一、高校管理系统中不确定性信息的处理方法及其应用研究（论文文献综述）
孙肖坤[1]（2021）在《复杂大型建设项目费用偏差控制方法及信息系统设计》文中提出随着全球范围内经济形势的动态稳定发展,复杂大型建设项目在国内外均呈持续增长的态势,国际工程项目市场的竞争愈发激烈。复杂大型建设项目事关民生和经济效益,其开发建设会对国家和社会产生广泛而深远的影响。在工程建设领域,许多投资主体拥有雄厚的资金实力和丰富的开发建设经验,并开始涉足复杂大型建设项目的开发建设,项目投资规模越来越大,建设周期越来越长,参与建设的单位越来越多,不确定性带来的项目风险也愈发复杂。随着时代的发展,复杂大型建设项目逐渐成为项目管理领域的研究热点。然而,在项目建设过程中,投资效率低下、费用超支等现象屡见不鲜,项目执行情况在各层面上不尽如人意,传统的项目管理理论已经不能适应现阶段管理实践的需求。因此,从复杂性视角出发对项目管理领域进行研究就成为一种新的解决思路。如何对项目复杂性进行科学、系统以及深入的分析,如何在项目建设过程中动态、全面地掌握项目费用状态,如何判断工程费用实际状态与计划的偏差严重程度,如何对项目费用偏差做出科学的警报和预测,如何有依据地对工程项目的费用偏差进行有效纠偏控制,就成为摆在管理者面前的一个理论和实践问题。为了更加科学有效地针对复杂大型建设项目费用实施监控管理,本文运用系统动力学相关理论和方法,建立了基于复杂性视角的建设项目费用偏差影响因素的系统动力学模型,构建了项目费用偏差的警报及预测模型,梳理了项目全生命周期不同费用偏差程度下的纠偏流程,进而分析并设计了以理论模型为基础的复杂大型建设项目费用偏差控制信息系统。具体研究内容包括以下四个部分:（1）基于系统动力学的费用偏差关键影响因素识别研究。首先,对复杂大型建设项目的费用监控模式进行概述;在此基础上,对系统动力学相关基础理论及其应用在建设项目费用偏差控制领域的可行性进行分析;然后,将复杂大型建设项目作为一个整体系统,对项目建设各阶段内费用偏差影响因素之间的关系进行分析识别,构建系统动力学反馈图模型,确定主要变量,内生变量、外生变量,建立各变量之间方程关系;最后,通过Vensim软件模拟仿真,建立动态控制模型并验证其可行性和有效性,识别出费用偏差关键影响因素及其影响程度,并对模拟结果进行分析。（2）复杂大型建设项目费用偏差警报及预测模型研究。首先对复杂大型建设项目不同阶段费用偏差计算的需求及特点进行分析,据此选取适用于复杂大型建设项目费用偏差警报的方法模型;然后对K-Means聚类算法进行缺陷分析,引入贴近度概念,并将边界均值算子作为主要方法对经典K-means聚类进行改进,有效克服了主观随意性和警情区间不连续的问题;最后通过算例分析证实了本模型的有效性。复杂大型建设项目费用偏差预测模型是偏差警报模型的后续研究。首先,全面论述了神经网络模型的相关原理,对其在复杂大型建设项目费用偏差预测研究中的可行性和适用性进行了分析;然后,利用仿生算法对传统BP神经网络进行改进,优化神经网络模型中的初始网络权值和阈值,并将历史数据输入模型中进行训练获得成熟模型;同时,将现阶段的费用偏差进行子目费用分析,将总偏差最终分摊至每一个子目费用的扰动因素,深度分析复杂大型建设项目中不同活动对费用偏差的影响,在当前费用偏差情况已知的情况下,研究其对未来费用偏差的影响程度并予以量化,判定即将发生的项目警情及其位置,有效辅助项目费用管理方采取措施进行处理,实现真正意义上的项目费用事前控制。（3）复杂大型建设项目费用偏差控制策略及效果评价研究。首先,针对复杂大型建设项目费用偏差控制策略,挖掘了流程再造和协同理论与之相适应的契合点,梳理了费用偏差控制中流程再造和协同的目标和原则;其次,针对复杂大型建设项目在前期决策阶段、中期实施阶段、后期运维阶段所面临的不同费用偏差警情,明确各阶段责任方,梳理并总结出具体的纠偏操作流程和控制策略;为了增强该纠偏流程的适用性,本节首次提出了纠偏效果评价,从控制能力、控制效果、经济和社会效果等角度构建指标体系,构建了基于支撑度理论的模糊群决策模型,对纠偏效果进行评价,给出反馈结果,推动纠偏策略的持续改进。（4）复杂大型建设项目费用偏差控制系统设计研究。把研究的理论和构建的模型拓展到实际的项目费用管理中,提出了复杂大型建设项目费用偏差控制信息系统设计。首先,对复杂大型建设项目费用偏差控制系统进行了定义,对系统建设目标、系统用户和系统需求进行分析,确定了系统的非功能需求和功能需求;然后构建费用偏差控制系统的总体设计框架结构,从系统开发方法、系统开发平台、系统功能模块、系统数据库四个角度对系统进行详细深入的设计;在涉及到系统关键的实施技术方面,对开发技术选型进行了结构性论述,并对数据仓库的核心设计理念进行了详细介绍,设计了系统模型管理模块的结构和重点功能。该系统包括费用偏差警报、费用偏差预测、费用偏差控制、纠偏效果评价等功能。
施云辉[2]（2021）在《考虑可再生能源不确定性的电力系统多阶段鲁棒调度方法》文中研究说明传统的调度方式基于确定性优化,缺乏对可再生能源出力不确定性的认识,面对高比例可再生能源的接入,电力调度部门必须采用保守的发电计划,从而降低了常规机组发电效率,也影响了对可再生能源的有效接纳。本文在可再生能源出力不确定性准确建模的基础上,提出了电力系统多阶段鲁棒优化调度方法,在模型中扩充储能、综合能源等灵活性资源的优化空间,所得到的调度计划在满足极端场景运行的同时更为经济合理,对于加强运行人员对调度计划受不确定性影响的认识,充分发挥电力系统自身及其他能源系统的灵活性具有重要意义。主要研究内容及研究成果包括:（1）提出一种数据驱动的可再生能源出力预测误差不确定集构造方法。通过非参数数据聚类的方式,将多可再生能源电站的出力预测误差聚为多个组件,每个组件可以用一高斯分布刻画。聚类结果用于生成相应的可再生能源出力预测误差不确定集,相比于经典鲁棒优化中的多面体不确定集,可以更准确反映可再生能源出力预测误差的多模态分布特性。基于该数据驱动不确定集建立数据驱动鲁棒优化调度模型,并提出了基于约束与列生成的求解算法,使得制定机组启停计划更为合理,降低所得到的调度计划保守性。（2）针对考虑可再生能源出力不确定性的含储能电网日内经济调度问题,提出一种基于多阶段鲁棒优化的日内调度方法。该方法扩展了传统前瞻经济调度的时间窗口,通过引入最坏情况值函数,衡量决策产生的未来所有时段的成本的最坏情况,从而可以在全天范围内统筹储能资源缓解弃风和切负荷。提出了快速鲁棒对偶动态规划算法以高效求解该模型。与现有的多阶段鲁棒优化求解算法相比,所提算法显着降低了问题的规模,同时保持了算法的可靠收敛。针对储能系统的充放电非线性特性,提出了适用于多阶段问题的预估-矫正的状态转移方程,该近似方法所得最优调度策略和风电极端场景都接近真实情况。（3）在传统旋转备用概念的基础上,拓展出了适用于火电机组、储能和负荷聚合商的经济运行域概念,并基于此提出了一种日前-日内两阶段鲁棒调度方法。证明了经济运行域的最优解覆盖定理,即可再生能源出力随机性引起的调度计划变化恰好不会超出经济运行域。将储能的最坏情况值函数添加到该模型第二阶段问题的目标函数中,可以使得储能的控制策略更具有预见性。设计了基于嵌套Benders分解的算法以求解上述模型。相比于确定性调度,在高比例风电和预测误差较大的场景下,基于经济运行域的日前-日内两阶段鲁棒调度方法明显提升了风电消纳率,具有显着的经济性优势。（4）针对区域供热系统参与电力系统调节以提升可再生能源消纳的场景,提出分散协同的电-热联合系统多阶段鲁棒调度模型。该模型在发挥多种供能系统灵活性的同时保护了不同能源运营商的隐私。针对该模型多阶段、多主体的复杂结构,通过最坏情况时间值函数和空间值函数进行时空分解,使得各子系统每一阶段的决策都能计及对其余时段、其余子系统的影响。提出分散协同鲁棒对偶动态规划算法以求解该模型,算法对于中等规模系统可在较短时间内收敛,相比于集中式算法所需的信息交换更少,并具备一定的抗通信干扰能力。相比传统调度方法,可充分发挥储能、电热转换设备、建筑物热惯性这些灵活性资源应对风电出力波动的作用。（5）开发电网经济运行域软件和综合能源优化调度软件,完成部分理论成果的落地应用。电网经济运行域软件面向省级电网的调度场景,应用经济运行域和多阶段鲁棒优化理论,实现了可再生能源不确定性分析、电网经济运行域计算和调度计划生成三大功能,为调度人员展示可再生能源预测误差、系统和机组的有功运行边界、机组最优出力计划等信息,软件已在江苏、宁夏两个省级电网试点应用。综合能源优化调度软件以工业用户为主的区域综合能源调度场景,应用综合能源鲁棒优化调度方法,实现了冷热电一体化建模、综合能源优化调度、需求侧响应等功能,可以为综合能源系统的运行人员展示系统当前的运行状态、未来的最优供能方案以及需求侧资源的利用情况,从而提高综合能效,降低用能成本,增强可再生能源的消纳能力,软件已在杭州某工业园区得到应用。
邓晶艳[3]（2021）在《基于大数据的大学生日常思想政治教育创新研究》文中研究表明中国特色社会主义进入新时代,标定了大学生日常思想政治教育的新方位。面对新时代提出的新任务与新要求,大学生日常思想政治教育要不断探索新思路、新路径与新方法,进一步增强工作的针对性与实效性,以满足大学生成长成才需求以及党和国家事业发展需要。当前,随着移动互联网、物联网、云计算、人工智能等为代表的新一代网络信息技术的迅猛发展、全面集成与广泛应用,人类逐步迈入大规模数据挖掘、运用与创新的“大数据时代”。在此时代背景下,如何运用新媒体、新技术加强和创新高校思想政治教育工作,使之富有时代性、增强针对性、彰显实效性,是新时期高校面临的一个重要而现实的课题。作为当代信息技术发展的前沿,大数据广域的信息资源、先进的信息处理技术以及全新的思维范式,为大学生日常思想政治教育带来了即时性、精准性、前瞻性与个性化等创新发展的新动力与新空间。将大数据思维、技术与方法全方位嵌入大学生日常思想政治教育各要素、各环节与全过程,促进大学生日常思想政治教育革新思维、优化供给、改进方法、重构范式,建构科学化、数字化与智能化的大学生日常思想政治教育体系,推进大学生日常思想政治教育向“精准思政”“智慧思政”转型升级,是大学生日常思想政治教育顺应时代发展的现实需要,也是其进一步提质增效、焕发新机的重要生长点与强劲推动力。阐释大数据内涵、价值、特征与功能,阐释大学生日常思想政治教育内涵并且辨析其与大学生思想政治理论教育的关系,有利于进一步探讨两者的深度融合。基于此,大学生日常思想政治教育大数据概念得以提出。从大学生日常思想政治教育大数据资源、大学生日常思想政治教育大数据技术、大学生日常思想政治教育大数据思维三个维度全面阐述大学生日常思想政治教育大数据的内涵与外延,同时运用马克思主义哲学基本原理和方法论论析大学生日常思想政治教育大数据的生成逻辑、发展动因、方法论基础与价值取向,可以明确大数据与大学生日常思想政治教育需求的契合点,理清大数据对大学生日常思想政治教育的作用机理。面对新时代提出的新任务与新要求,大学生日常思想政治教育仍然面临一些困境、存在一些短板和弱环。运用文献资料法、大数据文本挖掘方法与访谈调研法审视大学生日常思想政治教育现状,总结当前大学生日常思想政治教育存在的问题与困境并作原因剖析,同时探讨新时代大学生日常思想政治教育新要求,指出新时代大学生日常思想政治教育面临的新课题以及新时代大学生日常思想政治教育的指导思想与原则、教育内容体系以及教育工作的主体转型,有利于为新时期大学生日常思想政治教育发展创新提供现实依据。