基于机器学习的电网监控通信网络运行态势感知方法

针对没有删除电网监控通信网络运行数据的冗余特征,导致感知结果不理想,平均计算时间和迭代次数增加的问题,提出一种基于机器学习的电网监控通信网络运行态势感知方法。通过方差过滤器删除数据集中的冗余及无相关特征,采用决策树递归特征消除算法,过滤电网监控通信网络运行数据,进行特征提取和分类预测,结合具有人工经验的K-means聚类方法,对常态因子添加状态标签,通过误差预测值对态势因子进行误差修正,构建电网监控通信网络运行态势评估模型,实现电网监控通信网络运行态势感知。实例测试结果表明,所提方法能够有效减少平均计算时间和迭代次数,获取更加准确的感知结果。     

现阶段计算机技术在企业物资管理中的应用探析

物资管理是企业生产经营过程中的一项重要环节,设计到企业生产过程的多个方面,属于一项复杂性与系统性并存的工作,需要对多个生产经营信息进行分析整合,物资管理的信息化势在必行。本文首先分析了企业物资管理的含义,接着从促进企业物资管理中的业务管理的规范化、促进企业物资信息的监控和预警以及实现企业财务的透明化三个方面分析了计算机技术在企业物资管理中应用的必要性,最后提出了现阶段计算机技术在企业物资管理中的应用策略。