資源描述：
《基于單位bp神經(jīng)網(wǎng)絡(luò)算法的數(shù)據(jù)挖掘技術(shù)在電力客戶信用等級評價中的應(yīng)用研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、萬方數(shù)據(jù)2009年7月第12卷第13期中國管理信息化ChinaManagementlnformationizationJul．，2009V01．12。No．13基于單位BP神經(jīng)網(wǎng)絡(luò)算法的數(shù)據(jù)挖掘技術(shù)在電力客戶信用等級評價中的應(yīng)用研究黃文杰，馮新紅，郭曉鵬(華北電力大學工商管理學院，北京102206)[摘要]電力客戶信用管理和信用評價，已經(jīng)成為電力企業(yè)的一種經(jīng)營工具和手段。本文結(jié)合數(shù)據(jù)挖掘技術(shù)在信用評價中的應(yīng)用優(yōu)勢，以數(shù)據(jù)挖掘的通用模型CRISP—DM為基礎(chǔ)，建立了電力客戶信用評價的過程標準，構(gòu)建了電力客戶信用評價指標體系，應(yīng)用單位BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)造了電力
2、客戶信用模型，并時該模型進行了實例分析，從而將電力客戶信用分為5個等級。[關(guān)鍵詞]電力客戶；信用評價；數(shù)據(jù)挖掘；單位BP神經(jīng)網(wǎng)絡(luò)；CRISP—DMdoi：10．3969／j．issn．1673—0194．2009．13．028【中圖分類號】F270．7；TP311[文獻標識碼]A[文章編號]1673—0194(2009)13—0082—041引言、按期回收電費是電力企業(yè)經(jīng)營成果的貨幣表現(xiàn)，是電力企業(yè)的一項重要經(jīng)濟指標，為電力企業(yè)上繳稅金和提供資金，從而保證國家的財政收入，還可為維持電力企業(yè)再生產(chǎn)過程補償生產(chǎn)資料耗費資金，以促進電力企業(yè)的安全生產(chǎn)不斷進行，更
3、好地完成發(fā)電任務(wù)，滿足國民經(jīng)濟發(fā)展和人民生活對電能的需要。但是目前我國電力用戶惡意拖欠、逃避電費和偷電漏電等現(xiàn)象屢屢發(fā)生，這給電力公司帶來了極大的損失。鑒于此，國家電網(wǎng)公司印發(fā)的《關(guān)于加強電力營銷工作的若干規(guī)定》([2003]490號文件)中明確指出：加強電費風險管理與研究，建立信用風險分析制度。目前，很多學者對此做了大量的研究，主要是一些信用評價方法的運用和信用指標體系的建立。如劉新才等提出運用層次分析法對電力客戶信用風險進行評價?；張素芳等提出采用熵權(quán)法建立評價模型L21；牛東曉對GRA方法進行了改進，并將其運用到電力客戶信用風險評價中”o；周暉等依據(jù)
4、電力公司客戶的戶務(wù)資料，參照電費管理人員的經(jīng)驗，建立了客戶的繳費狀況、償還電費能力、資金變現(xiàn)能力、擔保水平和經(jīng)營環(huán)境等5個指標【4o；李江、盧毅勤綜合考慮電力客戶信用評價的特點，建立了18項信用等級評價指標倒5。以上每種評價方法都有其一定的可行性，但是又有一定的局限性。針對傳統(tǒng)信用評價方法的不足，近年來在研究中引入了新的方法——數(shù)據(jù)挖掘技術(shù)，如嚴環(huán)、廖志高就把數(shù)據(jù)挖掘技術(shù)運用到企業(yè)信用評價中【61；劉高[收稿日期]2008—12—23【作者簡介]黃文杰(1945一)，男，華北電力大學工商管理學院教授、博_I=生導師。碩士，主要研究方向：項目管理與工程管理，
5、風險分析與決策。82／a韌憂阮4№G日I口D盯INFORMATIONIZA刀DN軍，朱嫌則把數(shù)據(jù)挖掘技術(shù)具體應(yīng)用到建筑企業(yè)信用評價中去川；張居彥、張林通過研究數(shù)據(jù)挖掘技術(shù)以及神經(jīng)網(wǎng)絡(luò)算法，評價客戶信用【8o；莫禮平、樊曉平則討論了在數(shù)據(jù)挖掘領(lǐng)域中利用BP網(wǎng)絡(luò)進行數(shù)據(jù)分類的實現(xiàn)過程，并用該算法建立了一個分類模型，實現(xiàn)了對客戶信用等級的分類【9
6、。由此可見，數(shù)據(jù)挖掘技術(shù)是一種有效而準確的信用評價方法。因此，本文將應(yīng)用數(shù)據(jù)挖掘技術(shù)，引進神經(jīng)網(wǎng)絡(luò)理論，建立決策支持模型，根據(jù)選取的評價指標，對電力用戶進行信用評估，及時發(fā)現(xiàn)用戶的信用變化情況，為供電企業(yè)的管理提供決策
7、基礎(chǔ)。2數(shù)據(jù)挖掘20世紀90年代，美國信息丁程領(lǐng)域的研究專家做了大量的嘗試與研究，并對數(shù)據(jù)挖掘概念做了詳細的論述。數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程，也被稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)(KDD)過程和知識提取等。數(shù)據(jù)挖掘能夠?qū)淼内厔莺托袨檫M行預(yù)測，所以把它運用到客戶關(guān)系管理中，就能在數(shù)據(jù)龐大的客戶數(shù)據(jù)庫中，對看似無關(guān)的數(shù)據(jù)進行處理、凈化、提取出有價值的客戶信用預(yù)測，從而采取相應(yīng)的措施。數(shù)據(jù)挖掘技術(shù)應(yīng)用于信用評價的優(yōu)勢在于：①能處理和修正實際數(shù)據(jù)問題，算法模型具有自檢
8、驗?zāi)芰?，能更準確地描述信用要素和信用水平之間的關(guān)系特征；②不先驗地建立信用規(guī)則，而是從實例數(shù)據(jù)中通過學習去發(fā)現(xiàn)信用規(guī)則，然后用這些規(guī)則去預(yù)測用戶未來的信用風險，更符合解決問題的科學步驟。3單位BP神經(jīng)網(wǎng)絡(luò)算法3．1標準BP網(wǎng)絡(luò)BP網(wǎng)絡(luò)和它的變化形式是目前應(yīng)用最廣、基本思萬方數(shù)據(jù)企業(yè)管理信息化想最直接的多層次誤差反向傳播神經(jīng)網(wǎng)絡(luò)(ErrorBack—PropagationNN)，它是多層前饋神經(jīng)網(wǎng)絡(luò)的核心部分，具有三層或三層以上的層次神經(jīng)模型(如圖l所示)?？冢?．t：扣7p，+_)+6：)圖1三層神經(jīng)網(wǎng)絡(luò)模型圖1中，字母上標的數(shù)字表示層數(shù)，其中輸入層輸入樣
9、本P=(Pl，P2，P3，?，PR)，Pf表示輸入樣本的第i個元素