通过分析大数据在大学生日常思想政治教育中应用的技术优势以及可能性,进一步探讨大数据在大学生日常思想政治教育中“精准画像”“规律探寻”与“超前感知”三个应用呈现。以之为基础,基于当前大学生日常思想政治教育存在的理念滞后、模式粗放、知行脱节、供需错位等难题,提出利用大数据推进大学生日常思想政治教育由线性思维向系统思维、由普适教育向个性化培育、由认知培育向实践养成、由需求侧适应向供给侧发力四大发展转向并详细阐述四大发展转向的实现路径。基于大数据推进大学生日常思想政治教育不仅要遵循学科规律、注重理论深化,还要坚持实践导向,致力推动大数据应用,促进理论与实践的双向转化。由之,宏观上,探索大学生日常思想政治教育大数据的数据采集、数据预处理与存储、数据挖掘与分析、数据应用与可视化、数据解释与反馈五大工作模块与应用流程;微观上,对大数据在大学生日常思想政治教育典型场域中的“数据画像”“精准资助”“失联告警”三个应用进行数据模型构建,从而为大学生日常思想政治教育利用大数据提供切实可行的实现路径。大数据为大学生日常思想政治教育创新发展带来了前所未有的机遇,然而,当前大学生日常思想政治教育利用大数据还存在观念性、路径性与机制性瓶颈,同时,大数据是一柄双刃剑,对数据的不当应用会带来诸如“数据垄断”“数据滥用”“数据侵害”“数据冰冷”等一些可能的风险与挑战。高校尚须在思维理念、技术开发、政策支持、制度完善、机制建设、校园环境建设等方面对大数据应用作出回应与调试。不仅如此,在基于大数据创新大学生日常思想政治教育过程中,高校要注重发挥教育工作者的主体性与能动性,始终坚持数字技术与人文精神、数据智能与教育智慧相结合。
王磊[4]（2021）在《大学生锻炼坚持行为影响因素及促进策略研究》文中指出大学生是国家的未来和民族的希望,欲文明其精神,先自野蛮其体魄。大学生的体质健康与锻炼坚持状况,对体育强国建设和中华民族伟大复兴中国梦的实现具有重大意义。锻炼坚持是指个体持续在一段时间内进行规律锻炼并长期保持的行为,是个体通过体育锻炼增强体魄、健康生活、健全人格、锤炼意志的必要条件。《体育强国建设纲要》中明确“要将促进青少年提高身体素养和养成健康生活方式作为学校体育教育的重要内容”。高校体育不但肩负体育教育职能,更兼具促进锻炼坚持、增强学生体质、建设校园体育、建树正确体育观的育人责任。但至今为止,大学生身体活动不足、锻炼坚持困难,依旧是学校体育的突出问题。体育领域学者对大学生锻炼坚持行为的研究由来已久,取得了丰富的研究成果,在梳理时发现,相关研究历经探索与奠基、起步与发展、成熟与融合三个阶段,形成了以健康信念模型、计划行为理论、社会认知理论等为核心的理论框架,但缺乏对决策过程的关注;且近年来信息技术发展赋能大学生锻炼行为虚拟化,虚拟体育社交与用户生成内容知识共享等,改变了传统锻炼坚持行为的研究场域,相关适应性研究稀缺。基于此,提出了大学生锻炼坚持行为影响因素与促进策略的研究问题。本研究综合运用用户生成内容分析与挖掘、文献资料、专家访谈、问卷调查、数理统计、机器学习和逻辑归纳等研究方法,从我国大学生锻炼坚持行为研究历程梳理入手,结合虚拟锻炼社区用户生成内容分析与访谈资料的交互验证,识别大学生锻炼坚持行为的影响因素,理顺大学生锻炼坚持行为的决策过程、建立模型验证影响因素间的作用机制,并细化锻炼坚持行为分类、制定促进策略,通过系统研究得出如下结论:（1）大学生锻炼坚持行为受生活方式自评、健康认知自评、运动认知自评、个人投入、社会支持、锻炼氛围、场地器材、锻炼获益感知、锻炼风险感知、锻炼动机、锻炼自我效能、锻炼坚持时间、锻炼坚持质量等13个因素的影响。这13个因素构成大学生锻炼坚持行为模型的五大因素即健康自我评价、锻炼条件、锻炼效果感知、锻炼内驱力和锻炼坚持行为。（2）大学生锻炼坚持行为模型五大因素之间存在“感知输入-决策-驱动-行为输出”的四层决策逻辑,形成一个链式中介模型,可归纳为具有五因素四层次的“SCeiP”行为模型。该模型是以大学生锻炼坚持行为为研究对象,以促进和优化锻炼坚持相关因素及决策过程为目标,通过不断完善锻炼坚持行为相关因素作用及协同,促进大学生持续做出锻炼坚持决策的行为模型。（3）锻炼内驱力是锻炼坚持行为的动力来源,是“SCeiP”模型中的核心中介变量,且根据个体所处行为阶段不同,影响不同。模型内部两条促进路径和外部两条反馈路径,均遵循“客观-主观-客观”的作用逻辑,说明锻炼坚持是客观因素通过主观因素发挥能动作用的结果,研究既要关注客观影响因素,更要关注主观作用机制。（4）大学生容易受到外界信息的影响,单次锻炼的效果感知与经验总结,会影响后续决策。锻炼坚持实质上是一个动态变化、螺旋发展的系统,是个体针对“是否进行锻炼”做出理性决策的过程。在一段时期内,每次决策及行为输出结果均会反馈至输入层,影响新一轮决策。在虚拟锻炼社区调研中发现锻炼者偏好对锻炼效果进行成本效益分析,只有锻炼获益大于锻炼风险时,个体才会产生足够的锻炼内驱力,选择坚持锻炼。（5）虚拟锻炼社区汇集大学生锻炼坚持及衍生的锻炼知识共享与社交行为,锻炼坚持行为理论在虚拟化锻炼场域中具有一定适应性,但仍需不断拓展。大学生信息化锻炼虚拟社区与平台是新时代锻炼坚持行为叙述规则和价值逻辑建立的主战场,需要着力设计与打造。基于“SCeiP”模型形成了高校大学生锻炼坚持行为线上线下双循环促进的总体思路。根据巴纳姆效应理论,利用信息化平台知识共享塑造科学体育观导向,在尊重学生个体行为差异的前提下,发挥学生体育锻炼坚持价值认同的聚合效应,以促进大学生锻炼坚持。（6）为实现“因人而异”“因材施教”的大学生锻炼坚持行为预测与导向内容推荐,实现分类促进策略,本研究选用PCA-GS-SVM算法训练大学生锻炼坚持行为数据分类器,训练效率高且正确率在训练集及测试集中均高于87%,能够满足大学生锻炼坚持行为信息化平台分类促进策略的应用要求,有效支撑“SCeiP”模型实践应用。将锻炼坚持行为分为八类,针对不同类别行为特点,制定具体分类促进策略。（7）设计实现大学生锻炼坚持行为促进信息化平台,为实现“因人而异”“因材施教”的锻炼坚持促进提供平台策略及保障策略。从应用需求出发设计平台功能,将“SCeiP”行为模型中涉及的理论概念具象化,融合反馈机制、激励体系、粘性强化等,设计锻炼坚持行为信息化促进方法,为“SCeiP”行为模型的应用落地打造良好基础。并针对锻炼坚持行为促进信息化平台的推广应用,从组织保障策略、制度保障策略、监管反馈策略等三个方面,制定保障策略。本研究创新性主要集中于以下三点:第一,研究引入管理学理论拓展锻炼坚持研究理论架构,拓宽现有锻炼行为研究的应用场景;第二,集成大数据研究方法,拓展虚拟锻炼社区用户分类和用户生成内容分析研究路径,丰富了锻炼坚持行为研究的方法论体系;第三,自行发展大学生锻炼坚持行为问卷,为大学生锻炼坚持行为量化研究提供有效量具及实证基础。
陈丹[5]（2021）在《县域教育信息化发展评价指标数据化研究 ——以贵州省为例》文中提出信息技术的发展,使得教育信息化发展得到迅速的提升,成为了教育现代化不可或缺的一部分。贵州在国家和党的扶持之下,贵州的教育信息化水平也在逐年增长,为了更好的引导和助推贵州省县域教育信息化的发展和改革,需要对贵州省县域教育信息化发展水平进行评价。但由于各县域之间评价视角不一,所考察的具体内容不同,导致教育决策者获取决策数据存在一定的困难,不便于推进下一步的发展规划及政策制定。如何更好地反映以县域为主的教育信息化建设情况,实现智慧决策,需要教育信息化发展相关数据进行收集与分析。因此,对发展指标进行数据化处理、明确指标观测点是数据收集及后期处理的关键。本研究主要开展了贵州县域教育信息化发展指标数据化研究,以期能给教育决策部分提供更具可操作性的数据采集与处理的基础。本研究做了以下工作:第一,明确了贵州省县域教育信息化发展指标的观测点。首先,通过文献分析法分析对国内外教育信息化评价模型或体系进行统计、归纳、分析,然后利用关键指标法筛选出相关指标观测点。并通过访谈相关专业人士,利用Colaizzi七步分析法对访谈的录音信息进行整理,进一步补充完善各指标观测点,进而构建起贵州省县域教育信息化发展观测点备选库。最后,通过专家咨询法明确贵州省县域教育信息化发展指标观测点。第二,构建了贵州省县域教育信息化发展指标数据采集表。首先,通文献分析提出了收集评价数据的方式以及处理评价数据的方法;其次,在明确的观测点的基础上,对各观测点的数据关联进行分析;同时,对评价指标与评价数据的关系进行了分析;最后,形成贵州县域教育信息化发展指标数据采集表,该表中对评价数据上报主体、数据形式、数据的处理方式都做了说明,并且对数据上报的方法和流程进行了介绍。第三,提出了贵州省县域教育信息化发展水平指数的算法。首先利用专家打分法明确观测点权重,其次对不同数据类型进行规范化处理,最后通过文献分析,选择并设计了综合评价指数计算方法,算出县域教育信息化发展水平指数,综合反映县域教育信息化发展的状态水平。
刘沆[6]（2021）在《气电耦合虚拟电厂运营优化及风险评价模型研究》文中研究说明随着化石能源的持续开发全球大气二氧化碳排放量达到历史最高水平,排放强度逐年上升,对未来世界的可持续发展带来了严重挑战。传统虚拟电厂应用项目普遍存在能源结构单一、参与市场不足、能源耦合关系稀疏和新型负荷缺失等显着问题,导致传统虚拟电厂的运行稳定性差、经济效益低、风险管理难度大。在此背景下,气电耦合虚拟电厂的概念逐步成为未来分布式能源发展应用的一个重要技术方式,通过进一步聚合电转气装置（P2G）、燃气锅炉等气电转换设备,使得分布式可再生能源机组的利用效率得到提升,减少了出力不确定性对系统稳定、经济运行的影响。然而,当前气电耦合虚拟电厂的运行控制及市场运营研究还较为缺乏,无法有效协调多类型灵活性资源并入虚拟电厂,支撑气电耦合虚拟电厂的调度优化及市场运营决策。基于此,亟需计及多重不确定性、电动汽车特性及综合需求响应特性展开对气电耦合虚拟电厂运营优化及风险评价,以便为多类型分布式能源、可控负荷、电转气耦合设备等灵活性资源参与虚拟电厂调度提供强大动力,有效支撑电力系统与虚拟电厂的协同运行,提高虚拟电厂的经济效益与运行效率。第一,基于气电虚拟电厂的研究现状和相关理论,阐明了本文所研究气电虚拟电厂运营优化研究的理论和应用价值。首先,围绕气电耦合虚拟电厂的基本概念、发展过程和主要类型阐述了气电耦合虚拟电厂的基础理论;其次,为了实现供给侧多能互补和负荷侧综合互动的运行目标,从形态特征、结构特征、技术特征和应用特征四个方面对气电耦合虚拟电厂的运营运行特征进行了详细分解;再次,基于气电虚拟电厂多种能源主体的复杂结构及相互关系,梳理了气电虚拟电厂参与外部能源市场的类型和运营优化模式及内部各类能源形式和设备的协同运行模式;最后,针对国内外虚拟电厂应用项目进行了现状分析与经验总结,并指出对气电虚拟电厂经验启示,为本文后续章节开展相关研究奠定扎实的理论基础。第二,基于可再生能源出力、负荷的不确定性以及能源价格波动对气电虚拟电厂运营优化带来的风险,建立了计及多重不确定性的气电耦合虚拟电厂运营优化模型。首先,分析了气电虚拟电厂内部分布式可再生能源出力、负荷需求、碳排放权价格及能源电力价格的不确定性,采用概率分布模型对上述不确定性因素进行了建模;其次,构建了以系统经济效益最优、碳排放最小为目标的计及多重不确定性的气电耦合虚拟电厂运营优化模型,并提出了改进捕食遗传算法的求解算法和具体的计算流程;最后,选取北方某气电虚拟电厂为例,设置了六种不同情景进行了对比研究,验证了在计及内外部多重不确定性下气电耦合虚拟电厂更具有市场竞争力,能够实现经济效益和环境效益的共赢。