络进行散发;在分类算法上采用确定性和不确定性分析相结合的方法,分析结果更准确。其提供一种基于潜类选择模型的用电客户区分方法,基于问卷调查和构建了一个潜类分析的模型,可以对用电客户对于不同电力产品的购买意愿进行区分,用以帮助售电公司来解释不同消费群体如何受到电力产品属性变化的影响,以及消费者的社会人口特性是如何影响他们对电力产品的选择过程。
具体实施方式
下面结合具体实施例对本发明作进一步的详细描述:
一种基于潜类选择模型的用电客户区分方法,包括如下步骤:
步骤1:假设消费者面临多种替代电力产品,并从某个替代品中获得一定程度的效用,指定消费者在选择场合选择电力产品替代品的可能性,将效用分解为确定性分量和随机分量,其具体方法为:
假设消费者面临J种替代电力产品,并且假定其从某个替代品中获得一定程度的效用Uij(i=1,2,3,...,N,j=1,2,3,...,J),但消费者i在选择场合选择电力产品替代品j的可能性被指定为:
Pij=Prob{Uij>Uik,k≠j} (1)
将效用分解为确定性分量Vij和随机分量εij,表示为:
Uij=Vij+εij,j=1,2,...,J (2)
确定性分量Vij用线性函数来表示:
Vij=βijXij (3)
其中Xij表示观测变量的向量,βij是未观测系数的向量,
随机分量εij则包括了所有对效用存在影响但不在Vij中的因素。
步骤2:假设消费者从有限选择集中选替代电力产品的概率,等于从选择集中获得的实用性大于或等于在该选择集中选择任何其他替代产品效用的概率,并推导出条件逻辑模型,其具体方法为:
假设消费者从有限选择集C中选替代电力产品j的概率等于从选择集J中获得的实用性大于或等于在该选择集中选择任何其他替代产品效用的概率:
设随机分量εij在极值分布方面是相同且独立分布的,推导条件逻辑模型的公式为:
其中:X表示观测变量,即电力产品属性的向量和参数向量。
步骤3:假设在总体中有多个分段,并且在给定的选择时刻中,个人属于某个分段,将消费者细分,计算所有选择情景的选择概率,其具体方法为:假设在总体中有S个分段,并且在给定的选择时刻t中,个人i属于分段s(s=1,...,S),则式(2)可以变形为:
Uijs=βsXit,j+εijs,j=1,...,J (6)
其中分段s是第j个选择的特定向量,j和X也是如此,
在消费者细分中,所有选择情景C的选择概率的计算公式为:
其中:s代表段特定效用,X为观测变量的向量。
步骤4:属于某个特定部分的个体成员可能性函数可以通过个体的社会人口学特征和观察到的潜在构念指标来确定,两个观测变量和与潜类变量有关,将其整合成一个单独的向量,计算成员可能性函数,其具体方法为:
属于某个特定部分的个体i的成员可能性函数可以通过个体的社会人口学特征和观察到的潜在构念指标来确定,其计算公式为:
Pi *=βpPi+ζip (7)
式中Pi *是基于潜在心理测量学所构造关于用户i的向量,Si是用户i所具备的社会人口统计学特征,Pi是用户i存在的潜在观念的观察指标向量,Γ和βp是带估计的参数量,ζ是误差项;
将两个观测变量Si和Pi与潜类变量整合成一个单独的向量Zi,成员可能性函数的计算公式为:
其中λs代表参数矢量,Zi代表用户i的心理测量结构Pi和社会经济特征Si的向量。
步骤5:假设误差项是独立分布于个体之间的极值分布,计算用户属于潜类的概率,和用户个体属于其中某类并选择替代的联合概率,其具体方法为:
假设误差项ζis是独立分布于个体之间的极值分布,则用户i属于潜类的概率计算公式为:
通过多项式逻辑模型的数学假设:若0<Pi(s)<1且作为该方法的基本条件,则用户个体i属于s类并选择替代j的联合概率Pi(j)的计算公式为:
本发明在实际使用时:
其通过建立一个结合了潜在模型和离散选择模型的分类模型,以决策者的实用性最大化目的为基础,假设居民能量消费者是由存在有限数量的个体(即类别或片段)的异质群体所构成的,并且每个群体都有其同质偏好结构。不同潜在类成员的特征是个体的社会人口背景以及其他一些心理测量和态度因素。不同消费者面临不同的电力替代产品时,假定其从某个替代品中获得一定程度的效用,本发明与现有技术相比优点在于可以基于在缺乏实际市场数据的情况下来提供关于电力客户中优先选择产品的问题。为售电公司提供客户分类和营销策略的科学依据。
如表1,为了保证上述方法的合理性,本发明还设计了与这个方法所匹配的调查问卷,设计问卷分为三部分。在第一部分中,有关家庭当前用电量,对供应商的满意度以及对中国电力市场的了解方面提出了许多问题。第二部分是关于不同类型电力产品之间选择的实证研究,以及旨在收集消费者对采用绿色电力的看法的一系列问题。消费者对绿色电力采用的看法的测量建立在两个方面:创新采用视角和绿色消费。购买可再生能源电力可被视为环保行为,因为这类绿色电力的问题是与环境相关的社会价值密切相关,即绿色电力的消耗对环境影响最小。这种环保行为通常被认为是绿色消费。验证性因素分析用于验证这些结构。这些测量结构被用作潜在类建模的协变量来描述潜在消费者细分的特征。最后一部分是关于受访者的社会经济和人口背景的分类问题。
表1调查问卷
最后,应当指出,以上实施例仅是本发明较有代表性的例子。显然,本发明不限于上述实施例,还可以有许多变形。凡依据本发明的方法实质对以上实施例所做的任何简单修改、等同变化及修饰,均应认为属于本发明的保护范围。
Claims (6)
1.一种基于潜类选择模型的用电客户区分方法,其特征在于:包括如下步骤:
步骤1:假设消费者面临多种替代电力产品,并从某个替代品中获得一定程度的效用,指定消费者在选择场合选择电力产品替代品的可能性,将效用分解为确定性分量和随机分量;
步骤2:假设消费者从有限选择集中选替代电力产品的概率,等于从选择集中获得的实用性大于或等于在该选择集中选择任何其他替代产品效用的概率,并推导出条件逻辑模型;
步骤3:假设在总体中有多个分段,并且在给定的选择时刻中,个人属于某个分段,将消费者细分,计算所有选择情景的选择概率;
步骤4:属于某个特定部分的个体成员可能性函数可以通过个体的社会人口学特征和观察到的潜在构念指标来确定,两个观测变量和与潜类变量有关,将其整合成一个单独的向量,计算成员可能性函数;
步骤5:假设误差项是独立分布于个体之间的极值分布,计算用户属于潜类的概率,和用户个体属于其中某类并选择替代的联合概率。
