基于粗糙集与支持向量机的电力行业信用评价

论文摘要

随着电力体制改革逐步深入,我国电力供需情况发生很大变化,电力行业信用是电力企业面临的重要问题,不仅影响到企业的经营状况和企业形象,同时也关系到企业的生存和发展,因此有必要对电力行业的信用进行综合评价,从而规避电力企业因诚信问题所带来的风险。对电力客户的需求来讲,较为准确地确定电力企业的信用水平是十分重要的。本文根据目前电力行业信用评估的现状,确立了电力行业信用评价指标体系,针对指标数量较多的特点,提出了一种基于粗糙集和支持向量机的信用评价模型。借助粗糙集的属性约简算法实现评价指标约简;利用支持向量机的回归算法,构造出具有较好的泛化能力及抑制噪声干扰的回归模型,对实际数据进行指标筛选、权重计算及综合评估,确定电力企业信用评价的综合值,得到各电力企业优化的信用评价次序排名。并与单一支持向量机的模型相比较,验证了所选方法的有效性,研究结果表明该模型切实可行,效果良好。最后,针对目前我国电力企业信用评价的现状和存在的问题,提出了一些针对性的建议。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文研究背景及意义
• 1.2 国内外研究现状
• 1.3 本文的主要内容
• 第2章 电力行业信用评价情况概述
• 2.1 电力行业信用评价的目的
• 2.2 信用评价内容
• 2.3 信用评价程序及评价原则
• 2.4 信用评价基本方法
• 第3章 综合评价体系构建原则及指标选取方法
• 3.1 构建综合评价指标体系的原则
• 3.2 综合评价指标体系的初选方法
• 3.3 综合评价指标体系的测验方法
• 3.3.1 综合评价指标体系的元素测验
• 3.3.2 综合评价指标体系结构的优化
• 第4章 电力行业信用评价指标体系的构建
• 4.1 电力行业信用综合评价指标体系框架
• 4.2 电力行业信用综合评价指标体系内涵
• 4.2.1 经营能力评价指标
• 4.2.2 管理能力评价指标
• 4.2.3 财务实力评价指标
• 4.2.4 信用记录评价指标
• 4.3 指标体系明细表
• 第5章 电力行业信用综合评价模型
• 5.1 评价模型的总体思想
• 5.2 粗糙集理论
• 5.3 属性约简算法
• 5.3.1 基于属性重要性的约简算法
• 5.3.2 区分矩阵的属性约简
• 5.4 支持向量机算法
• 5.4.1 支持向量机理论
• 5.4.2 ε不敏感损失函数
• 5.4.3 SVM 线性情况
• 5.4.4 SVM 非线性情况
• 5.4.5 SVM 内积核函数
• 第6章 实证分析
• 6.1 数据采集说明
• 6.2 粗糙集处理数据
• 6.2.1 实验数据归一化处理
• 6.2.2 实验数据导入决策表
• 6.2.3 离散化处理
• 6.2.4 属性约简
• 6.3 支持向量机回归
• 6.3.1 训练集与测试集的选取
• 6.3.2 实验数据格式转换
• 6.3.3 实验核函数的选择
• 6.3.4 径向基核函数参数选择
• 6.3.5 SVM 回归算法
• 6.4 结果分析
• 6.4.1 关于电力公司的评价分析
• 6.4.2 关于电力设计院的评价分析
• 6.4.3 关于发电公司的评价分析
• 6.4.4 关于电力建设公司的评价分析
• 6.4.5 关于送变电工程公司的评价分析
• 6.4.6 关于电能成套设备公司的评价分析
• 6.5 本章小结
• 第7章 结论与展望
• 7.1 论文总结
• 7.2 展望
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢
• 论文摘要