第三,基于电动汽车特性及耦合设备运行特性对系统运行的影响,建立了计及电动汽车特性的气电耦合虚拟电厂运营优化模型。首先,对电动汽车运行特性及可与电动汽车耦合运行的虚拟电厂相关设备特性进行了研究,设计了考虑电动汽车特性的气电耦合虚拟电厂运行结构;其次,以气电虚拟电厂在日前能量市场中的运营收益最大化为目标,构建了计及电动汽车特性的气电耦合虚拟电厂运营优化模型;然后,考虑了运营优化模型的非线性、多维度问题,为了提高粒子群算法存在收敛速度、计算精度,避免早熟的问题,提出了基于Tent映射的改进混沌优化算法,以及具体的计算流程;最后,选取某工业园区进行实例分析,并对四种情景下的系统收益进行了优化求解,得到了气电虚拟电厂各设备在运行日各时刻的优化出力方案,证实了考虑电动汽车充放电特性并将其与P2G设备引入气电虚拟电厂可显着提升系统收益。第四,基于虚拟电厂参与需求响应的交易机制和需求响应特性分析,建立了计及综合需求响应特性的气电虚拟电厂运营优化模型。首先,分析了气电虚拟电厂参与需求响应的交易机制和需求响应负荷特性,设计了气电虚拟电厂参与综合需求响应的总体框架;其次,以气电虚拟电厂收益最大化为目标,根据各耦合设备出力交换功率和多能源需求响应的互动关系,考虑可控负荷、电力网络、热力网络、天然气网络及能源耦合、存储设备等约束,构建了气电虚拟电厂参与综合需求响应的运营优化模型;然后,针对综合需求响应中各种能源的价格存在不确定性,在原模型基础上引入了均值-方差模型,实现了气电虚拟电厂效益最大化并降低了不确定性带来的风险;最后通过算例和多情景对比研究,结果表明了虚拟电厂参与综合需求响应相比于传统需求响应能够获得更高的效益。第五,基于气电耦合虚拟电厂参与多种能源市场交易中面临内外部多方面风险因素的影响,建立了考虑气电虚拟电厂参与市场运营的全流程风险评价模型。首先,从多重不确定性、电动汽车特性及综合需求响应特性三个方面,深入分析了不同特性对气电耦合虚拟电厂造成的风险影响;其次,结合气电虚拟电厂的运行结构和特点,多维度考虑了外部政策、参与主体、耦合技术、运营交易、信用管理5个方面,设计了包含29个风险评价指标的气电耦合虚拟电厂风险评价指标体系;然后,在熵权-序关系赋权法和云模型解决不确定性评价信息的优点基础上,构建了基于熵权-序关系法改进的云模型风险评价模型;最后,针对四种场景下的气电虚拟电厂进行算例分析,对比研究了不同场景及不同评价模型的评价结果,验证了所提出模型的有效性和优越性。
高学伟[7]（2021）在《数字孪生建模方法及其在热力系统优化运行中的应用研究》文中研究指明随着社会经济的飞速发展,我国产业结构优化调整和转型升级进程的深入,要实现未来“碳达峰,碳中和”的目标,需要建设清洁低碳、安全高效的现代能源体系。以风电和太阳能发电为代表的可再生能源替代作用日益突显,而火电机组在未来很长一段时间内仍将处于主导地位。亟需解决火电和可再生能源的协同发展问题,大型火电机组更多需要担负起高效节能、低碳环保、深度调频调峰的任务。实施电能替代供热对于推动能源消费革命、减少碳排放、促进能源清洁化意义重大。利用电锅炉储热供暖还可以降低电网调节压力,增加供热能力,有效解决可再生能源的消纳问题。火电机组热力系统和电锅炉储热供暖热力系统都属于典型的非线性、多参数、强耦合的复杂热力系统。本文通过研究流体网络机理建模和数据驱动建模相融合的数字孪生建模方法,为热力系统建模工作提供了新的思路和途径,为热力系统安全、环保和经济运行提供理论支撑。论文围绕数字孪生建模方法及其在热力系统优化运行中的应用,主要研究内容和成果包括以下几个方面:（1）对数字孪生理论、热力系统建模理论以及大数据处理等基本理论进行了研究。比较了数字孪生与仿真技术及信息物理系统的异同;以火力发电厂为例,研究了流体网络机理建模及求解方法;对Hadoop系统的MapReduce与Spark计算进行了对比分析,对实时数据处理Spark Streaming与Storm进行了对比分析,并搭建了适用于数字孪生及大数据在热力系统建模领域应用的大数据分布式集群平台;在该集群上实现了大数据的存储管理,以及大数据分布式计算,研究了基于大数据平台的数据驱动建模理论,包括支持向量回归建模、极限学习机建模、智能辨识优化算法以及即时学习等基本理论。（2）针对数据驱动建模方法的研究,提出一套基于改进即时学习策略的自适应数据驱动建模方法。采用“主成分+互信息”的方法获得输入和输出变量之间的相关程度,确定权重因子,然后利用“欧式距离+角度”定义一种加权综合相似度度量函数。在离线状态下,利用改进遗传模拟退火模糊聚类方法进行工况划分;进行工况预测时,采用一种多层次综合相似度度量的相似工况快速识别方法构建相似工况训练集,即根据两级搜索的策略实现了在线快速识别:初级识别是确定预测工况在历史工况库中所属的类别提取预测类工况,次级识别是采取基于综合相似度度量函数的相似工况识别方法,在历史数据库中针对预测类工况的快速识别;局部模型建模方法是在Spark计算框架下,对SparkSVMHPSO算法、Spark ELM算法以及基于SparkHPSO的多参数辨识等数据驱动建模方法进行研究。然后以SCR脱硝系统出口 NOx预测、电锅炉储热供热系统源侧及荷测负荷预测为案例,验证了所提出的建模方法有效性。为热力系统数字孪生模型建模及系统工况优化提供了理论支撑。（3）针对数据孪生建模的研究,提出一套改进即时学习策略的自适应数据驱动与机理模型多参数辨识协同融合的数字孪生建模方法。在建立热力系统机理模型的基础上,关键的设备模型参数利用多参数多工况拟合的离线智能辨识方法,得到可以模拟实际系统全工况下动态变化趋势的离线智能参数辨识模型;以离线智能参数孪生模型为主,根据相似度阈值进行判断,采用自适应模型参数更新策略,实现数字孪生模型的在线协同;为进一步提升孪生模型预测的精度和鲁棒性,采用移动窗格信息熵的多模型输出在线融合方法,提升关键工况以及动态变化过程的逼近程度。基于这一理论构建的数字孪生模型,能够基于系统运行数据持续进行自我修正,在线跟踪设备运行特性,从而具有自适应、自演进的智能化特点,能够全面反映系统的运行状态和性能,为系统工况迭代优化提供可靠的模型输入和结果校验工具。以燃煤电站SCR脱硝系统和电锅炉储热供热系统为研究对象,建立其热力系统数字孪生模型。（4）最后,基于数字孪生模型的实时跟踪能力,提出一种基于负荷分配和工况寻优的热力系统智能工况动态寻优策略。并以电锅炉储热供热系统为研究对象,根据能耗成本分析和负荷分配策略,利用数字孪生模型系统,对电网负荷、电锅炉系统、储热系统进行预测计算,模拟不同运行方案、不同工况下系统动态运行,得出最优的供热调节和负荷分配方案。以火力发电厂SCR脱硝系统为例,根据建立的自适应、自演进的智能化SCR脱硝系统数字孪生模型,将该模型应用于模型预测控制算法中。结果表明,利用基于数字孪生模型的自适应预测控制算法比传统的PID控制效果更精确,运行更稳定。证明了所提建模方法的有效性,具有重要的工程实用意义和行业示范价值。
戚凯旋[8]（2021）在《基于区间二元语义信息的突发事件应急决策方法研究》文中研究指明近年来,各类突发事件在世界范围内频繁发生,不仅造成了严重的人员伤亡和财产损失,也对经济发展、社会稳定和公共安全造成了巨大的负面影响。另一方面,随着经济社会的发展,尽管突发事件应急管理和应急预案体系建设得到了加强,综合应急处置能力得到了提升,但仍存在很多问题且缺乏科学的评估、决策和优化方法。因此,应急决策越来越受到各国政府乃至整个国际社会的关注。对于应急管理全过程而言,无论是在突发事件发生前、突发事件应对中还是突发事件处置后实施应急决策,都不可避免地需要合理、有效的解决方案,这对减少突发事件带来的潜在损失和不良影响具有重要意义。但是,在现实生活中,由于突发事件的不确定性和复杂性、决策信息的缺乏以及人类对问题认识的局限性等,采用传统的管理方法难以有效地处理应急决策问题。同时,模糊多属性决策方法被认为是一种处理应急决策问题非常有效的方法。目前,基于模糊多属性决策技术的应急决策方法得到了大量研究并取得了丰富的成果,然而仍存在一些不足,尚不能充分、有效地处理实际的应急决策问题。为此,本文旨在研究新的基于模糊不确定多属性决策的应急管理全过程应急决策方法。首先,针对突发事件发生前的应急管理优化问题,提出了一种基于区间二元语义群体共识DEMATEL的应急管理优化方法。采用区间二元语义模型灵活且准确地表征关于应急管理影响因素之间直接影响关系的多样化、模糊和不确定的评估信息。开发了一种群体共识达成算法,使得专家对影响因素间的区间语言直接影响关系评估达成可接受的共识。通过计算各影响因素属于原因因素或结果因素的概率,提出了一种概率因果关系图的构建方法,可为分析应急管理系统复杂的因果关系结构提供更多有益的信息。在此基础上,发展了一种应急管理优化过程探索算法,以推导出在可用资源有限的条件下应急管理影响因素最佳的优化顺序和优化组合。随后,通过一个算例展示了提出方法的实现过程,并进行了敏感性、有效性和优越性分析,验证了方法的有效性和优越性。其次,针对突发事件应急中的应急预案协同优选问题,发展了一种基于区间二元语义BWM-TODIM的多部门应急预案协同优选方法。采用区间二元语义信息表征决策者的评估信息,以灵活地反映且准确地处理所包含的模糊性、不确定性和多样性。基于决策者的评估信息,分别构建了不同应急部门应急预案组合关于个体指标的个人绩效评估和关于协同指标的协同绩评估。将BWM方法推广到区间二元语义信息环境中,并在一个区间模糊数学规划模型中考虑了群体决策过程,为指标权重的计算提供了一种简单、可靠的方法。考虑决策者的心理行为,提出了区间二元语义TODIM方法,同时计算了决策方案间的相对收益度和损失度,使决策结果更实用、准确。给出了提出方法的多阶段动态决策过程,以适应突发事件的动态发展并及时采取有效措施给予应对。随后,通过一个算例展示了提出方法的应用,并结合敏感性、有效性和优越性分析验证了方法的有效性和优越性。最后,针对突发事件处置后的应急能力评估问题,开发了一种基于区间二元语义AHP和区间集成算子的应急能力综合评估方法。利用区间二元语义模型灵活且准确地处理多样化、模糊和不确定的评估信息。将AHP方法拓展到区间二元语义信息环境中,定义了区间二元语义偏好关系及其乘法一致性。提出了一种一致性改进迭代算法,能够自动地提高区间二元语义偏好关系的一致性水平。基于此,采用规范化顺序求和法推导应急能力评估指标的区间二元语义权重。在个体决策信息集成过程中,同时考虑了专家的主、客观权重,提出了一种更合理、实用的专家权重确定策略。开发了一些区间二元语义区间加权集成算子,能够适应区间二元语义形式的指标权重,以获得综合的评估结果。同时考虑评估信息的正面信息量和信息的可靠性,发展了一种新的区间二元语义比较方法,可以综合比较不同评估对象应急能力的综合绩效及其在子指标上的加权绩效,从而给出明确的应急能力改进意见。随后,结合提出方法的一个算例应用,进行了敏感性、有效性和优越性分析,验证了方法的有效性和优越性。
