基于支持向量机的电费信用评估模型

将支持向量机（Support Vector Machine,SVM）这一智能化莉技术运用于构建电费信用评估模型,选用径向基函数作为模型的内积核函数。实验证明,支持向量机具有全局收敛性和良好的泛化能力,比常用的线性区别模型,LOGIT模型和类神经网络模型在稳定性．灵敏度和泛化能力等方面更具有优势。同时,SVM在分类整体准确率和第一,二类错误率方面均优于上述几类模型,因此基于SVM方法构建的电费信用评估模型具有较强的实用性。     

电费信用风险关键影响因素研究

电费拖欠是影响电力企业经营和发展的重要问题之一．正确掌控电费信用风险关键影响因素并采取切实有效措施规避电费回收风险就显得尤为重要。采用主成份分析方法对电费信用风险影响因素进行了研究。分析了其中的关键性影响因素及影响程度。研究结果表明。该方法具有较强的通用性和实用性。有助于提高电力企业电费回收预警和信用风险管理的能力。