输电规划方法的评述

评述了输电规划的现状,分析了电力市场改革给输电规划带来的新问题.从优化问题的诸要素出发,归纳现有的输电规划求解方法.指出输电规划在考虑经济性的同时,要以量化的指标来反映系统的安全风险水平,兼顾规划方案的经济性和安全性.在此基础上讨论了输电规划的发展趋势.     

备用容量服务市场的风险决策

电力市场的备用服务决策一般采用确定性方法，即使计及事件概率，也由于未考虑相关损失而难以体现风险理念，不能优化各类备用的组合。为有效协调安全性和经济性，应将安全性用货币来量化，并用广义的经济利益最大化作为技术决策的准则。文中采用风险管理和协调优化的观点，结合电力可靠性与可中断负荷价值化理念，提出一种基于风险量化的优化决策方法，对各类备用资源实现优化组合。仿真结果表明了方法的有效性。     

制造资源优化配置环境下用户抉择风险评判模型研究

通过对网络化制造资源优化配置的用户抉择风险因素识别与分析,提出并建立了多因素、多层级风险模糊评判模型;该模型的核心是双维体系结构,即来自用户本身的风险和来自协作企业的风险,它提高了用户选择合作企业过程中风险评判的客观性、可靠性。在此模型框架下,考虑到风险各因素、各层单元对事件影响程度的不确定性,基于模糊评判决策理论,建立了多级风险评判的算法结构,给出了风险评判综合值。最后用实例验证了模型及算法的有效性。     

一种面向对象软件风险评估方法研究

目前,大多数软件项目风险评估技术本质上都是基于主观的,而在软件开发过程中客观地依赖于度量技术进行软件风险分析的研究还很少。该文针对面向对象软件开发的特点,在对面向对象软件度量进行研究的基础上,提出了一种利用主成分分析技术评估软件风险的方法,该法能在软件项目管理过程中帮助开发者或管理人员识别软件的高风险模块,便于有效地开展风险管理。     

带有风险规避型销售商的供需链协调

以一个两阶段的供需链系统为背景，针对供需链上决策激励不一致和风险规避效应导致供需链低效的问题，研究了在实践中广泛应用的利益共享合同和批量折扣合同对供需链协调性的影响．证明了两种合同均可克服双重边际效应和风险规避效应，使得供需链协调．并给出了合同参数的设计方案，同时指出在实施上，利益共享合同需强制执行，批量折扣合同自动执行．     

煤焦油质量的影响因素及对策

通过对涟钢煤焦油质量变差的原因分析，认为其关键因素是焦炉装煤不满．炉顶空间过大和温度过高，造成荒煤气中游离碳含量太高。据此。逐步采取了相应的措施，使焦油质量得到有效改善。     

工程网络计划蒙特卡洛仿真及进度风险分析

运用网络计划蒙特卡洛仿真(MCS)，从宏观的项目层和微观的工序层分别进行进度风险分析。在项目层，仿真计算获取总工期的统计分布，据此计算某一计划工期的项目完工概率或完工风险，或是给定完工概率或风险水平制定合理的计划工期；在工序层，通过计算工序关键概率(ACP)和关键指标(ACI)，掌握关键线路、关键工序分布情况，甄别高风险工序。此外。用Visual C 开发了一个网络计划MCS软件，并应用于一个工程实例分析。     

数据挖掘与数据仓库技术及其在保险业中的应用

文章介绍了数据挖掘中常用技术和数据仓库结构．并且探讨了粗糙集方法，决策树方法以及关联规则方法等数据挖掘技术在保险风险规则挖掘中的应用。     

Learning Perceptrons and Piecewise Linear Classifiers Sensitive to Example Dependent Costs

This article considers the cost dependent construction of linear and piecewise linear classifiers. Classical learning algorithms from the fields of artificial neural networks and machine learning consider either no costs at all or allow only costs that depend on the classes of the examples that are used for learning. In contrast to class dependent costs, we consider costs that are example, i.e. feature and class dependent. We present a cost sensitive extension of a modified version of the well-known perceptron algorithm that can also be applied in cases, where the classes are linearly non-separable. We also present an extended version of the hybrid learning algorithm DIPOL, that can be applied in the case of linear non-separability, multi-modal class distributions, and multi-class learning problems. We show that the consideration of example dependent costs is a true extension of class dependent costs. The approach is general and can be extended to other neural network architectures like multi-layer perceptrons and radial basis function networks.