张威[9]（2021）在《混合动力工程车辆智能化能量管理方法研究》文中进行了进一步梳理一直以来,工程车辆在基础建设、工业生产以及矿山开采等领域扮演着重要角色。然而在节能降耗的大趋势下,工程车辆作为高能耗、高排放装备,其发展正处于技术升级革新的关键阶段。目前,混合动力技术作为实现节能减排的有效方案,已在汽车领域实现应用并趋于成熟,而能量管理则是直接决定混合动力系统性能表现的关键技术。因此开展混合动力工程车辆的能量管理方法研究对促进混合动力工程车辆的发展具有重要的现实意义。本文在综述国内外混合动力工程车辆发展及混合动力能量管理研究成果的基础上,分析并阐述了混合动力工程车辆能量管理技术的发展趋势及技术难点,提出了混合动力工程车辆智能化能量管理方法的研究方案。主要研究内容包括:（1）混合动力工程车辆的系统特征分析、平台测试与能量管理系统建模。本文从能量管理研究角度出发,分别从工况、构型以及能量流三方面分析并阐述了混合动力工程车辆的特点,在此基础上搭建了混合动力工程车辆能量管理测试平台并且设计了实验方案以获取高还原度的系统负载样本。另一方面,在对混合动力工程车辆能量管理基本架构的分析基础上,对测试平台的能量管理系统进行建模,并对仿真模型进行了验证。上述工作为进一步开展能量管理方法的研究提供了条件。（2）无模型学习方法在混合动力工程车辆能量管理问题中的应用研究。混合动力工程车辆结构特殊、系统复杂且工况多变,由于传统的能量管理方法对负载及作业环境的变化缺乏自适应调整能力,其性能表现往往低于预期。对此,本文将混合动力工程车辆能量管理问题转化为马尔科夫决策过程并引入强化学习思想对最优能量管理策略进行迭代求解,进而提出了一种基于Q学习的能量管理方法。仿真结果表明,基于Q学习的学习型能量管理方法能够对混合动力工程车辆的工况特征实现策略的自学习并最终收敛,且相较传统能量管理方法具有更好的最优性。该方法的提出作为一次能量管理智能化尝试,为接下来的深入研究打下了基础。（3）基于模型的学习方法在能量管理问题中的应用与分析。以Q学习为代表的无模型方法虽然可以通过高频率的交互行为来适应环境的变化,但该过程的样本效率较低。而在实际应用中,这一缺陷则会导致学习收敛较慢且学习成本的较高。针对这一问题,本文利用工程车辆工作循环的短时周期性重复特点,提出了一种基于DynaQ学习的混合动力工程车辆智能能量管理方法。经验证,该方法不但对能量辅助系统的极端初值状态具有良好收敛性,且对于同类工况间的差异具有较好的适应性。相较于基于Q学习的无模型学习方法,基于Dyna-Q学习的能量管理方法不但表现出了更好的实时性及最优性,而且对能量辅助系统表现出了明显的友好性。（4）面向混合动力工程车辆的智能能量管理方法的通用化研究。在前文所开展研究的基础上对所提出的智能能量管理方法的通用化进行了深入研究。本文针对方法通用化的改进包括三部分:通过引入趋势项对奖励函数进行改进,以提升策略的长期稳定性;设计了一种值函数逼近器,以避免维数灾难的发生并增强值函数表达的泛用性;提出了一种基于高斯混合模型的混合动力工程车辆环境模型,以提升基于模型方法的可重用性。在上述改进的基础上,提出了基于模型学习的混合动力工程车辆智能能量管理通用化框架。经验证,与原基于模型的能量管理方法相比,本文所提出的通用化框架的长期稳定性、工况适应性、通用性及经济性都得到了进一步改善。
李茵[10]（2021）在《面向医院管理的数据驱动决策研究》文中指出信息技术的快速发展与应用以及大数据战略的深入实施,使得大数据成为科技创新引领与决策支撑的重要战略资源,科学研究与实践正在完成“假设驱动”到“数据驱动”的巨大转变,大数据的深度挖掘与利用能够为社会发展、政府治理、国家安全等提供新的动能。围绕国家大数据战略,丰富和拓展大数据应用创新领域,推动管理升级,给学术界、产业界以及政府部门带来许多新的重要课题。其中面向健康服务供给侧的决策支持、决策引导和决策创新中的数据驱动、数据价值转换问题即是管理学、数据科学的核心科学问题之一,更是情报学应对大数据环境开展智慧型情报服务必须解决的关键问题之一。健康医疗大数据时代的到来,促使医院管理和医院管理者的观念都随之变化。数据驱动对医院精细化、智慧化管理决策具有重要意义。本研究从提升医疗管理决策质量的角度出发,构建数据驱动医院管理决策过程模型,分析数据驱动医院管理决策的影响因素,进而提出面向医院管理的数据驱动决策模型,并展开实证研究,为数据驱动决策领域的研究理论基础和实证研究提供参考依据,为促进医院精细化管理提供对策及建议。基于此,通过界定“数据驱动”、“医院管理”、“医院管理评价”与“数据驱动决策”等相关概念,以回顾数据驱动决策、面向医疗健康领域的数据驱动决策、面向医院管理的数据驱动决策以及数据驱动决策的影响因素研究现状为基础,综合运用文献调研法、半结构访谈法、问卷调查法、扎根理论法、结构方程法、统计分析法、机器学习法分析了面向医院管理的数据驱动决策的过程模型和影响因素模型,并构建了面向医院管理的数据驱动决策模型。围绕面向医院管理的数据驱动决策模型这一核心研究内容,本文第三章在已有BASM模型研究过程的基础上,结合医院管理决策场景的特殊性,探索面向医院管理的数据驱动决策的运行机理,构建面向医院管理的数据驱动决策过程模型,以梳理驱动的路径,理清其中的内在逻辑。该模型由处理过程模型及支持过程模型两部分构成,旨在分别回答面向医院管理的数据驱动决策过程中两个核心问题,一是数据本身如何转化并如何嵌入到医院管理决策过程中,二是医院中能够支持并且推动数据驱动决策的途径是什么。第四章采用扎根理论进行了面向医疗管理领域数据驱动决策的影响因素识别研究,编码面向医院管理者的半结构化访谈资料,经过饱和度测试,最终识别出了四个维度的影响因素。第五章在对影响因素定性研究的基础上利用结构方程模型方法进一步验证影响因素,探讨相关变量的权重和关系。阐述各个因素对医院管理决策的影响关系,验证数据驱动医院管理决策影响因素模型。第六章整合数据驱动医院管理决策过程模型和影响因素模型,构建支持医院管理决策全过程的数据驱动决策模型,探讨过程模型与影响因素模型的内在联系。第七章根据已构建的面向医院管理的数据驱动决策模型,进行基于DRGs分组的医疗服务能力评价和医生绩效评价管理工作的实证研究,修正和完善已构建的模型。具体内容如下:（1）构建面向医院管理的数据驱动决策过程模型。基于现有的数据驱动决策机制模型,结合医院管理实践,构建面向医院管理的数据驱动决策过程模型,该模型由处理过程模型及支持过程模型两部分构成,处理过程模型包括面向医院管理决策的数据处理过程和数据驱动的医院管理决策处理过程。决策处理过程既是数据处理过程的最后阶段,对数据处理的结果进行展示与应用,又会不断地产生新的数据,前推已有数据的老化和错误,补充和修正数据处理过程。而数据处理过程以决策处理过程中的阶段性需求为导向,能嵌入到决策处理过程的所有阶段,为决策处理的全流程服务。支持过程模型主要涉及两用户一技术。两用户包括数据分析人员和管理者,使能技术是创建和改进能够嵌入到操作系统的分析工具,这三个主体不能割裂独立,而可以互相转化并可能同时存在,共同对数据和决策进行处理,支持处理过程模型运转。（2）系统分析了面向医院管理的数据驱动决策影响因素。对主观及客观上影响管理者数据驱动决策的因素进行整合和相关分析,确定四个核心影响因素范畴分别是医疗数据质量,信息技术,医院组织管理和管理者信息素养,构建了影响因素模型,发现数据驱动医院管理决策能受到管理者信息素养、医院组织管理和信息技术的正向影响,其中管理者信息素养最强,其次是医院组织管理和信息技术;医院组织管理对医疗数据质量、管理者信息素养、决策目标均有影响,对医疗数据质量的影响要强于管理者信息素养;医疗数据质量能够对信息技术产生正向影响;信息技术对决策目标具有正向影响。（3）构建了面向医院管理的数据驱动决策模型。将过程模型与影响因素模型有机结合在一起,构成了面向医院管理的数据驱动决策模型。打造数据驱动决策模型,将医院数据质量标准化管理贯穿于医院管理全流程、智能化管理提升医务人员的信息技术、高效化管理增效医院组织三个方面分析模型的实现,提出模型优化建议。（4）基于DRGs的肺癌医疗服务绩效分析实证研究。模拟医院管理中运用DRGs分组工具解决绩效问题的真实场景,应用数据驱动医院管理决策模型,优化DRGs分组,优化绩效管理。研究最终确定性别、年龄、入院途径、离院方式、住院次数、医保付费方式、是否手术、合并症严重情况八个因素为影响肺癌医疗服务费用的因素,构建了8个DRGs分组,其中合并症严重程度、是否手术、住院次数是决策树分组的分类结点变量。选用医疗服务能力的指标（DRGs总权重、CMI）根据获取的数据进行比较,完成绩效评价工作,实现基于数据驱动决策的绩效管理。
二、高校管理系统中不确定性信息的处理方法及其应用研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、高校管理系统中不确定性信息的处理方法及其应用研究（论文提纲范文）
（1）复杂大型建设项目费用偏差控制方法及信息系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 复杂大型建设项目研究现状 |
| 1.2.2 项目费用控制研究现状 |
| 1.2.3 预警方法研究现状 |
| 1.2.4 纠偏策略研究现状 |
| 1.2.5 信息系统应用研究现状 |
| 1.3 主要研究内容和技术路线 |
| 1.4 主要创新点 |
| 第2章 相关基础理论研究 |
| 2.1 复杂大型建设项目特点及费用控制分析 |
| 2.1.1 复杂大型建设项目特点分析 |
| 2.1.2 复杂大型建设项目费用偏差控制参与主体 |
| 2.1.3 复杂大型建设项目费用控制复杂性分析 |
| 2.2 费用偏差控制相关理论研究 |
| 2.2.1 费用偏差控制内涵 |
| 2.2.2 费用偏差影响因素分析 |
| 2.2.3 费用偏差控制基本原则 |
| 2.3 费用偏差控制模型及方法研究 |
| 2.3.1 偏差特征系统动力学理论 |
| 2.3.2 神经网络模型 |
| 2.3.3 费用偏差预警聚类方法 |
| 2.3.4 费用偏差控制策略及评价理论 |
| 2.4 本章小结 |
| 第3章 基于系统动力学的费用偏差影响因素识别研究 |
| 3.1 复杂大型建设项目费用监控模式 |
| 3.1.1 费用监控模式特征分析 |
| 3.1.2 费用监控模式构建 |
| 3.1.3 费用监控模式运行流程 |
| 3.2 费用偏差影响因素的系统动力学模型构建 |
| 3.2.1 系统动力学的基本理论 |
| 3.2.2 基于系统动力学的费用偏差控制的可行性分析 |
| 3.2.3 系统动力学模型构建 |
| 3.3 费用偏差影响因素的子系统方程式建立 |
| 3.3.1 系统动力学建模中涉及到的数学方法 |
| 3.3.2 影响因素的子系统方程式建立 |
| 3.4 系统动力学模型仿真和分析 |
| 3.5 本章小结 |
| 第4章 基于改进神经网络模型的费用偏差控制方法研究 |
| 4.1 工程建设项目费用偏差计算需求及特点分析 |
| 4.2 基于K-means算法的费用偏差警情计算模型研究 |
| 4.2.1 K-means聚类理论及缺陷分析 |
| 4.2.2 K-means聚类方法改进及适用性研究 |
| 4.2.3 基于改进K-means算法的费用偏差计算模型构建 |
| 4.3 基于改进神经网络模型的费用偏差计算模型研究 |
| 4.3.1 神经网络模型原理分析 |
| 4.3.2 神经网络模型的改进及适用性研究 |
