CN111007918A - 基于人工神经网络的电力工程造价预测模型 - Google Patents

基于人工神经网络的电力工程造价预测模型 Download PDF

Info

Publication number
CN111007918A
CN111007918A CN201911268533.7A CN201911268533A CN111007918A CN 111007918 A CN111007918 A CN 111007918A CN 201911268533 A CN201911268533 A CN 201911268533A CN 111007918 A CN111007918 A CN 111007918A
Authority
CN
China
Prior art keywords
module
data
neural network
artificial neural
prediction
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
Application number
CN201911268533.7A
Other languages
English (en)
Inventor
肖雪
南哲
张明理
卢天琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Liaoning Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Liaoning Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911268533.7A priority Critical patent/CN111007918A/zh
Publication of CN111007918A publication Critical patent/CN111007918A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1601—Constructional details related to the housing of computer displays, e.g. of CRT monitors, of flat displays
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/18—Packaging or power distribution
    • G06F1/181—Enclosures
    • G06F1/182—Enclosures with special features, e.g. for use in industrial environments; grounding or shielding against radio frequency interference [RFI] or electromagnetical interference [EMI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/20—Cooling means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
    • 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
    • G06Q30/0283—Price estimation or determination
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • General Business, Economics & Management (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biomedical Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Electromagnetism (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于人工神经网络的电力工程造价预测模型，包括外壳，所述外壳相对侧壁均开设有框口，其中一个所述框口内壁固定连接有散热风扇，另一个所述框口内壁固定连接有滤网，所述外壳内底部通过连接柱固定连接有操作箱，所述操作箱内设有用于对电力工程造价进行预测的主控模块，所述外壳下端开设有凹槽，且所述凹槽内安装有蓄电池，所述外壳内顶部通过连接柱固定连接有显示屏。本发明通过设置预测数据输出模块和实际数据输出模块，可以对预测的造价数据和真实的造价数据进行对比，可以使得人工神经网络预测更加准确有效，通过设置反馈修改模块，可以不断的调整网络结构，提高预测的精度，加快收敛速度。