2.根据权利要求1所述的一种基于潜类选择模型的用电客户区分方法,其特征在于:所述步骤1中:
假设消费者面临J种替代电力产品,并且假定其从某个替代品中获得一定程度的效用Uij(i=1,2,3,...,N,j=1,2,3,...,J),但消费者i在选择场合选择电力产品替代品j的可能性被指定为:
Pij=Prob{Uij>Uik,k≠j} (1)
将效用分解为确定性分量Vij和随机分量εij,表示为:
Uij=Vij+εij,j=1,2,...,J (2)
确定性分量Vij用线性函数来表示:
Vij=βijXij (3)
其中Xij表示观测变量的向量,βij是未观测系数的向量,
随机分量εij则包括了所有对效用存在影响但不在Vij中的因素。
3.根据权利要求2所述的一种基于潜类选择模型的用电客户区分方法,其特征在于:所述步骤2中:
假设消费者从有限选择集C中选替代电力产品j的概率等于从选择集J中获得的实用性大于或等于在该选择集中选择任何其他替代产品效用的概率:
设随机分量εij在极值分布方面是相同且独立分布的,推导条件逻辑模型的公式为:
其中:X表示观测变量,即电力产品属性的向量和参数向量。
4.根据权利要求3所述的一种基于潜类选择模型的用电客户区分方法,其特征在于:所述步骤3中:
假设在总体中有S个分段,并且在给定的选择时刻t中,个人i属于分段s(s=1,...,S),则式(2)可以变形为:
Uij|s=βsXit,j+εij|s,j=1,...,J (6)
其中分段s是第j个选择的特定向量,j和X也是如此,
在消费者细分中,所有选择情景C的选择概率的计算公式为:
其中:s代表段特定效用,X为观测变量的向量。
5.根据权利要求4所述的一种基于潜类选择模型的用电客户区分方法,其特征在于:所述步骤4中:
属于某个特定部分的个体i的成员可能性函数可以通过个体的社会人口学特征和观察到的潜在构念指标来确定,其计算公式为:
式中Pi *是基于潜在心理测量学所构造关于用户i的向量,Si是用户i所具备的社会人口统计学特征,Pi是用户i存在的潜在观念的观察指标向量,Γ和βp是带估计的参数量,ζ是误差项;
将两个观测变量Si和Pi与潜类变量整合成一个单独的向量Zi,成员可能性函数的计算公式为:
其中λs代表参数矢量,Zi代表用户i的心理测量结构Pi和社会经济特征Si的向量。
6.根据权利要求1~5中任意一项所述的一种基于潜类选择模型的用电客户区分方法,其特征在于:所述步骤5中:
假设误差项ζis是独立分布于个体之间的极值分布,则用户i属于潜类的概率计算公式为:
通过多项式逻辑模型的数学假设:若0<Pi(s)<1且作为该方法的基本条件,则用户个体i属于s类并选择替代j的联合概率Pi(j)的计算公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810359302.6A CN108647861A (zh) | 2018-04-20 | 2018-04-20 | 一种基于潜类选择模型的用电客户区分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810359302.6A CN108647861A (zh) | 2018-04-20 | 2018-04-20 | 一种基于潜类选择模型的用电客户区分方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108647861A true CN108647861A (zh) | 2018-10-12 |
Family
ID=63746771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810359302.6A Pending CN108647861A (zh) | 2018-04-20 | 2018-04-20 | 一种基于潜类选择模型的用电客户区分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108647861A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112052898A (zh) * | 2020-09-03 | 2020-12-08 | 五邑大学 | 一种城际高铁乘客的潜在分类模型构建方法和系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107704974A (zh) * | 2017-10-31 | 2018-02-16 | 国网信息通信产业集团有限公司 | 一种售电市场下的用户流失机率预测算法及系统 |
-
2018
- 2018-04-20 CN CN201810359302.6A patent/CN108647861A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107704974A (zh) * | 2017-10-31 | 2018-02-16 | 国网信息通信产业集团有限公司 | 一种售电市场下的用户流失机率预测算法及系统 |
Non-Patent Citations (1)
Title |
---|
YINGKUI YANG等: "Value seeking, price sensitive, or green? Analyzing preference heterogeneity among residential energy consumers in Denmark", 《ENERGY RESEARCH & SOCIAL SCIENCE》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112052898A (zh) * | 2020-09-03 | 2020-12-08 | 五邑大学 | 一种城际高铁乘客的潜在分类模型构建方法和系统 |