| 4.3.3 基于改进神经网络模型的费用偏差计算模型构建 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 基于流程再造的费用偏差控制策略及效果评价 |
| 5.1 复杂大型建设项目费用偏差控制中的流程再造与协同 |
| 5.1.1 费用偏差控制中流程再造与协同的目标 |
| 5.1.2 费用偏差控制中流程再造与协同的原则 |
| 5.2 复杂大型建设项目各阶段费用偏差控制策略 |
| 5.2.1 前期决策阶段的费用偏差控制策略 |
| 5.2.2 中期实施阶段的费用偏差控制策略 |
| 5.2.3 后期运维阶段的费用偏差控制策略 |
| 5.3 复杂大型建设项目费用偏差控制效果评价 |
| 5.3.1 费用偏差控制效果评价指标体系 |
| 5.3.2 基于支撑度理论的纠偏控制效果评价群决策模型 |
| 5.3.3 算例分析 |
| 5.4 本章小结 |
| 第6章 复杂大型项目费用偏差控制信息系统分析与设计 |
| 6.1 复杂大型建设项目CDMIS分析 |
| 6.1.1 复杂大型建设项目CDMIS的定义 |
| 6.1.2 复杂大型建设项目CDMIS的建设目标 |
| 6.1.3 复杂大型建设项目CDMIS的用户分析 |
| 6.1.4 复杂大型建设项目CDMIS的需求分析 |
| 6.2 复杂大型建设项目CDMIS设计 |
| 6.2.1 系统的总体设计原则及开发方法 |
| 6.2.2 系统的平台整体设计 |
| 6.2.3 复杂大型建设项目CDMIS的功能及模块设计 |
| 6.2.4 复杂大型建设项目CDMIS的数据库设计 |
| 6.3 复杂大型建设项目CDMIS关键技术 |
| 6.3.1 复杂大型建设项目CDMIS的开发技术选型 |
| 6.3.2 复杂大型建设项目CDMIS的数据仓库设计 |
| 6.3.3 复杂大型建设项目CDMIS的模型管理模块设计 |
| 6.4 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）考虑可再生能源不确定性的电力系统多阶段鲁棒调度方法（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统日前/日内调度 |
| 1.2.2 考虑不确定性的优化调度研究现状 |
| 1.2.3 综合能源系统优化调度研究现状 |
| 1.3 本文的创新点与研究内容 |
| 第2章 基于可再生能源出力预测误差聚类的数据驱动鲁棒优化 |
| 2.1 引言 |
| 2.2 数据驱动的可再生能源出力不确定集 |
| 2.2.1 风力发电不确定性 |
| 2.2.2 光伏发电不确定性 |
| 2.2.3 传统多面体不确定集 |
| 2.2.4 基于高斯混合模型的可再生能源预测误差聚类 |
| 2.2.5 构建数据驱动不确定集 |
| 2.3 数据驱动鲁棒优化求解算法 |
| 2.4 算例分析 |
| 2.4.1 数据驱动不确定集表征不确定性效果分析 |
| 2.4.2 数据驱动鲁棒机组组合问题应用效果分析 |
| 2.5 小结 |
| 第3章 基于多阶段鲁棒优化的含储能电网日内调度方法 |
| 3.1 引言 |
| 3.2 多阶段鲁棒优化及FRDDP |
| 3.2.1 多阶段鲁棒优化 |
| 3.2.2 高效分解方法 |
| 3.2.3 FRDDP算法 |
| 3.2.4 FRDDP的收敛性能改进 |
| 3.3 含风电及储能电网实时调度模型 |
| 3.3.1 风电出力不确定性建模 |
| 3.3.2 实时调度模型 |
| 3.3.3 MSRD的总体流程 |
| 3.3.4 储能系统近似建模的影响 |
| 3.4 算例分析 |
| 3.4.1 PJM-5 节点测试系统 |
| 3.4.2 大型测试系统 |
| 3.5 小结 |
| 第4章 基于电网经济运行域日前-日内两阶段鲁棒调度方法 |
| 4.1 引言 |
| 4.2 鲁棒机组组合的局限性 |
| 4.3 基于经济运行域的增广鲁棒机组组合 |
| 4.3.1 辅助区间变量 |
| 4.3.2 经济运行域 |
| 4.3.3 ERUC具体模型 |
| 4.4 增广鲁棒机组组合求解算法 |
| 4.5 算例分析 |
| 4.5.1 测试系统说明 |
| 4.5.2 算法收敛性验证 |
| 4.5.3 经济运行域有效性验证 |
| 4.6 小结 |
| 第5章 分散协同的电-热联合系统多阶段鲁棒调度 |
| 5.1 引言 |
| 5.2 电热联合系统建模 |
| 5.2.1 热力子系统模型 |
| 5.2.2 电力子系统模型 |
| 5.3 分散协同多阶段鲁棒调度模型 |
| 5.3.1 多阶段鲁棒调度模型 |
| 5.3.2 分散协同鲁棒对偶动态规划算法(D-RDDP) |
| 5.4 算例分析 |
| 5.4.1 算例设置 |
| 5.4.2 算法收敛性验证 |
| 5.4.3 模型有效性验证 |
| 5.4.4 算法可靠性验证 |
| 5.4.5 算法计算性能验证 |
| 5.5 小结 |
| 第6章 电网经济运行域软件与综合能源优化调度软件开发 |
| 6.1 引言 |
| 6.2 电网经济运行域软件 |
| 6.2.1 软件功能 |
| 6.2.2 软硬件架构 |
| 6.2.3 界面及效果展示 |
| 6.3 综合能源优化调度软件 |
| 6.3.1 软件功能 |
| 6.3.2 软硬件架构 |
| 6.3.3 界面及效果展示 |
| 6.4 小结 |
| 第7章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 后续工作展望 |
| 参考文献 |
| 攻读博士学位期间主要研究成果 |
（3）基于大数据的大学生日常思想政治教育创新研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 绪论 大数据让大学生日常思想政治教育智能化 |
| 第一节 选题缘由及研究意义 |
| 一、选题缘由 |
| 二、研究意义 |
| 第二节 国内外研究综述 |
| 一、国内研究现状 |
| 二、国外大数据与教育交叉研究综述 |
| 三、研究评析 |
| 第三节 逻辑结构 |
| 一、研究思路 |
| 二、研究方法 |
| 三、内容框架 |
| 第四节 重点、难点及预期创新点 |
| 一、研究重点 |
| 二、研究难点 |
| 三、研究创新点 |
| 第一章 基于大数据创新大学生日常思想政治教育的理论基础 |
| 第一节 核心概念解读 |
| 一、大数据 |
| 二、大学生日常思想政治教育 |
| 三、大学生日常思想政治教育大数据 |
| 第二节 大学生日常思想政治教育大数据之马克思主义哲学审视 |
| 一、感性对象性活动之数据生成逻辑 |
| 二、实践的社会历史性之数据发展动因 |
| 三、辩证唯物主义认识论之数据应用的方法论基础 |
| 四、人的全面自由发展之数据应用的价值取向 |
| 第三节 大学生日常思想政治教育大数据自组织系统阐释 |
| 一、大学生日常思想政治教育之复杂自组织系统特征 |
| 二、大学生日常思想政治教育大数据之数据转化 |
| 三、大学生日常思想政治教育大数据之数据转换 |
| 四、大学生日常思想政治教育之数据工作机制 |
| 第二章 基于大数据创新大学生日常思想政治教育的现实依据 |
| 第一节 大学生日常思想政治教育存在的现实困境 |
| 一、基于大数据文本挖掘方法的大学生日常思想政治教育现实困境分析 |
| 二、大学生日常思想政治教育者访谈 |
| 三、大学生日常思想政治教育存在的问题及原因剖析 |
| 第二节 新时代大学生日常思想政治教育新要求 |
| 一、新时代大学生日常思想政治教育面临的新课题 |
| 二、新时代大学生日常思想政治教育指导思想与原则 |
| 三、新时代大学生日常思想政治教育教育内容体系 |
| 四、新时代大学生日常思想政治教育的主体转型 |
| 第三节 基于大数据创新大学生日常思想政治教育技术优势 |
| 一、大数据关键技术之大学生日常思想政治教育应用 |
| 二、教育主体与教育客体的数据交互 |
| 三、教育管理平台载体的数据智能 |
| 四、教育管理实践数据的跨域应用 |
| 第四节 基于大数据创新大学生日常思想政治教育可能性分析 |
| 一、基于数据技术的效率提升 |
| 二、基于证据的日常教育管理 |
| 三、基于数据评价的工作改进 |
| 第三章 基于大数据促进大学生日常思想政治教育发展转向 |
| 第一节 大学生日常思想政治教育大数据应用呈现 |
| 一、精准画像:大数据精确反映学生行为状态 |
| 二、规律探寻:大数据有效呈现学生活动规律 |
| 三、超前感知:大数据准确研判学生活动趋向 |
| 第二节 基于大数据之由线性思维向系统思维转变 |
| 一、线性思维 |
| 二、系统思维 |
| 三、线性思维向系统思维转变的全面性与准确性 |
| 第三节 基于大数据之由普适教育向个性化培育转变 |
| 一、普适教育 |
| 二、个性化培育 |
| 三、普适教育向个性化培育转变的适应性与有效性 |
| 第四节 基于大数据之由认知培育向实践养成转变 |
| 一、认知培育 |
| 二、实践养成 |
| 三、认知培育向实践养成转变的实效性与长效性 |
| 第五节 基于大数据之由需求侧适应向供给侧发力转变 |
| 一、需求侧适应 |
| 二、供给侧发力 |
| 三、需求侧适应向供给侧发力转变的精准性与有效性 |
| 第四章 基于大数据创新大学生日常思想政治教育的实施路径 |
| 第一节 基于大数据创新大学生日常思想政治教育的原则 |
| 一、以人为本原则 |
| 二、守正创新原则 |
| 三、趋利避害原则 |
| 四、循序渐进原则 |
| 五、理论与实践相结合原则 |
| 第二节 大学生日常思想政治教育大数据资源库建设与运行 |
| 一、大学生日常思想政治教育大数据采集 |
| 二、大学生日常思想政治教育大数据预处理与存储 |
| 三、大学生日常思想政治教育大数据挖掘与建模分析 |
| 四、大学生日常思想政治教育大数据可视化与应用 |
| 五、大学生日常思想政治教育大数据解释与反馈 |
| 第三节 利用大数据推进大学生日常思想政治教育实践应用 |
| 一、数据画像 |
| 二、精准资助 |
| 三、异常告警 |
| 第五章 基于大数据创新大学生日常思想政治教育的条件保障 |
| 第一节 个体主观条件 |
| 一、培育大数据意识与大数据思维 |
| 二、掌握大数据知识与大数据技能 |
| 三、提升大数据伦理与管理理性 |
| 四、把握大数据应用的价值导向 |
| 第二节 技术条件保障 |
| 一、开发和搭建高校思想政治教育大数据技术平台 |
| 二、培育大学生思想政治教育大数据核心技术团队 |
| 第三节 组织与制度保障 |
| 一、加强组织领导 |
| 二、推进教育政策实施与制度建设 |
| 三、加强体制机制建设 |
| 第四节 文化环境保障 |
| 一、优化校园网络环境 |
| 二、培育校园数据文化 |
| 三、优化校园人文环境 |
| 结语:数据智能与教育智慧结合 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间主要研究成果 |
