CN110458442A - 水务***成本分析方法 - Google Patents
水务***成本分析方法 Download PDFInfo
- Publication number
- CN110458442A CN110458442A CN201910723677.0A CN201910723677A CN110458442A CN 110458442 A CN110458442 A CN 110458442A CN 201910723677 A CN201910723677 A CN 201910723677A CN 110458442 A CN110458442 A CN 110458442A
- Authority
- CN
- China
- Prior art keywords
- analysis
- item
- data
- cost
- water utilities
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000007728 cost analysis Methods 0.000 title claims abstract description 53
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 142
- 238000004519 manufacturing process Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000006116 polymerization reaction Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000005538 encapsulation Methods 0.000 abstract 1
- 238000013461 design Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000008399 tap water Substances 0.000 description 2
- 235000020679 tap water Nutrition 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 101100328884 Caenorhabditis elegans sqt-3 gene Proteins 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 101150086656 dim1 gene Proteins 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种水务***成本分析方法,包括:从水务大数据平台中,提取出被分析用户关于成本的统计数据项,形成报表源数据的步骤;根据报表源数据,配置或更新成本分析字典数据的步骤;对报表源数据按预定规则进行筛选,以得到分析数据的步骤;根据成本分析字典数据对配置文件进行配置或更新的步骤,和基于配置文件,对分析数据执行成本分析的步骤。本发明方法可以实现对水务***的成本数据进行客观、高效、快速、多维度地分析,以及对需要投入的成本进行准确预测,直观展现各生产要素对成本的影响情况。本方法可移植性强,便于封装和维护。
Description
技术领域
本发明涉及水务工业领域,尤其是一种利用历史数据对水务生产成本进行多维度分析的成本分析方法。
背景技术
生产成本是企业总投入的重要组成部分,其直接影响到企业的产值。当前水务企业仅是对年生产投入和年产值进行一个统计,对于统计结果的分析也仅停留在同比、环比或差值比较阶段,并未对统计的记录进行***、深入地分析。然而,生产成本对于产值的影响并非是直接、显性的,就现有对生产成本的人工分析结论基于长期的经验判断,缺乏证据和支撑,一方面,对历史数据的利用价值不高,另一方面,对成本的分析结果不够客观。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种利用历史数据对水务***中的成本进行分析的方法。通过该方法,可自动在历史记录数据中提取出有效成本数据进行客观分析。
本发明采用的技术方案如下:
水务***成本分析方法,其包括以下步骤:
A.从水务大数据平台中,提取出被分析用户关于成本的统计数据项,形成报表源数据的步骤;
B.根据报表源数据,配置或更新成本分析字典数据的步骤,所述成本分析字典数据包含对各业务项的定义;
C.对报表源数据按预定规则进行筛选,以得到分析数据的步骤;
D.根据成本分析字典数据对配置文件进行配置或更新的步骤,所述配置文件包含对分析主题所定义的分析数据需求和对应的分析方法;
E.基于配置文件,对分析数据执行成本分析的步骤,所述成本分析下包含至少一个分析主题。
从大数据平台提取数据可以确保数据的完整性,所提取的数据与成本分析相关,避免了多无关数据的计算,并将各个被分析用户进行分离。预先配置成本分析字典可以为分析***定义出需要的数据,使得成本分析方法的可移植性强。对源数据进行筛选可以减少无效计算,并防止无效数据对分析结果的影响。为分析主题设置配置文件,使得成本分析仅需对顶层导入的数据进行更改即可自动完成后续的分析流程,而无需在每一次分析时对分析主题进行针对性修改。本发明的成本分析方法,可以基于水务***的历史记录对成本进行客观、快速、高效、多维地分析,自动化程度高、可移植性强。
