您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201904-385
论文题目 电费拖欠风险的混合预测模型
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

电费拖欠风险的混合预测模型

首发时间:2019-04-30

曾晶 1   

曾晶(1986-),女,学生,主要研究方向:统计学

易校石 2    易正俊 1   

易正俊(1963- ),男,硕导,主要研究方向:大数据挖掘

  • 1、重庆大学数学与统计学院,重庆 401331
  • 2、伊犁师范大学数学与统计学院,新疆伊犁 853000

摘要:电网公司的经营模式是"先用电-后付费"。高压用电客户耗电量大,每月产生的电费占70%以上,存较大的潜在电费回收风险。如果缴费违约,将会给电力公司带来难以弥补的损失,本文首先筛选影响电费拖欠的7个主要因素,然后采用神经网络预测高压客户的风险得分值,再用风险得分值与7个主要影响因素建立逻辑回归预测高压客户的风险,将风险管理模式由劳动密集型向技术型转变,及时预警高风险用电客户。实验证明本文建立的神经网络与逻辑回归的混合预测模型有较高的预测精度,与实际情况具有良好的一致性,避免高压用户因违约给电力公司带来难以补救的损失。

关键词: 风险预测 神经网络 逻辑回归 高压客户 电网

For information in English, please click here

Hybrid Prediction Model of Electricity Default Risk

Zeng Jing 1   

曾晶(1986-),女,学生,主要研究方向:统计学

Yi Xiaoshi 2    Yi Zhengjun 1   

易正俊(1963- ),男,硕导,主要研究方向:大数据挖掘

  • 1、School of Mathematics and Statistics, Chongqing University,Chongqing 401331
  • 2、School of Mathematics and Statistics, Yili Normal University, Yili, Xinjiang 853000

Abstract: The operation mode of power grid companies is "use electricity first -- pay later". High-voltage customers consume a lot of electricity, which accounts for more than 70% of the electricity generated every month. Therefore, there is a great potential risk of electricity charge recovery. If the payment defaults, the power company will be difficult to make up for the loss. This article first screening out the seven main factors influencing the electricity arrears, and then use the neural networks to predict high-pressure customer risk score values. After that, we combine the risk score values and seven main influence factors to establish a logistic regression, predicting high-pressure customer risk. By doing so, we change the risk management model from a labor intensive model to a technical one, timely warning high-risk power customers. The experiment proves that the mixed prediction model of neural network and logistic regression established in this paper has high prediction accuracy and good consistency with the actual situation, so as to avoid the power company\'s losses caused by high voltage users\' breach of contract.

Keywords: Risk Prediction, Neural Network, Logistic Regression, High Voltage Customers, Power Grid.

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
曾晶,易校石,易正俊. 电费拖欠风险的混合预测模型[EB/OL]. 北京:中国科技论文在线 [2019-04-30]. http://www.paper.edu.cn/releasepaper/content/201904-385.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

电费拖欠风险的混合预测模型