CN112052898B (zh) * | 2020-09-03 | 2024-01-05 | 五邑大学 | 一种城际高铁乘客的潜在分类模型构建方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aplak et al. | Game theory approach in decisional process of energy management for industrial sector | |
CN107480856A (zh) | 基于改进逼近理想解排序法的售电公司电力客户评估方法 | |
CN110826886A (zh) | 一种基于聚类算法和主成分分析的电力客户画像构建方法 | |
CN106845683A (zh) | 基于网络平台的大数据烟草销量预测方法 | |
Mulyana et al. | The role of value co-creation based on engagement to develop brand advantage | |
Charwand et al. | Optimal TOU tariff design using robust intuitionistic fuzzy divergence based thresholding | |
Galińska | Multiple criteria evaluation of global transportation systems-analysis of case study | |
Kazemi et al. | Evaluating service quality of airports with integrating TOPSIS and VIKOR under fuzzy environment | |
Kazemi et al. | A data mining approach for turning potential customers into real ones in basket purchase analysis | |
CN108647861A (zh) | 一种基于潜类选择模型的用电客户区分方法 | |
Saha et al. | Designing office shirt: an integrated approach | |
CN111680837A (zh) | 一种竞争环境下的多场景多商品连锁便利店选址优化方法 | |
Sutherland et al. | Development of a cost model and its application in determining optimal size of a diesel engine remanufacturing facility | |
Anna et al. | Model For Marketing Strategy Decision Based On Multicriteria Decicion Making: A Case Study In Batik Madura Industry | |
Mahmoudi-Kohan et al. | Evaluating performance of WFA K-means and Modified Follow the leader methods for clustering load curves | |
Wang et al. | Research on precision marketing strategy based on cluster analysis algorithm | |
Forghani et al. | Contractor selection based on SWOT analysis with VIKOR and TOPSIS methods in fuzzy environment | |
Paul et al. | An RFM and CLV analysis for customer retention and customer relationship management of a logistics firm | |
Shokoohyar et al. | Improving internet service providers competitiveness: ISP's perception regarding customer satisfaction | |
Gong et al. | Information communication technology and sustainable food supply chain: a resource-based analysis | |
Aliyah et al. | Spatial variety and distribution of traditional markets in Surakarta as potential factors in improving spatial-based management | |
Peng et al. | Analysis of marketing prediction model based on genetic neural network: Taking clothing marketing as an example | |
Shan et al. | Determination of customer demand importance degrees of express service based on Kano Model | |
Caglayan et al. | Sales forecasting by artificial neural networks for the apparel retail chain stores-An application | |
Edy | Design and technical quality on the SMEs efficiency: Empirical evidence from batik SMEs in Central Java, Indonesia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181012 |