进一步的,成本分析方法还包括:
F.对成本分析结果进行交互性展示。
进一步的,上述成本分析字典数据对各业务项的定义包括:对所定义的业务项中,无法从报表源数据中直接得到的业务项计算方法。
上述方法使得本发明的方法可视化程度高,增强了用户体验。
进一步的,上述对报表源数据进行筛选的预定规则为:清除所述报表源数据中的无效值。
该处理可以节省对无效数据的计算量,避免无效数据对分析结果的影响。
进一步的,上述关于成本的统计数据项中,包含对各业务项的定义、对应的统计数据和单位;所述步骤A中,所述形成报表源数据的步骤包括:基于各业务项的业务意义,构建业务项与分析项间的映射关系。
通过映射关系,可以在方法顶层的数据导入阶段将导入数据映射为便于计算机统一识别、处理的数据,进而增强了方法的可移植性,
进一步的,上述成本分析下包含的分析主题包括生产函数分析、成本函数分析、盈亏平衡分析、生产模拟器分析和多维分析5个分析主题中的至少一个。
该设计从多个与成本高度相关的维度对成本数据进行分析,可以突出本方法的结果与需求的匹配程度。同时,多个维度的分析也便于用户从整体上对分析数据的了解。
进一步的,上述配置文件对生产函数分析、成本函数分析和盈亏平衡分析所定义的分析方法包括:基于分析项需求计算出对应于分析结果的目标项的计算方法,以及对目标项进行项目聚合的方法。
预设的配置文件从整体上对分析主题进行规划,无需在方法执行期间对分析主题的流程进行修改,对结果目标进行项目聚合,可以增强可视化效果。
进一步的,上述配置文件对生产模拟器分析所定义的分析方法包括:建立分析项中,生产项与资源项的回归模型,以在生产项变动时,预测资源项的增减;以及基于相关性模型,在预测的资源项中,选取出与成本项的相关性高于预设阈值的资源项,进而通过资源项的增减预测出成本项的变化。
通过回归模型和相关性模型,可以体现出对成本产生主要影响的要素,同时集中计算资源对该部分要素进行建模预测。
进一步的,上述回归模型包含若干子回归模型,所述建立分析项中,生产项与资源项的回归模型具体为:将分析数据在每一个子回归模型上进行一次建模,再将建模效果满足预定要求的子回归模型作为当次分析的回归模型。
该设计使得生产预测模型可同时兼容多种预测环境,并确保每一次预测的结果的准确性。
进一步的,上述配置文件对多维分析所定义的分析方法包括:定义若干分析维度、各分析维度下的包含的若干分析组别以及各分析组别下包含的若干分析项。
该设计可以增加对成本数据展示的针对性,增加展示结果的条理性和层次感,便于用户查看。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明的成本分析方法,可实现对水务***的成本数据进行客观、高效、快速、多维度地分析,进而便于用户从整体上对成本数据有一个清晰、直观地认识,为增产节能提供了有效的数据支撑。
2、本发明方法可应用于多种分析环境,并进行自动匹配,可移植性强,便于封装,便于操作和维护(即无需针对每一次分析都对流程进行修整)。
3、本发明方法可有效利用历史数据对需要投入的资源/成本进行预测,预测效果准确,并直观展现各生产要素对成本的影响情况,与用户需求匹配程度高。
4、本发明的方法可集中算力对有效数据进行计算,对于计算资源的利用效率高,即方法需要的计算资源少。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是本发明成本分析方法流程的一个实施例。
图2是本发明成本分析方法流程的另一实施例。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
关于本发明中的业务项、生产项、资源项和成本项的说明:业务项为水务生产中涉及的各项业务,生产项为在各业务项中,涉及生产要素的业务项,资源项为在各业务项中,涉及生产资源的业务项,成本项为在业务项中,涉及生产成本的业务项,其通过投入的生产资源可计算得到。上述各项目名在水务领域属于较为通用的术语。
实施例一
如图1所示,本实施例公开了一种水务***成本分析方法,其包括以下步骤:
A.从水务大数据平台中,提取出被分析用户的关于成本的统计数据项,形成报表源数据。
上述所提取的关于成本的统计项数据,包含对各业务项的定义、对应的统计数据和单位。考虑到用户所定义的业务项名称存在非统一性,为便于计算机对数据的识别,可对各业务项进行统一,对于不同的用户,将对应于同一业务意义的业务项映射到同一分析项,在计算机执行来讲,仅对分析项进行直接访问,进而仅需对待分析用户的报表数据进行调研,更新分析项与业务项的映射表,无需对后续流程进行任何更改。
B.根据报表源数据,更新成本分析字典数据。该成本分析字典数据包含对各业务项的定义,包括对需要通过计算的方式得到对应数据的业务项所定义的计算方法。
C.对报表源数据进行筛选以得到分析数据。筛选规则根据不同的分析目的、分析精度可进行灵活调整。
D.根据成本分析字典数据配置或更新配置文件。配置文件为对对应于分析主题所定义的分析项需求(即需要哪些分析项,包含分析项的数据和单位)和分析方法(即通过分析项数据计算出分析结果的过程)。
E.基于配置文件,对分析数据执行成本分析,该成本分析下包含若干分析主题。在一个实施例中,成本分析下包含生产函数分析、成本函数分析、盈亏平衡分析、生产模拟器分析和多维分析5个分析主题。
