短期效益

摘要： 新时期,随着企业深化改革以及市场经济体制的进一步完善,民营企业受激烈竞争力影响,民营企业安全生产保障能力不断提高、安全生产事故也在逐年减少,呈现出安全生产状况总体稳定的态势,但是为了参与日益激烈的市场竞争,部分民营企业只注重短期效益,忽视安全生产,一定程度上造成了民营企业基层员工安全生产意识涣散的现状。因此,如何提高民营企业基层员工安全生产意识也成为当前急需解决的一个重要课题。

摘要： “直播”和“短视频”是近几年新媒体领域炙手可热的两个关键词,它们不但吸引了移动互联网世界的广泛流量,而且重构了商业世界的“人、货、场”关系,改变了用户的媒介使用习惯和产品消费行为。尤其当直播与“带货”行为紧密结合在一起之后,快速吸引了各大行业、各类人群的广泛关注。在全球疫情肆虐的语境下甚至一度被认为是企业数字化营销转型和业绩增长的救命稻草。需要承认的是,直播带货确实给疫情下的企业营销带来了一种全新的视角和机会,甚至在很大程度上能够刺激部分行业和企业的销售及利润增长。但学界和业界必须理性客观地看待直播本身的带货功能及其实际效果,并不是所有的直播都可以实现高效带货,也并不是所有的带货都会达到预期的效果,在全民直播热潮中还有很多默默无闻甚至“翻车”的直播带货案例。这些反面案例的出现,预示着直播带货行业需要兼顾短期效益和长期品牌形象,树立良好规则,以推动直播带货的健康持续发展。

摘要： 做得好的产业园区,都有一套完整的运营体系和创新打法。“如果把产业园区招商比作恋爱结婚,那么运营则是持家过日子,招商带来短期效益,而运营可带来长期效益。”有位资深产业园区人士曾经打了个比方。在“十四五规划”下,产业园区作为我国地方经济发展、产业结构升级的重要载体,将更注重以人为本、高质量发展的理念。研究发现,做得好的产业园区,都有一套完整的运营体系和创新打法,随着产业园区的主导产业由传统产业向高新技术产业不断地升级,园区的运营理念也紧跟着在不断转变,形成了新的运营趋势。

摘要： 2021年,国网廊坊供电公司准确把握新发展阶段特征,全面贯彻新发展理念,紧抓构建新发展格局机遇,全年任务有序、持续加压,聚焦经营核心要素,兼顾短期效益和长期发展,进一步提高站位、强化担当、拓宽视野、增进深度,打造了提质增效“升级版”工作方案,明确“一个聚焦、两个机制、三大抓手、六个强化提升”的“1236”工作体系。

摘要： "关公文化",无疑是荆州古城的一张"亮丽名片"。湖北省荆州市耗资十几亿,在古城范围内修建高达58米巨型关公雕像。这座号称是"荆州旅游新地标"的雕像,在文化、审美方面受到不少质疑,存在违法违规、破坏古城风貌和历史文脉等问题,还存在政绩观不端正、追求短期效益等错误倾向,受到多个部门点名批评"责令整改",关公恐再次"失荆州"。

摘要： 气温节节升高,悄然由春入夏。随着六月到来,全国多省纷纷下调应急响应级别,国民经济运行日趋稳定,鞋企也迎来了回暖,增产扩能势头强劲。内销型鞋企抢订单、拓市场、忙生产一派繁忙景象,冲刺满工满产,力求补齐年初以来的损失;受国际疫情影响,外向型鞋企压力犹存,外贸出口仍是重重受阻,经营状况惨淡,不仅如此,往年备受关注的鞋业展会纷纷延期或取消,获取订单难度加大。面对逆境,敢于破局,鞋业人屡出新招,数字赋能产业升级,化危为机拓展销路,巧借电商活跃市场,这些新手段使鞋企渡过眼前难关,取得了短期效益,但新奇招数难免眼花缭乱,应冷静反思并合理利用。

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 本发明公开了一种基于长短期记忆网络的风电功率短期预测方法，包括长短期记忆神经网络训练算法、短期风电预测误差分布算法和风电机组发电功率短期预测模型设计。本发明从深度学习网络出发，建立基于长短期记忆网络算法(LSTM)风电功率预测模型，以高斯混合模型(GMM)分析短期风电功率预测的误差分布特点。本发明通过GMM模型可以得到二台机组不同的置信区间。证明了LSTM方法具有更高的精确度和更快的收敛速度，GMM方法对于风电调度具有实际应用价值。