（4）大学生锻炼坚持行为影响因素及促进策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究问题 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 研究内容与方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法 |
| 1.4 创新性 |
| 第二章 文献综述及理论基础 |
| 2.1 文献综述 |
| 2.1.1 相关概念的研究 |
| 2.1.2 锻炼坚持行为影响因素的研究 |
| 2.1.3 锻炼坚持行为促进的相关理论 |
| 2.1.4 文献述评 |
| 2.2 锻炼坚持行为促进的相关管理理论基础 |
| 2.2.1 社会交换理论 |
| 2.2.2 健康自我管理与行为决策 |
| 2.2.3 综合集成思想与TEI@I方法论 |
| 2.3 大数据分析的相关理论与技术 |
| 2.3.1 大数据支持体育行为记录与干预 |
| 2.3.2 用户生成内容的自然语言处理与主题发现 |
| 2.3.3 行为特征的聚类 |
| 2.3.4 基于有监督机器学习的行为特征分类器 |
| 2.4 本章小结 |
| 第三章 大学生锻炼坚持行为因素与结构 |
| 3.1 大学生锻炼坚持行为因素研究设计 |
| 3.1.1 因素筛选方法 |
| 3.1.2 研究过程 |
| 3.1.3 资料收集与处理 |
| 3.1.4 资料初步分析结果 |
| 3.2 因素界定 |
| 3.2.1 基于文献的相关关键词界定 |
| 3.2.2 基于UGC内容的因素提取 |
| 3.3 模型因素一致性检验 |
| 3.3.1 回访专家过程及数据选择 |
| 3.3.2 权重计算与一致性检验 |
| 3.4 因素结构分析 |
| 3.4.1 锻炼坚持行为五因素 |
| 3.4.2 锻炼效果感知双向作用拆分 |
| 3.5 本章小结 |
| 第四章 大学生锻炼坚持行为模型假设与验证 |
| 4.1 锻炼坚持行为分析框架 |
| 4.2 研究假设 |
| 4.2.1 健康行为自评、锻炼效果感知和锻炼内驱力 |
| 4.2.2 锻炼条件、锻炼效果感知和锻炼内驱力 |
| 4.2.3 锻炼效果感知、锻炼内驱力和锻炼行为 |
| 4.2.4 锻炼行为模型中的链式中介 |
| 4.2.5 锻炼行为模型中的调节变量 |
| 4.3 问卷设计原则与题目类型 |
| 4.3.1 问卷题目类型 |
| 4.3.2 问卷设计原则 |
| 4.3.3 问卷题目设计 |
| 4.4 大学生锻炼坚持行为模型验证 |
| 4.4.1 预调研 |
| 4.4.2 正式调研 |
| 4.4.3 结果分析 |
| 4.5 大学生锻炼坚持行为促进的“SCeiP”模型 |
| 4.5.1 “SCeiP”模型逻辑与特征 |
| 4.5.2 “SCeiP”模型内部促进双路径 |
| 4.5.3 “SCeiP”模型外部反馈双路径 |
| 4.6 本章小结 |
| 第五章 大学生锻炼坚持行为分类促进策略 |
| 5.1 大学生锻炼坚持行为分类促进思路、指导原则与目标 |
| 5.1.1 大学生锻炼坚持行为分类促进的总体思路 |
| 5.1.2 大学生锻炼坚持行为分类促进的指导原则 |
| 5.1.3 大学生锻炼坚持行为分类促进的目标 |
| 5.2 大学生锻炼坚持行为分类与结果 |
| 5.2.1 大学生锻炼坚持行为分类需求分析及过程 |
| 5.2.2 大学生锻炼坚持行为分类结果 |
| 5.3 大学生锻炼坚持行为分类特点 |
| 5.3.1 锻炼行为数据分类偏差分析 |
| 5.3.2 不同类别特点形成原因分析 |
| 5.4 大学生锻炼坚持行为分类促进的“因材施教”策略 |
| 5.4.1 大学生锻炼坚持行为分类促进方式 |
| 5.4.2 不同大学生锻炼坚持行为类别促进策略 |
| 5.5 本章小结 |
| 第六章 大学生锻炼坚持行为促进平台及保障策略 |
| 6.1 大学生锻炼坚持行为促进平台设计与实现 |
| 6.1.1 大学生锻炼坚持行为促进平台的设计 |
| 6.1.2 大学生锻炼坚持行为促进平台的实现 |
| 6.2 大学生锻炼坚持行为促进保障策略 |
| 6.2.1 大学生锻炼坚持行为促进组织保障策略 |
| 6.2.2 大学生锻炼坚持行为促进制度保障策略 |
| 6.2.3 大学生锻炼坚持行为促进监督反馈策略 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 附录 |
| 附录1 大学生锻炼坚持行为管理因素构成专家意见调查表 |
| 附录2 大学生锻炼坚持行为影响因素权重专家调查表 |
| 附录3 预调研问卷独立样本T检验结果汇总 |
| 附录4 大学生锻炼坚持行为调查问卷 |
| 附录5 移动应用爬虫程序展示(部分) |
| 附录6 用户生成内容话题识别程序展示(部分) |
| 附录7 Mplus程序部分展示(部分) |
| 附录8 大学生锻炼坚持行为促进平台与应用关键代码(部分) |
| 图目录 |
| 表目录 |
| 攻读期间发表学术论文 |
| 致谢 |
| 附件 |
| 学位论文评阅及答辩情况表 |
（5）县域教育信息化发展评价指标数据化研究 ——以贵州省为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 教育信息化的战略地位得以确立 |
| 1.1.2 数据驱动教育信息化评价常态化 |
| 1.1.3 贵州教育信息化的现实需求 |
| 1.2 问题提出 |
| 1.2.1 文献和实践中的反思 |
| 1.2.2 问题聚焦 |
| 1.3 研究意义 |
| 1.3.1 理论意义 |
| 1.3.2 实践意义 |
| 1.4 研究目标与主要内容 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.5 研究思路与方法 |
| 1.5.1 研究思路 |
| 1.5.2 研究方法 |
| 1.6 本章小结 |
| 2 研究基础 |
| 2.1 相关概念 |
| 2.1.1 数据 |
| 2.1.2 教育信息化 |
| 2.1.3 指标数据化 |
| 2.1.4 指标数据规范 |
| 2.2 理论基础 |
| 2.2.1 综合评价理论 |
| 2.2.2 数据类型 |
| 2.2.3 模糊理论 |
| 2.3 研究综述 |
| 2.3.1 国内外教育信息化发展指标体系研究现状 |
| 2.3.2 确定指标观测点的常用步骤和方法 |
| 2.3.3 评价指标规范的研究 |
| 2.3.4 综合评价的方法 |
| 2.3.5 已有研究对本研究的启示 |
| 2.4 本章小结 |
| 3 贵州县域教育信息化发展指标观测点 |
| 3.1 县域教育信息化发展指标体系 |
| 3.2 指标观测点确定原则 |
| 3.3 教育信息化发展指标观测点备选库建立过程 |
| 3.3.1 基于文献的观测点选取过程 |
| 3.3.2 基于实践的指标观测点完善 |
| 3.3.3 贵州县域教育信息化发展指标观测点备选库 |
| 3.4 贵州县域教育信息化发展指标观测点确立 |
| 3.4.1 专家咨询成员构成情况 |
| 3.4.2 专家咨询结果 |
| 3.5 本章小结 |
| 4 贵州县域教育信息化评价指标的数据化表达 |
| 4.1 指标观测点分类 |
| 4.2 数据采集表设计 |
| 4.2.1 收集数据的方式 |
| 4.2.2 处理数据的方法 |
| 4.2.3 指标观测点数据的关联性 |
| 4.2.4 指标数据采集表及资料收集目录 |
| 4.3 数据报送的方法 |
| 4.4 数据报送流程 |
| 4.5 贵州县域教育信息化发展水平指数的算法 |
| 4.5.1 指标观测点权重计算 |
| 4.5.2 定性指标的量化 |
| 4.5.3 定量指标的无量纲化 |
| 4.5.4 教育信息化发展指数的算法 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 附录1 |
| 致谢 |
| 攻读硕士学位期间主要研究成果 |
（6）气电耦合虚拟电厂运营优化及风险评价模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 虚拟电厂发展研究综述 |
| 1.2.2 虚拟电厂参与能源电力市场研究综述 |
| 1.2.3 虚拟电厂运营优化研究综述 |
| 1.2.4 虚拟电厂风险评价研究综述 |
| 1.3 论文主要研究内容及技术路线 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文研究技术路线 |
| 1.4 论文研究主要成果和创新点 |
| 1.4.1 本文主要研究成果 |
| 1.4.2 本文主要创新点 |
| 第2章 气电耦合虚拟电厂相关理论基础 |
| 2.1 气电耦合虚拟电厂基础理论 |
| 2.1.1 气电虚拟电厂基本概念 |
| 2.1.2 气电虚拟电厂发展过程 |
| 2.1.3 气电虚拟电厂主要类型 |
| 2.2 气电耦合虚拟电厂运营特征 |
| 2.2.1 形态特征 |
| 2.2.2 结构特征 |
| 2.2.3 技术特征 |
| 2.2.4 应用特征 |
| 2.3 气电耦合虚拟电厂内外部运营优化规则 |
| 2.3.1 内外部主体构成 |
| 2.3.2 外部运营策略优化 |
| 2.3.3 内部协同运行模式 |
| 2.4 气电耦合虚拟电厂应用项目经验总结及启示 |
| 2.4.1 国外虚拟电厂应用项目 |
| 2.4.2 国内虚拟电厂应用项目 |
| 2.4.3 经验总结与启示 |
| 2.5 本章小结 |
| 第3章 计及多重不确定性的气电耦合虚拟电厂运营优化模型研究 |
| 3.1 引言 |
| 3.2 多重不确定性分析及运行架构 |
| 3.2.1 多重不确定性分析 |
| 3.2.2 多重不确定性设备参与气电耦合运行架构 |
| 3.3 计及多重不确定性的气电虚拟电厂多目标优化模型 |
| 3.3.1 目标函数 |
| 3.3.2 约束条件 |
| 3.3.3 不确定性处理 |
| 3.4 气电耦合虚拟电厂多目标运营优化求解方法 |
| 3.4.1 多目标优化模型求解 |
| 3.4.2 基于捕食搜索策略的遗传算法 |
| 3.4.3 设计优化模型求解流程 |
| 3.5 算例分析 |
| 3.5.1 基础数据 |
| 3.5.2 仿真结果分析 |
| 3.5.3 敏感性分析 |
| 3.5.4 收敛性分析 |
| 3.6 本章小结 |
| 第4章 计及电动汽车特性的气电耦合虚拟电厂运营优化模型研究 |
| 4.1 引言 |
| 4.2 气电虚拟电厂电动汽车运行特性及运行架构 |
| 4.2.1 电动汽车及耦合设备运营特性 |
| 4.2.2 电动汽车及耦合设备参与气电耦合运行架构 |
| 4.3 计及电动汽车特性的气电虚拟电厂运营优化模型 |
| 4.3.1 目标函数 |
| 4.3.2 约束条件 |
| 4.4 气电耦合虚拟电厂运营优化模型求解算法 |
| 4.4.1 典型粒子群优化算法 |
| 4.4.2 混沌优化算法 |
| 4.4.3 设计优化模型求解流程 |
| 4.5 算例分析 |
| 4.5.1 基础数据 |
| 4.5.2 场景设置 |
| 4.5.3 算例结果分析 |
| 4.5.4 敏感性分析 |
