简介:针对短期家庭电力数据随机性强,数据维度低等问题,提出了一种基于长短期记忆循环神经网络(LSTM)的单变量短期家庭电力需求预测模型.实验表明,该模型能够准确反映以小时为单位的家庭电力需求趋势,且在不同家庭上的泛化性能优于传统的循环神经网络(RNN)和门控循环网络(GRU).
简介:短期光伏发电功率预测对维护电网安全稳定和协调资源利用具有重要意义,针对现有的神经网络法、小波分析法等单一预测模型预测精度提升有限的问题,引入集成学习的思想和方法,提出一种基于Stacking算法改进支持向量机(SVM)的短期光伏发电预测方法.该方法先使用多个不同的初级SVM对预测样本进行一次预测得到多个预测输出;然后对训练集进行聚类,使用与预测样本同类别的训练样本训练次级SVM;最后使用次级SVM对多个预测输出进行结合得到最终预测结果.经光伏发电系统的实际运行数据实验,结果表明本文提出的方法相较于单一预测模型精度有了明显提升.
简介:摘要:目前我国上市公司将股票作为重要的激励载体,对人员进行激励。为了使经营者和所有者之间的委托代理关系转变为“共同所有者”关系,企业会预先给激励对象部分股权,并在此基础上设置股权生效的条件,使该部分股权实现长期激励效应。这种方式可以使企业经营者参与到企业共同利益之中,在享受利益的同时还需承担企业的经营风险,降低了企业的代理成本,能够调动企业经营者积极的工作态度,提高企业的运营水平。对于企业生命周期的研究由来已久,尽管不同研究者的观点不同,但归结起来可以划分为初创期、成长期、成熟期和衰退期四个时期。股权激励计划的实施适用于企业成长期及成熟期,并不适用于企业初创期及衰退期。基于此,对国有上市公司股权激励问题进行研究,以供参考。