在生产函数分析、成本函数分析和盈亏平衡分析中,配置文件定义的分析方法为基于分析项需求计算出目标项的计算方法,以及对目标项进行项目聚合的方法。所谓计算方法,即分析项通过加减乘除等运算得到目标项的方法,所谓项目聚合,即在分析主题下,所定义的分析维度、分析维度下所包含的分析项目以及分析项目下包含的目标项。在生产模拟器分析中,配置文件定义的分析方法为:建立分析项中,生产项与资源项的回归模型,以通过生产项的变动,预测资源项的增减;以及基于相关性模型,在预测的资源项中,选取出与成本项的相关性高于预设阈值的资源项,进而预测出成本项的变化。在一个实施例中,生产项与资源项的回归模型包含若干生产项与资源项的子回归模型,数据会分别在每一个子回归模型上进行一次建模,将建模效果最好的子回归模型作为该次预测用的回归模型。所谓的建模效果最好的子回归模型,为使用平均绝对误差算法对每个子回归模型的输出进行计算,取计算结果最小的子回归模型。平均绝对误差算法通用公式为:
其中,h(x(i))为预测值,y(i)为观测值(真实值),m为数据(生产项和资源项)条数。
在多维分析中,配置文件定义的分析方法为:定义若干分析维度、各分析维度下包含哪些分析组别以及各分析组别下包含哪些分析项。
F.对成本分析结果进行展示及交互。该展示可以为本地展示,或者为远程调用展示。
实施例二
如图2所示,本实施例公开了一种水务***成本分析方法,包括以下步骤:
A.从水务大数据平台中,通过大数据平台提供的数据同步功能,采用SQL语句提取出被分析用户的生产报表中,关于成本的统计数据项,形成报表源数据。将报表源数据中的各业务项分别映射到对应的分析项,构建出业务项与分析项的映射表。映射表定义col_name、busi_name、busi_unit的格式表示一条数据,其中,col_name代表分析项名称,busi_name代表业务项名称,busi_unit为业务项数据的单位。例如映射表为:
B.采用人工或机器的方式,定义需要通过计算得到对应数据的业务项的计算方法,得到成本分析字典数据。例如业务Y通过业务X减业务Z得到,则定义为col_Y=col_X-col_Z。
C.清除报表源数据中的无效值,得到分析数据。例如统计值为空值的记录、统计值为百分比的记录、重复的记录、与成本项无关(相关度为零或低于阈值)的记录等。具体而言,包括以下清除规则:
1、统计值为空值(NULL)的记录;
2、统计值单位为“%”的记录;
3、重复记录保留最开始一条;
4、对非成本项目与成本项目进行相关性分析,若相关度值小于等于0.3(≤0.3),剔除该非成本项目的所有记录。
D.根据成本分析字典数据,更新配置文件:
生成函数分析、成本函数分析和盈亏平衡分析主题对应的配置文件为:定义对应各分析主题所需要的分析项、对应于分析结果的目标项,以及通过分析项计算出目标项的方法,和对计算出的目标项进行项目聚合的方法。
例如,生成函数分析的配置文件(片段,其余分析主题同理)为:
[production_function]
dim={"dim1":{"name":"产量与资本","x":"x1","y":"y1","line":"line1","tab":"tab1","link":"link1","tag":"tag1"}}
tag1={"term_id":8,"unit":"null","column":"target"}
;自来水供水总量
x1={"term_id":6,"unit":"万立米","step":0.1}
;投产资本
y1={"term_id":2,"unit":"万元","step":0.01}
;line_x=自来水供水总量,line_y=投产资本=营业成本
line1={"term_id":30,"x_name":"x1","x_func":"'col_1'","y_name":"y1","y_func":"'col_46'"}
tab1=["tab1_col1","tab1_col2","tab1_col3"]
;直接生产人员
tab1_col1={"term_id":9,"unit":"人","column":"'col_43'"}
;生产资本=营业成本-直接人工费
tab1_col2={"term_id":4,"unit":"万元","column":"'col_46'-'col_50'"}
;投产资本=营业成本
tab1_col3={"term_id":2,"unit":"万元","column":"'col_46'"}
link1={"left":"y1","right":"tab1_col3"}。
生产模拟器分析对应的配置文件为:定义所需的分析项,采用sklearn的LinearRegression、Lasso、Ridge、ElasticNet等作为分析项中,生产项与资源项的回归模型,生产项作为输入,资源项作为输出,生产项的变动预测出资源项的增减,将模型输出的资源项变化方差最小的回归模型的结果作为该次分析的结果。使用DataFrame的corr()方法作为相关性模型,从预测出的资源项中,选择与成本项的相关度绝对值高于0.4的资源项,资源项的增减导致成本项的变化。进而实现在生产项变动时,预测出成本项的变化。