| 4.5.5 收敛性分析 |
| 4.6 本章小结 |
| 第5章 计及综合需求响应的气电耦合虚拟电厂运营优化模型研究 |
| 5.1 引言 |
| 5.2 虚拟电厂参与综合需求响应的交易机制与特性分析 |
| 5.2.1 虚拟电厂参与综合需求响应的交易机制 |
| 5.2.2 综合需求响应特性分析 |
| 5.3 计及综合需求响应的气电虚拟电厂运营优化模型 |
| 5.3.1 目标函数 |
| 5.3.2 约束条件 |
| 5.3.3 条件风险价值均值-方差模型 |
| 5.4 气电耦合虚拟电厂参与综合需求响应运营的求解算法 |
| 5.4.1 互利共生阶段 |
| 5.4.2 偏利共生阶段 |
| 5.4.3 寄生阶段 |
| 5.4.4 基于旋转学习策略的SOS改进 |
| 5.5 算例分析 |
| 5.5.1 基础数据 |
| 5.5.2 仿真结果分析 |
| 5.5.3 求解算法性能对比 |
| 5.6 本章小结 |
| 第6章 计及多角度特性下气电耦合虚拟电厂运营风险评价模型研究 |
| 6.1 引言 |
| 6.2 多角度特性下气电虚拟电厂运营风险分析 |
| 6.2.1 多重不确定特性产生风险分析 |
| 6.2.2 含电动汽车产生风险分析 |
| 6.2.3 综合需求响应产生风险分析 |
| 6.3 设计气电耦合虚拟电厂风险评价指标体系 |
| 6.3.1 风险评价指标选取原则 |
| 6.3.2 设计风险评价指标体系 |
| 6.3.3 风险评价指标的预处理 |
| 6.4 基于熵权法-序关系改进的云模型风险评价模型 |
| 6.4.1 熵权-序关系赋权法 |
| 6.4.2 云模型算法 |
| 6.4.3 设计风险评价计算流程 |
| 6.5 算例分析 |
| 6.5.1 场景设置 |
| 6.5.2 基于改进云模型风险评价的结果分析 |
| 6.5.3 基于传统模糊综合评价的结果分析 |
| 6.6 本章小结 |
| 第7章 研究成果和结论 |
| 7.1 本文主要结论 |
| 7.2 未来研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）数字孪生建模方法及其在热力系统优化运行中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号及缩写表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 能源电力发展背景与现状 |
| 1.1.2 智能控制优化研究现状 |
| 1.2 热力系统建模仿真及大数据技术研究现状 |
| 1.2.1 热力系统建模研究现状 |
| 1.2.2 电力大数据及其发展现状 |
| 1.2.3 热力系统仿真技术发展背景 |
| 1.3 数字孪生技术的应用现状及关键技术 |
| 1.3.1 数字孪生的应用发展现状 |
| 1.3.2 数字孪生研究的关键技术 |
| 1.3.3 数字孪生发展面临的挑战 |
| 1.4 论文的研究内容 |
| 第2章 大数据背景下的数字孪生与热力系统建模理论 |
| 2.1 数字孪生的基本理论 |
| 2.1.1 数字孪生的定义与内涵 |
| 2.1.2 数字孪生与仿真技术之间的关系 |
| 2.1.3 数字孪生与信息物理系统之间的关系 |
| 2.2 热力系统建模理论与方法 |
| 2.2.1 流体网络机理建模理论与方法 |
| 2.2.2 数据驱动建模理论与方法 |
| 2.3 大数据的基本理论 |
| 2.3.1 大数据平台框架及相关技术 |
| 2.3.2 大数据存储管理与预处理方法 |
| 2.3.3 大数据分布式集群平台构建 |
| 2.4 本章小结 |
| 第3章 基于改进即时学习策略的自适应数据驱动建模方法研究 |
| 3.1 基于改进即时学习策略的自适应数据驱动建模方法 |
| 3.1.1 建模思路 |
| 3.1.2 基于改进遗传模拟退火算法的模糊聚类工况划分 |
| 3.1.3 基于多层次综合相似度度量的相似工况识别 |
| 3.1.4 基于Spark平台的数据驱动局部模型建模 |
| 3.2 SCR脱硝系统数据驱动建模应用案例 |
| 3.2.1 建模对象及背景介绍 |
| 3.2.2 数据预处理和相似工况选取 |
| 3.2.3 局部建模过程及结果分析 |
| 3.3 电锅炉供热系统荷侧和源侧负荷预测建模应用案例 |
| 3.3.1 建模对象及背景介绍 |
| 3.3.2 荷侧供热负荷预测模型 |
| 3.3.3 源侧电负荷预测 |
| 3.4 本章小结 |
| 第4章 热力系统数字孪生建模理论及应用 |
| 4.1 热力系统数字孪生建模思路 |
| 4.1.1 数字孪生建模方法的提出 |
| 4.1.2 数字孪生模型的构建方法及流程 |
| 4.2 数字孪生机理模型的构建 |
| 4.2.1 管路模型 |
| 4.2.2 调节阀模型 |
| 4.2.3 离心水泵模型 |
| 4.2.4 换热器模型 |
| 4.3 数字孪生模型的协同与融合理论 |
| 4.3.1 数字孪生模型离线智能参数辨识 |
| 4.3.2 数字孪生模型参数在线自适应协同 |
| 4.3.3 基于移动窗格信息熵的多模型输出在线融合 |
| 4.4 数字孪生建模实例分析 |
| 4.4.1 脱硝系统数字孪生模型的建立 |
| 4.4.2 供热系统数字孪生模型的建立 |
| 4.5 本章小结 |
| 第5章 基于热力系统数字孪生模型的节能控制优化 |
| 5.1 基于数字孪生模型的智能工况动态寻优 |
| 5.1.1 热力系统智能工况动态寻优策略 |
| 5.1.2 基于数字孪生模型的供热储热系统智能工况动态寻优 |
| 5.2 基于数字孪生模型的自适应预测控制优化 |
| 5.2.1 基于数字孪生模型的预测控制算法 |
| 5.2.2 基于数字孪生模型预测控制的喷氨量优化 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究工作及成果 |
| 6.2 论文主要创新点 |
| 6.3 后续工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（8）基于区间二元语义信息的突发事件应急决策方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 多属性决策方法研究 |
| 1.2.2 突发事件应急管理优化方法研究 |
| 1.2.3 突发事件应急预案优选方法研究 |
| 1.2.4 突发事件应急能力评估方法研究 |
| 1.2.5 前人研究不足 |
| 1.3 研究目的和意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究内容、方法、思路及章节安排 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 研究思路 |
| 1.4.4 章节安排 |
| 第2章 相关理论基础 |
| 2.1 引言 |
| 2.2 区间二元语义信息 |
| 2.3 群体共识达成通用框架 |
| 2.4 DEMATEL方法 |
| 2.5 BWM方法 |
| 2.6 TODIM方法 |
| 2.7 AHP方法 |
| 2.8 斯皮尔曼等级相关系数 |
| 2.9 本章小结 |
| 第3章 基于区间二元语义群体共识DEMATEL的应急管理优化方法 |
| 3.1 引言 |
| 3.2 方法构建 |
| 3.2.1 问题描述 |
| 3.2.2 直接影响关系群体共识达成过程 |
| 3.2.3 区间二元语义DEMATEL方法 |
| 3.2.4 应急管理优化过程探索算法 |
| 3.3 算例 |
| 3.3.1 问题准备 |
| 3.3.2 群体共识达成 |
| 3.3.3 影响因素分类 |
| 3.3.4 优化策略计算 |
| 3.4 讨论分析 |
| 3.4.1 敏感性分析 |
| 3.4.2 有效性分析 |
| 3.4.3 优越性分析 |
| 3.5 本章小结 |
| 第4章 基于区间二元语义BWM-TODIM的多部门应急预案协同优选方法 |
| 4.1 引言 |
| 4.2 方法构建 |
| 4.2.1 问题描述 |
| 4.2.2 多部门应急预案绩效评估 |
| 4.2.3 区间二元语义BWM方法 |
| 4.2.4 区间二元语义TODIM方法 |
| 4.2.5 多阶段动态决策过程 |
| 4.3 算例 |
| 4.3.1 问题准备 |
| 4.3.2 预案绩效评估 |
| 4.3.3 指标权重计算 |
| 4.3.4 预案协同优选 |
| 4.4 讨论分析 |
| 4.4.1 敏感性分析 |
| 4.4.2 有效性分析 |
| 4.4.3 优越性分析 |
| 4.5 本章小结 |
| 第5章 基于区间二元语义AHP和区间集成算子的应急能力综合评估方法 |
| 5.1 引言 |
| 5.2 方法构建 |
| 5.2.1 问题描述 |
| 5.2.2 区间二元语义AHP方法 |
| 5.2.3 区间二元语义区间加权集成算子 |
| 5.2.4 区间二元语义信息新比较方法 |
| 5.2.5 应急能力多属性综合评估流程 |
| 5.3 算例 |
| 5.3.1 问题准备 |
| 5.3.2 指标权重计算 |
| 5.3.3 应急能力绩效评估 |
| 5.3.4 绩效评估比较 |
| 5.4 讨论分析 |
| 5.4.1 敏感性分析 |
| 5.4.2 有效性分析 |
| 5.4.3 优越性分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 主要研究结论 |
| 6.2 主要创新点 |
| 6.3 工作展望 |
| 参考文献 |
| 附录A 第三章算例相关表格 |
| 附录B 第四章算例相关表格 |
| 附录C 第五章算例相关表格 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（9）混合动力工程车辆智能化能量管理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 混合动力工程车辆发展及其现状 |
| 1.2.1 油电混合动力工程车辆 |
| 1.2.2 油液混合动力工程车辆 |
| 1.2.3 燃料电池混合动力工程车辆 |
| 1.2.4 混合动力构型的对比与分析 |
| 1.3 混合动力能量管理技术国内外研究现状 |
| 1.3.1 基于规则的策略 |
| 1.3.2 基于优化的策略 |
| 1.4 混合动力工程车辆能量管理的发展趋势与技术难点 |
| 1.5 论文主要研究内容 |
| 第2章 混合动力工程车辆系统的分析测试与建模 |
| 2.1 混合动力工程车辆系统特征分析 |
| 2.1.1 作业工况分析 |
| 2.1.2 构型特征 |
| 2.1.3 能量流分析 |
| 2.2 混合动力工程车辆测试平台及其应用 |
| 2.2.1 测试平台 |
| 2.2.2 实验方案设计 |
| 2.2.3 数据采集 |
| 2.3 混合动力工程车辆动力能量管理建模 |
| 2.3.1 混合动力工程车辆系统能量管理基本架构 |
| 2.3.2 需求功率模型 |
| 2.3.3 发动机-发电机-整流器模型 |
| 2.3.4 超级电容模型 |