Description

基于人工神经网络的电力工程造价预测模型
技术领域
本发明涉及电力工程造价技术领域，尤其涉及基于人工神经网络的电力工程造价预测模型。
背景技术
电力工程造价是指完成电力建设项目所需要付出的金额，在对电力工程造价进行预测时，常常通过预测模型对电力工程造价进行分析。
目前的电力工程造价预测模型在没有工程细节时，存在估计偏差大且无法利用历史数据的问题，使得对于电力工程造价的预测结果存在不确定性，并且无法对数据进行比较，导致了对于选择合适的电力工程造价时就缺少了最合理的依据。
因此，我们提出基于人工神经网络的电力工程造价预测模型来解决上述问题。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的基于人工神经网络的电力工程造价预测模型。
为了实现上述目的，本发明采用了如下技术方案：
基于人工神经网络的电力工程造价预测模型，包括外壳，所述外壳相对侧壁均开设有框口，其中一个所述框口内壁固定连接有散热风扇，另一个所述框口内壁固定连接有滤网，所述外壳内底部通过连接柱固定连接有操作箱，所述操作箱内设有用于对电力工程造价进行预测的主控模块，所述外壳下端开设有凹槽，且所述凹槽内安装有蓄电池，所述外壳内顶部通过连接柱固定连接有显示屏。
优选地，所述主控模块电连接有数据输入模块、数据预处理模块、数据输出模块、人工神经网络预测模块和真实工程造价计算模块，且所述数据输入模块、数据预处理模块、数据输出模块、人工神经网络预测模块和真实工程造价计算模块均与主控模块耦合连接，所述数据输入模块用于对电力工程建设项目的数据进行输入，所述数据预处理模块用于对输入的数据进行归一化处理，所述数据输出模块用于对预测数据的输出，所述人工神经网络预测模块用于通过人工神经网络对数据进行计算预测，所述真实工程造价计算模块是对数据进行准确的判断。
优选地，所述数据输出模块包括预测数据输出模块和实际数据输出模块，所述预测数据输出模块和实际数据输出模块均与数据输出模块耦合连接，所述预测数据输出模块用于对人工神经网络预测模块所预测的数据进行输出，所述实际数据模块用于对真实工程造价计算模块计算的真实数据进行输出。
优选地，所述人工神经网络预测模块耦合连接有反馈修改模块，所述反馈修改模块用于对网络结构进行不断的调整。
优选地，所述预测数据输出模块和实际数据输出模块均与显示屏耦合连接。
优选地，所述滤网采用不锈钢材料制成，且所述滤网的目数为50-100目。
优选地，利用所述的基于人工神经网络的电力工程造价预测模型进行预测方法，所述主控模块电连接有数据输入模块、数据预处理模块、数据输出模块、人工神经网络预测模块和真实工程造价计算模块，其中：
优选地，所述数据输入模块用于对电力工程建设项目的数据进行输入；
所述数据预处理模块用于对输入的数据进行归一化处理；
所述数据输出模块用于对预测数据的输出；
所述人工神经网络预测模块用于通过人工神经网络对数据进行计算预测；
所述真实工程造价计算模块是对数据进行准确的判断。
优选地，所述预测数据输出模块用于对人工神经网络预测模块所预测的数据进行输出；所述实际数据模块用于对真实工程造价计算模块计算的真实数据进行输出。
优选地，所述反馈修改模块用于对网络结构进行不断的调整。
优选地，所述的预测方法还包括：处理器和用于存储处理器可执行的指令的存储器，所述处理器被配置为采用所述的基于人工神经网络的电力工程造价预测方法。
本发明具有以下有益效果：
1、通过设置固定连接在框口内壁的散热风扇和滤网，可以在对外壳内部热量进行散发的同时避免外界的灰尘进入外壳内，避免显示屏以及操作箱上吸附灰尘，影响其使用性能；
2、通过设置预测数据输出模块和实际数据输出模块，可以对预测的造价数据和真实的造价数据进行对比，可以使得人工神经网络预测更加准确有效；
3、通过设置反馈修改模块，可以不断的调整网络结构，提高预测的精度，加快收敛速度。
附图说明
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及具体实施方式对本发明作进一步的详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
图1为本发明提出的基于人工神经网络的电力工程造价预测模型的结构示意图；
图2为本发明提出的基于人工神经网络的电力工程造价预测模型中主控模块的框架示意图。
图中：1外壳、2框口、3散热风扇、4滤网、5操作箱、6凹槽、7蓄电池、8显示屏。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
参照图1-2，基于人工神经网络的电力工程造价预测模型，包括外壳1，外壳1相对侧壁均开设有框口2，其中一个框口2内壁固定连接有散热风扇3，另一个框口2内壁固定连接有滤网4，滤网4采用不锈钢材料制成，且滤网4的目数为50-100目，目数的大小是指网孔的大小，可以较好的对外界的灰尘进行阻隔，外壳1内底部通过连接柱固定连接有操作箱5，操作箱内设有用于对电力工程造价进行预测的主控模块，外壳1下端开设有凹槽6，且凹槽6内安装有蓄电池7，外壳1内顶部通过连接柱固定连接有显示屏8，操作箱5与显示屏8均与蓄电池7耦合连接，进一步的，操作箱5与显示屏8均与蓄电池7连接处设有开关。
主控模块电连接有数据输入模块、数据预处理模块、数据输出模块、人工神经网络预测模块和真实工程造价计算模块，且数据输入模块、数据预处理模块、数据输出模块、人工神经网络预测模块和真实工程造价计算模块均与主控模块耦合连接，数据输入模块用于对电力工程建设项目的数据进行输入，数据预处理模块用于对输入的数据进行归一化处理，使得电力工程造价中各个不同指标的数据在数量级上保持一致，数据输出模块用于对预测数据的输出，人工神经网络预测模块用于通过人工神经网络对数据进行计算预测，真实工程造价计算模块是对数据进行准确的判断。