多维分析对应的配置文件为:定义若干分析维度、分析维度下的分析组别以及各分析组别下包含的分析项。例如定义“公司”、“明细”两个分析维度,“费用支出”和“经济指标”两个组别,在“费用支出”组别下,定义包含的分析项:"col_46","col_47","col_48","col_49","col_50"……,在“经济指标”组别下,定义包含的分析项:"col_64","col_65","col_67","col_68"……。
F.对成本分析下各分析主题的分析结果根据选择进行WEB展示,并根据操作进行WEB交互。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (10)
1.水务***成本分析方法,其特征在于,包括以下步骤:
A.从水务大数据平台中,提取出被分析用户关于成本的统计数据项,形成报表源数据的步骤;
B.根据报表源数据,配置或更新成本分析字典数据的步骤,所述成本分析字典数据包含对各业务项的定义;
C.对报表源数据按预定规则进行筛选,以得到分析数据的步骤;
D.根据成本分析字典数据对配置文件进行配置或更新的步骤,所述配置文件包含对分析主题所定义的分析数据需求和对应的分析方法;
E.基于配置文件,对分析数据执行成本分析,所述成本分析下包含至少一个分析主题。
2.如权利要求1所述的水务***成本分析方法,其特征在于,还包括:
F.对成本分析结果进行交互性展示。
3.如权利要求1所述的水务***成本分析方法,其特征在于,所述成本分析字典数据对各业务项的定义包括:对所定义的业务项中,无法从报表源数据中直接得到的业务项计算方法。
4.如权利要求1所述的水务***成本分析方法,其特征在于,所述对报表源数据进行筛选的预定规则为:清除所述报表源数据中的无效值
5.如权利要求1-4之一所述的水务***成本分析方法,其特征在于,所述关于成本的统计数据项中,包含对各业务项的定义、对应的统计数据和单位;所述步骤A中,所述形成报表源数据的步骤包括:基于各业务项的业务意义,构建业务项与分析项间的映射关系。
6.如权利要求5所述的水务***成本分析方法,其特征在于,所述成本分析下包含的分析主题包括生产函数分析、成本函数分析、盈亏平衡分析、生产模拟器分析和多维分析5个分析主题中的至少一个。
7.如权利要求6所述的水务***成本分析方法,其特征在于,所述配置文件对生产函数分析、成本函数分析和盈亏平衡分析所定义的分析方法包括:基于分析项需求计算出对应于分析结果的目标项的计算方法,以及对目标项进行项目聚合的方法。
8.如权利要求6所述的水务***成本分析方法,其特征在于,所述配置文件对生产模拟器分析所定义的分析方法包括:建立分析项中,生产项与资源项的回归模型,以在生产项变动时,预测资源项的增减;以及基于相关性模型,在预测的资源项中,选取出与成本项的相关性高于预设阈值的资源项,进而通过资源项的增减预测出成本项的变化。
9.如权利要求8所述的水务***成本分析方法,其特征在于,所述回归模型包含若干子回归模型,所述建立分析项中,生产项与资源项的回归模型具体为:将分析数据在每一个子回归模型上进行一次建模,再将建模效果满足预定要求的子回归模型作为当次分析的回归模型。
10.如权利要求6所述的水务***成本分析方法,其特征在于,所述配置文件对多维分析所定义的分析方法包括:定义若干分析维度、各分析维度下的包含的若干分析组别以及各分析组别下包含的若干分析项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910723677.0A CN110458442A (zh) | 2019-08-07 | 2019-08-07 | 水务***成本分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910723677.0A CN110458442A (zh) | 2019-08-07 | 2019-08-07 | 水务***成本分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110458442A true CN110458442A (zh) | 2019-11-15 |
Family
ID=68485064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910723677.0A Pending CN110458442A (zh) | 2019-08-07 | 2019-08-07 | 水务***成本分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458442A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004259237A (ja) * | 2003-02-25 | 2004-09-16 | Kazuhiko Tsuda | 自然言語解析における自動話題認知解析システム |
CN104931669A (zh) * | 2015-06-02 | 2015-09-23 | 苏州高新区、虎丘区环境监测站 | 一种地表水水质自动监测集成*** |
CN106709017A (zh) * | 2016-12-27 | 2017-05-24 | 山东麦港数据***有限公司 | 一种基于大数据的辅助决策方法 |