摘要： 本发明公开了一种基于小波长短期记忆网络的超短期风电功率预测方法，根据历史数据生成输入变量，以所对应的风功率历史数据作为输出，得到训练样本；采用小波分析方法对训练样本进行三级小波分解，得到四个小波样本，利用长短期记忆网络模型对四个小波样本分别进行训练，得到训练后的小波长短期记忆网络预测模型；根据四个小波样本的待预测时刻的实际数据生成测试输入数据，并输入到预测模型，其输出即为待预测的时刻的超短期风电功率预测值。本发明将小波分析方法与长短期记忆深度网络结合，可以同时实现数据的平稳化处理与深度学习，提高了预测的精度，增强了模型的泛化能力。

摘要： 本发明提供一种基于长短期记忆神经网络(Long Short‑TermMemory，LSTM)的规模风电超短期功率预测误差修正方法，包括：首先利用改进的核密度估计得出误差的概率密度曲线；其次，采用LSTM对预测误差数据进行深度学习，以风电的预测误差为输入，以下一时刻的误差为输出，得到误差的预测值；最后，根据粒子群算法得到合适的置信区间对误差进行合理分层，根据分层区间和误差预测值，结合风电预测误差的时序特征，制订预测误差的分层补偿策略，得到一种具有较强泛化性的预测误差补偿模型。

摘要： 本发明公开了一种基于长短期记忆网络的短期负荷预测方法，采集短期负荷数据，将所采集的短期负荷数据作为训练样本进行VMD分解，得到n个随机分量IMF；对于分解出的n个分量，每个分量构建对应的WOA‑LSTM模型，利用WOA对模型中的LSTM参数寻优，找出最合适的参数；采用最优参数的LSTM分别对分量数据IMF进行训练，得到各个分量的预测结果；基于分别寻优后构建的LSTM模型，分别利用LSTM模型对短期负荷数据进行测，每个LSTM模型输出相应的预测结果；通过将所有预测结果进行相加得到最终的负荷预测结果。

摘要： 本发明公开了一种基于改进长短期记忆神经网络的短期光伏发电预测方法，该方法对短期光伏发电预测需要数据进行数据分析得到训练数据集；构建长短期记忆神经网络，并将训练数据集输入长短期记忆神经网络进行训练；采用麻雀算法优化长短期记忆神经网络参数，得到优化后的长短期记忆神经网络，优化后的长短期记忆神经网络输出短期光伏发电功率预测值。即通过历史多维度、多时间尺度、高关联的数据进行短期光伏发电功率预测，从而缓解配电网中光伏发电的不确定性；采用麻雀算法优化长短期记忆神经网络参数，进一步提高预测效果。通过本发明的实施，能够较好的利用气象数据并提高短期光伏功率的预测精度，实现电网的经济和稳定运行。

摘要： 本发明专利公开一种基于长短期记忆神经网络的燃气短期负荷预测方法，该方法运用主成分相关分析(PCCA)算法、小波阈值去噪(LMD)算法及局部均值分解优化(WTD)算法优化长短期记忆神经(LSTM)网络模型，并运用该种新的燃气负荷组合预测方法，对城市燃气负荷量进行预测分析，PCCA‑LMD‑WT D‑LSTM预测模型在城市燃气负荷预测中，采用该种模型获得的最终MAPE精度均属于高精度水平，该模型预测结果优于单一的LSTM模型、BPNN模型和GRU模型。本发明解决了传统循环神经网络中的长时期依赖问题，适用于数据长度大的时间序列预测，且稳定性更高，可靠性更强。

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 本发明公开了一种基于深度长短期记忆网络的短期负荷预测方法，解决了现有技术的不足，该方法包括以下步骤：步骤10)，获取样本特征变量历史数据，建立历史样本数据集；步骤20)，建立预测模型嵌入维输入数据集；步骤30)，建立深度长短期记忆神经网络预测模型并初始化网络权重；步骤40)，更新训练步骤30)建立的深度长短期记忆神经网络预测模型内部状态参数；步骤50)，计算输出本轮负荷预测值；步骤60)，引入本轮负荷真实值，计算损失函数；步骤70)，更新深度长短期记忆神经网络网络权重；步骤80)，根据判别函数判别迭代是否结束；步骤90)，迭代结束，输出深度长短期记忆神经网络预测模型。

摘要： 本发明提出了一种考虑社会类碳排放因素和短期效益的两阶段月度机组组合和检修计划联合优化方法。利用多个风电场的历史风速数据分别拟合对应风电场的每小时风速的双峰威布尔分布函数，对生成所需风速场景的多个风电场建模生成具有时空尾部相关性的风速场景，并得到典型场景。通过扩充考虑社会经济类因素和环保因素的BiLSTM负荷预测模型得到最终月度负荷预测结果。然后以第一阶段目标和第二阶段目标建立考虑社会类碳排放因素和短期效益的两阶段月度机组组合和检修计划联合优化模型，并求得模型最优解。将本方法与常规不考虑社会类碳排放因素、不考虑日前机组组合、不考虑检修计划模型进行比较，验证了所提方法的合理性。