数据输出模块包括预测数据输出模块和实际数据输出模块，预测数据输出模块和实际数据输出模块均与数据输出模块耦合连接，预测数据输出模块用于对人工神经网络预测模块所预测的数据进行输出，实际数据模块用于对真实工程造价计算模块计算的真实数据进行输出，预测数据输出模块和实际数据输出模块均与显示屏8耦合连接，便于对预测数据输出模块和实际数据输出模块的输出数据进行显示，人工神经网络预测模块耦合连接有反馈修改模块，反馈修改模块用于对网络结构进行不断的调整。
本发明中，打开蓄电池7上的开关，将电力工程项目的数据通过数据输入模块传输到主控模块内，然后通过与主控模块耦合连接的数据预处理模块对传入的数据进行处理，使得各个不同指标的数据在数量级上保持一致,然后通过与主控模块耦合连接的人工神经网络预测模块对电力工程造价进行预测分析，并且通过与人工神经网络预测模块耦合连接的反馈修改模块对数据的预测精度进行提高，并且将预测的数据通过预测数据输出模块输出，并在与预测数据输出模块耦合的连接的显示屏8上进行显示。
利用所述的基于人工神经网络的电力工程造价预测模型进行预测方法，其中所述主控模块电连接有数据输入模块、数据预处理模块、数据输出模块、人工神经网络预测模块和真实工程造价计算模块，其中：
所述数据输入模块用于对电力工程建设项目的数据进行输入；
所述数据预处理模块用于对输入的数据进行归一化处理；
所述数据输出模块用于对预测数据的输出；
所述人工神经网络预测模块用于通过人工神经网络对数据进行计算预测；
所述真实工程造价计算模块是对数据进行准确的判断。
所述预测数据输出模块用于对人工神经网络预测模块所预测的数据进行输出；所述实际数据模块用于对真实工程造价计算模块计算的真实数据进行输出。
所述反馈修改模块用于对网络结构进行不断的调整。
所述基于人工神经网络的电力工程造价预测模型进行预测方法，还包括：处理器和用于存储处理器可执行的指令的存储器，所述处理器被配置为采用所述的基于人工神经网络的电力工程造价预测方法。
本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围，包括权利要求，被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于人工神经网络的电力工程造价预测模型，包括外壳（1），其特征在于，所述外壳（1）相对侧壁均开设有框口（2），其中一个所述框口（2）内壁固定连接有散热风扇（3），另一个所述框口（2）内壁固定连接有滤网（4），所述外壳（1）内底部通过连接柱固定连接有操作箱（5），所述操作箱（5）内设有用于对电力工程造价进行预测的主控模块，所述外壳（1）下端开设有凹槽（6），且所述凹槽（6）内安装有蓄电池（7），所述外壳（1）内顶部通过连接柱固定连接有显示屏（8）。
2.根据权利要求1所述的基于人工神经网络的电力工程造价预测模型，其特征在于，所述主控模块电连接有数据输入模块、数据预处理模块、数据输出模块、人工神经网络预测模块和真实工程造价计算模块，且所述数据输入模块、数据预处理模块、数据输出模块、人工神经网络预测模块和真实工程造价计算模块均与主控模块耦合连接，所述数据输入模块用于对电力工程建设项目的数据进行输入，所述数据预处理模块用于对输入的数据进行归一化处理，所述数据输出模块用于对预测数据的输出，所述人工神经网络预测模块用于通过人工神经网络对数据进行计算预测，所述真实工程造价计算模块是对数据进行准确的判断。
3.根据权利要求2所述的基于人工神经网络的电力工程造价预测模型，其特征在于，所述数据输出模块包括预测数据输出模块和实际数据输出模块，所述预测数据输出模块和实际数据输出模块均与数据输出模块耦合连接，所述预测数据输出模块用于对人工神经网络预测模块所预测的数据进行输出，所述实际数据模块用于对真实工程造价计算模块计算的真实数据进行输出。
4.根据权利要求2所述的基于人工神经网络的电力工程造价预测模型，其特征在于，所述人工神经网络预测模块耦合连接有反馈修改模块，所述反馈修改模块用于对网络结构进行不断的调整。
5.根据权利要求3所述的基于人工神经网络的电力工程造价预测模型，其特征在于，所述预测数据输出模块和实际数据输出模块均与显示屏（8）耦合连接。
6.根据权利要求1所述的基于人工神经网络的电力工程造价预测模型，其特征在于，所述滤网（4）采用不锈钢材料制成，且所述滤网（4）的目数为50-100目。
7.利用权利要求1-9所述的基于人工神经网络的电力工程造价预测模型进行预测方法，其特征在于，所述主控模块电连接有数据输入模块、数据预处理模块、数据输出模块、人工神经网络预测模块和真实工程造价计算模块，其中：
所述数据输入模块用于对电力工程建设项目的数据进行输入；
所述数据预处理模块用于对输入的数据进行归一化处理；
所述数据输出模块用于对预测数据的输出；
所述人工神经网络预测模块用于通过人工神经网络对数据进行计算预测；
所述真实工程造价计算模块是对数据进行准确的判断。
8.根据权利要求7所述的预测方法，其特征在于，所述预测数据输出模块用于对人工神经网络预测模块所预测的数据进行输出；所述实际数据模块用于对真实工程造价计算模块计算的真实数据进行输出。
9.根据权利要求7所述的预测方法，其特征在于，所述反馈修改模块用于对网络结构进行不断的调整。
10.根据权利要求7所述的预测方法，其特征在于，还包括：处理器和用于存储处理器可执行的指令的存储器，所述处理器被配置为采用所述的基于人工神经网络的电力工程造价预测方法。
CN201911268533.7A 2019-12-11 2019-12-11 基于人工神经网络的电力工程造价预测模型 Pending CN111007918A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911268533.7A CN111007918A (zh) 2019-12-11 2019-12-11 基于人工神经网络的电力工程造价预测模型