CN106815373A (zh) * | 2017-02-10 | 2017-06-09 | 国网山东省电力公司 | 基于bi分析的配网抢修大数据展示方法及*** |
CN109446494A (zh) * | 2018-10-19 | 2019-03-08 | 国电南瑞科技股份有限公司 | 一种基于报表引擎的水务计算方法 |
CN110059132A (zh) * | 2019-04-15 | 2019-07-26 | 成都九鼎瑞信科技股份有限公司 | 一种智能水务管理平台的数据分析展示*** |
-
2019
- 2019-08-07 CN CN201910723677.0A patent/CN110458442A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004259237A (ja) * | 2003-02-25 | 2004-09-16 | Kazuhiko Tsuda | 自然言語解析における自動話題認知解析システム |
CN104931669A (zh) * | 2015-06-02 | 2015-09-23 | 苏州高新区、虎丘区环境监测站 | 一种地表水水质自动监测集成*** |
CN106709017A (zh) * | 2016-12-27 | 2017-05-24 | 山东麦港数据***有限公司 | 一种基于大数据的辅助决策方法 |
CN106815373A (zh) * | 2017-02-10 | 2017-06-09 | 国网山东省电力公司 | 基于bi分析的配网抢修大数据展示方法及*** |
CN109446494A (zh) * | 2018-10-19 | 2019-03-08 | 国电南瑞科技股份有限公司 | 一种基于报表引擎的水务计算方法 |
CN110059132A (zh) * | 2019-04-15 | 2019-07-26 | 成都九鼎瑞信科技股份有限公司 | 一种智能水务管理平台的数据分析展示*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111241067B (zh) | 一种水务大数据挖掘建模管理方法、装置、设备和介质 | |
CN107451666A (zh) | 基于大数据分析的断路器装配质量问题追溯***和方法 | |
CN104778540A (zh) | 一种建材装备制造bom管理方法及管理*** | |
Chang | A comment on the calculation of the total-factor energy efficiency (TFEE) index | |
CN101894058B (zh) | 针对自动测试***的测试覆盖性自动分析方法及其装置 | |
CN108170769A (zh) | 一种基于决策树算法的装配制造质量数据处理方法 | |
CN104020676A (zh) | 基于仿真模拟技术的服装流水线编排方法 | |
CN107918639A (zh) | 基于电力大数据主变高峰负荷预测方法及数据仓库*** | |
CN114416855A (zh) | 一种基于电力大数据的可视化平台及方法 | |
CN105574675B (zh) | 基于计算规则库的建筑工程规划监督方法和*** | |
WO2022252061A1 (zh) | 基于知识的装配工艺规划方法、装置和*** | |
CN105893669A (zh) | 一种基于数据挖掘的全局仿真性能预测方法 | |
CN113723844B (zh) | 一种基于集成学习的低压台区理论线损计算方法 | |
CN107491508A (zh) | 一种基于循环神经网络的数据库查询时间预测方法 | |
CN108121530A (zh) | 一种多学科复杂产品的概念设计分析方法 | |
CN112669055A (zh) | 一种输变电工程可研估算模拟组价方法及装置 | |
CN108230183A (zh) | 一种基于时标量测的电网设备多维度综合告警的处理方法 | |
CN116911386B (zh) | 基于知识脉络面向业务场景的水电设备知识图谱构建方法 | |
Subali et al. | A new model for measuring the complexity of SQL commands | |
CN110458442A (zh) | 水务***成本分析方法 | |
Unterdechler et al. | Identifying repeating patterns in IEC 61499 systems using Feature-Based embeddings | |
CN104732361A (zh) | 建立小麦加工企业的idef模型的方法 | |
TWI811925B (zh) | 產能配置的規劃方法以及規劃裝置 | |
JP7278329B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN109857817A (zh) | 全网域电子式互感器高频度计量数据甄别及数据处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20230929 |
|
AD01 | Patent right deemed abandoned |