| 2.3.5 模型验证 |
| 2.4 本章小结 |
| 第3章 基于无模型强化学习的能量管理方法 |
| 3.1 能量管理优化问题的数学表达 |
| 3.2 强化学习理论 |
| 3.2.1 强化学习基本原理 |
| 3.2.2 能量管理问题建模 |
| 3.2.3 无模型与基于模型的学习方法 |
| 3.3 基于无模型强化学习的智能能量管理策略 |
| 3.3.1 主要参数定义 |
| 3.3.2 基于Q学习的能量管理策略的应用 |
| 3.4 基于Q学习的能量管理方法的性能分析 |
| 3.4.1 自学习性分析 |
| 3.4.2 最优性分析 |
| 3.4.3 收敛性分析 |
| 3.5 本章小结 |
| 第4章 基于模型的学习方法在能量管理问题中的应用 |
| 4.1 Dyna-Q学习与智能能量管理技术 |
| 4.1.1 Dyna-Q学习算法基本原理 |
| 4.1.2 基于Dyna-Q学习的在线智能能量管理方法研究 |
| 4.2 智能管理策略验证与对比分析 |
| 4.2.1 极端初值下的收敛性 |
| 4.2.2 适应性分析 |
| 4.2.3 实时性分析 |
| 4.2.4 能量管理策略对能量辅助系统的友好性分析 |
| 4.2.5 最优性分析 |
| 4.3 本章小结 |
| 第5章 混合动力工程车辆智能能量管理方法的通用化设计 |
| 5.1 问题描述及分析 |
| 5.2 智能化能量管理方法的改进研究 |
| 5.2.1 长期稳定性及其改进 |
| 5.2.2 值函数逼近方法及其应用 |
| 5.2.3 模型可重用性的改进 |
| 5.3 基于模型学习的混合动力工程车辆智能能量管理通用化框架 |
| 5.4 基于实测数据的仿真验证 |
| 5.4.1 策略长期稳定性 |
| 5.4.2 工况适应性 |
| 5.4.3 通用性分析 |
| 5.4.4 经济性分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文的工作总结 |
| 6.2 论文的主要创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者在学期间所取得的科研成果 |
| 致谢 |
（10）面向医院管理的数据驱动决策研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 数据驱动决策的研究现状 |
| 1.3.2 数据驱动医疗健康领域决策的研究现状 |
| 1.3.3 数据驱动医院管理决策的研究现状 |
| 1.3.4 数据驱动决策的影响因素研究现状 |
| 1.3.5 研究现状述评 |
| 1.4 研究框架与研究内容 |
| 1.4.1 研究框架 |
| 1.4.2 主要研究内容 |
| 1.4.3 拟解决的关键问题 |
| 1.5 研究方法和技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 第2章 相关基础理论和方法 |
| 2.1 医院管理相关概念 |
| 2.1.1 医院管理 |
| 2.1.2 医院管理评价 |
| 2.1.3 医院管理者 |
| 2.2 决策支持相关理论 |
| 2.2.1 西蒙决策理论 |
| 2.2.2 数据驱动决策相关理论 |
| 2.3 信息链理论 |
| 2.3.1 信息链与信息技术 |
| 2.3.2 “信息”上溯到“数据”带来的变化 |
| 2.3.3 信息链视域下的数据驱动医院管理决策 |
| 2.4 BASM模型 |
| 2.4.1 BASM模型的产生 |
| 2.4.2 BASM模型的研究现状 |
| 2.4.3 基于BASM模型的数据驱动医院管理决策研究 |
| 2.5 相关研究方法 |
| 2.5.1 扎根理论 |
| 2.5.2 结构方程模型 |
| 2.5.3 决策树算法--CHAID |
| 2.6 相关应用场景 |
| 2.6.1 医疗服务绩效 |
| 2.6.2 DRG在医疗服务绩效管理中的应用 |
| 2.7 本章小结 |
| 第3章 面向医院管理的数据驱动决策过程模型构建 |
| 3.1 面向医院管理决策的数据驱动过程模型 |
| 3.1.1 数据驱动决策模式运行机制 |
| 3.1.2 BASM的过程模型 |
| 3.1.3 基于BASM过程模型的数据驱动医院管理决策过程模型构建 |
| 3.2 面向医院管理的数据驱动决策过程模型要素分析 |
| 3.2.1 驱动要素 |
| 3.2.2 需求要素 |
| 3.2.3 支持要素 |
| 3.2.4 要素间关系 |
| 3.3 数据驱动的医院管理决策中数据处理过程 |
| 3.3.1 医疗数据存在的问题 |
| 3.3.2 面向医院管理决策的数据处理原则 |
| 3.3.3 面向医院管理决策的数据处理过程 |
| 3.4 面向医院管理的数据驱动决策过程模型运行机制 |
| 3.4.1 面向医院管理决策的信息链转化过程 |
| 3.4.2 数据驱动的医院管理决策制定过程 |
| 3.5 本章小结 |
| 第4章 基于扎根理论的数据驱动医院管理决策的影响因素分析 |
| 4.1 研究问题与研究程序 |
| 4.1.1 研究问题 |
| 4.1.2 研究方法 |
| 4.1.3 研究程序 |
| 4.2 研究设计 |
| 4.2.1 研究对象选取 |
| 4.2.2 资料收集 |
| 4.2.3 信效度检验 |
| 4.3 编码分析 |
| 4.3.1 开放式编码 |
| 4.3.2 主轴编码 |
| 4.3.3 选择性编码 |
| 4.3.4 理论饱和度检验 |
| 4.4 数据驱动医院管理决策影响因素理论模型与阐释 |
| 4.4.1 影响因素理论模型构建 |
| 4.4.2 影响因素分析 |
| 4.4.3 影响因素关系分析 |
| 4.5 本章小结 |
| 第5章 数据驱动医院管理决策的影响因素模型构建 |
| 5.1 数据驱动医院管理决策影响因素变量选择与界定 |
| 5.1.1 医疗数据质量维度 |
| 5.1.2 信息技术维度 |
| 5.1.3 医院组织管理维度 |
| 5.1.4 管理者信息素养维度 |
| 5.1.5 数据驱动医院管理决策维度 |
| 5.2 相关研究假设 |
| 5.2.1 医疗数据质量 |
| 5.2.2 信息技术 |
| 5.2.3 医院组织管理 |
| 5.2.4 管理者信息素养 |
| 5.3 调查问卷的编制与问卷修正 |
| 5.4 数据获取与统计分析 |
| 5.4.1 研究对象 |
| 5.4.2 样本量的选择 |
| 5.4.3 信度分析 |
| 5.4.4 样本分布 |
| 5.4.5 样本数据相关性 |
| 5.5 效度分析 |
| 5.5.1 探索性因子分析 |
| 5.5.2 验证性因子分析 |
| 5.6 基于结构方程的影响因素模型构建与检验修正 |
| 5.6.1 影响因素模型构建 |
| 5.6.2 模型基本适配评估 |
| 5.6.3 假设检验的结果 |
| 5.7 结构方程模型检验结果分析 |
| 5.7.1 影响因素强度分析 |
| 5.7.2 医疗数据质量对信息技术影响的验证结果分析 |
| 5.7.3 信息技术对数据驱动医院管理决策影响的验证结果分析 |
| 5.7.4 医院组织管理对医疗数据质量影响的验证结果分析 |
| 5.7.5 医院组织管理对管理者信息素养影响的验证结果分析 |
| 5.7.6 医院组织管理对数据驱动医院管理决策影响的验证结果分析 |
| 5.7.7 管理者信息素养对医疗数据质量影响的验证结果分析 |
| 5.7.8 管理者信息素养对信息技术影响的验证结果分析 |
| 5.7.9 管理者信息素养对数据驱动医院管理决策影响的验证结果分析 |
| 5.8 本章小结 |
| 第6章 面向医院管理的数据驱动决策模型研究 |
| 6.1 数据驱动医院管理决策模型构建 |
| 6.2 面向医院管理的数据驱动决策模型的驱动机制 |
| 6.2.1 面向医院管理的数据驱动决策模型的驱动目标 |
| 6.2.2 面向医院管理的数据驱动决策模型的驱动特征 |
| 6.2.3 面向医院管理的数据驱动决策模型的驱动过程 |
| 6.3 数据驱动医院管理决策模型影响因素的作用机制 |
| 6.3.1 医疗数据质量在数据驱动决策模型中的影响机制 |
| 6.3.2 信息技术在数据驱动决策模型中的影响机制 |
| 6.3.3 医院组织管理在数据驱动决策模型中的影响机制 |
| 6.3.4 管理人员素养在数据驱动决策模型中的影响机制 |
| 6.4 数据驱动医院管理决策模型对医院管理的提升策略 |
| 6.4.1 提升医疗数据质量 |
| 6.4.2 发挥信息技术使能作用 |
| 6.4.3 发挥医院组织管理支持作用 |
| 6.4.4 提高管理人员信息素养 |
| 6.5 本章小结 |
| 第7章 面向医院管理的数据驱动决策的实证研究 |
| 7.1 资料来源与研究对象 |
| 7.2 原发性肺癌患者的DRGS分组 |
| 7.2.1 数据基础 |
| 7.2.2 数据纳入 |
| 7.2.3 术语映射 |
| 7.2.4 DRGs分组结果对比 |
| 7.3 基于DRGS细分组的医疗服务绩效评估 |
| 7.3.1 基于决策树的原发性肺癌患者DRGs细分组模型 |
| 7.3.2 基于DRGs细分组的医疗服务绩效评估指标 |
| 7.3.3 医生医疗服务绩效指标统计结果 |
| 7.3.4 科室医疗服务绩效指标统计结果 |
| 7.4 讨论 |
| 7.4.1 数据驱动医院管理决策过程 |
| 7.4.2 数据驱动医院管理决策影响因素 |
| 7.5 本章小结 |
| 第8章 结论与创新 |
| 8.1 结论 |
| 8.2 研究创新点 |
| 8.3 研究局限 |
| 参考文献 |
| 附录1 病案组DRGS分组情况 |
| 附录2 医生组DRGS分组情况 |
| 附录3 访谈提纲 |
| 附录4 调查问卷 |
| 作者简介及在学期间所取得的科研成果 |
| 后记与致谢 |
四、高校管理系统中不确定性信息的处理方法及其应用研究（论文参考文献）
- [1]复杂大型建设项目费用偏差控制方法及信息系统设计[D]. 孙肖坤. 华北电力大学(北京), 2021(01)
- [2]考虑可再生能源不确定性的电力系统多阶段鲁棒调度方法[D]. 施云辉. 浙江大学, 2021(09)
- [3]基于大数据的大学生日常思想政治教育创新研究[D]. 邓晶艳. 贵州师范大学, 2021(09)
- [4]大学生锻炼坚持行为影响因素及促进策略研究[D]. 王磊. 山东大学, 2021(10)
- [5]县域教育信息化发展评价指标数据化研究 ——以贵州省为例[D]. 陈丹. 贵州师范大学, 2021(11)
- [6]气电耦合虚拟电厂运营优化及风险评价模型研究[D]. 刘沆. 华北电力大学(北京), 2021
- [7]数字孪生建模方法及其在热力系统优化运行中的应用研究[D]. 高学伟. 华北电力大学(北京), 2021(01)
- [8]基于区间二元语义信息的突发事件应急决策方法研究[D]. 戚凯旋. 中国科学技术大学, 2021
- [9]混合动力工程车辆智能化能量管理方法研究[D]. 张威. 吉林大学, 2021(01)
- [10]面向医院管理的数据驱动决策研究[D]. 李茵. 吉林大学, 2021(01)