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911268533.7A CN111007918A (zh) 2019-12-11 2019-12-11 基于人工神经网络的电力工程造价预测模型

Publications (1)

Publication Number Publication Date
CN111007918A true CN111007918A (zh) 2020-04-14

Family

ID=70115278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911268533.7A Pending CN111007918A (zh) 2019-12-11 2019-12-11 基于人工神经网络的电力工程造价预测模型

Country Status (1)

Country Link
CN (1) CN111007918A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573854A (zh) * 2014-12-23 2015-04-29 国家电网公司 钢铁用电量的预测方法及装置
CN105354371A (zh) * 2015-10-21 2016-02-24 江苏省电力公司 基于ga-wnn的输变电工程造价预测方法
CN105930931A (zh) * 2016-04-22 2016-09-07 国网浙江省电力公司经济技术研究院 一种电力工程造价的管理方法
CN206639251U (zh) * 2017-04-25 2017-11-14 纪海波 一种建筑工程造价预算演练装置
WO2018005395A1 (en) * 2016-06-30 2018-01-04 Microsoft Technology Licensing, Llc Artificial neural network with side input for language modelling and prediction
CN109508461A (zh) * 2018-12-29 2019-03-22 重庆猪八戒网络有限公司 基于中文自然语言处理的订单价格预测方法、终端及介质
CN208922202U (zh) * 2018-12-20 2019-05-31 南京诺睿斯电子科技有限公司 一种计算机主板散热装置
CN209746545U (zh) * 2019-06-12 2019-12-06 国网甘肃省电力公司经济技术研究院 一种配电网工程造价预测计算装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573854A (zh) * 2014-12-23 2015-04-29 国家电网公司 钢铁用电量的预测方法及装置
CN105354371A (zh) * 2015-10-21 2016-02-24 江苏省电力公司 基于ga-wnn的输变电工程造价预测方法
CN105930931A (zh) * 2016-04-22 2016-09-07 国网浙江省电力公司经济技术研究院 一种电力工程造价的管理方法
US20170308934A1 (en) * 2016-04-22 2017-10-26 Economy Research Institute of State Grid Zhejiang Electric Power Management method of power engineering cost
WO2018005395A1 (en) * 2016-06-30 2018-01-04 Microsoft Technology Licensing, Llc Artificial neural network with side input for language modelling and prediction
CN206639251U (zh) * 2017-04-25 2017-11-14 纪海波 一种建筑工程造价预算演练装置
CN208922202U (zh) * 2018-12-20 2019-05-31 南京诺睿斯电子科技有限公司 一种计算机主板散热装置
CN109508461A (zh) * 2018-12-29 2019-03-22 重庆猪八戒网络有限公司 基于中文自然语言处理的订单价格预测方法、终端及介质
CN209746545U (zh) * 2019-06-12 2019-12-06 国网甘肃省电力公司经济技术研究院 一种配电网工程造价预测计算装置

Similar Documents

Publication Publication Date Title
US20170161953A1 (en) Processing method and device for collecting sensor data
WO2017136802A1 (en) Accelerating deep neural network training with inconsistent stochastic gradient descent
CN102879753B (zh) 用于高均匀度磁体匀场线圈设计的自动化实现方法
Gomes et al. Higher spatial derivative field theories
US10635078B2 (en) Simulation system, simulation method, and simulation program
CN110994704A (zh) 一种暂态稳定预防控制辅助决策方法、装置及电子设备
WO2022135440A1 (zh) Llc谐振电路的控制方法、控制装置及终端设备
US20120226484A1 (en) Calculation simulation system and method thereof
CN112887706A (zh) 功耗确定方法、装置、存储介质及电子设备
CN111540197B (zh) 一种车道功能划分方法、装置、电子设备及存储介质
CN111007918A (zh) 基于人工神经网络的电力工程造价预测模型
CN103150581A (zh) 基于最小二乘支持向量机燃烧模型的锅炉优化方法和装置
CN116424096A (zh) 资源动态优化配置的新能源汽车电池采集总成方法及系统
CN116362348A (zh) 参数优化方法以及装置
CN116436009A (zh) 一种计算含分布式新能源的电网最大负荷的方法和装置
JP7089438B2 (ja) プラント操業支援装置
CN104345637B (zh) 用于自适应基于数据的函数模型的方法和设备
CN108919157A (zh) 一种电子测试系统工况的实时告警方法及设备
CN109063261A (zh) 一种动力电池老化趋势的判断方法和装置
CN113641663A (zh) 一种基于dama理论的大数据治理方法和系统
CN114676781A (zh) 车辆故障诊断预测方法、装置、设备及车辆
CN105843578A (zh) 一种拼接墙回显方法、装置及系统
CN111451835B (zh) 基于钻孔机的冷却方法、装置及钻孔机
US10310473B1 (en) Systems and methods for path command generation
CN117134468B (zh) 一种动态调整功率的稳定pd快充系统及方法

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

Application publication date: 20200414

RJ01 Rejection of invention patent application after publication