基于语义的制造企业多价值链协同数据空间数字资源聚合识别方法研究

为解决制造企业多价值链协同数据空间数据体量较大、数据价值密度低、数据对象粒度大、数字资源边界模糊带来的数字资源聚合识别问题，本文基于语义理论对制造企业多价值链协同数据空间的数字资源聚合识别方法进行研究。首先，构建了制造企业多价值链协同数据空间的数字资源聚合模型；其次，提出了制造企业多价值链协同数据空间领域相关度计算方法；再次，基于概念度分布、D-S证据理论，引入信任函数、似然函数，提出了制造企业多价值链协同数据空间语义网络节点发现方法，形成了系统的数字资源聚合识别方法。以某电力装备制造企业数据为样本进行仿真，结果表明，所构建的制造企业多价值链协同数据空间语义网络连接紧密、语义清晰、体系明确，所提出的方法聚合效果好、纯度较高，能够为智能工厂数字资源聚合、知识资源发现、知识服务、智能决策提供有效支撑。     

面向数据空间体系构建的电力制造业多价值链经营风险识别与管控研究

目前，我国电力事业快速发展，智能制造也在不断推进，电力制造行业存在着科技创新不足、竞争能力较弱等问题。对于电力制造企业来说，如何有效识别和控制经营风险，形成新的多价值链风险管理模式，对提高电力制造企业风险管控水平，从而提高经济效益具有重要意义。本文基于数据空间和文本挖掘技术，通过大数据爬虫技术收集电力制造业相关风险政策和新闻报道共16034篇，利用文本挖掘模型进行风险主题的挖掘，识别经营风险关键因素和风险主题；然后利用风险识别结果，从多价值链角度构建电力制造企业全生命周期经营风险安全数据空间；最后，本文利用某电力制造企业近20年生产经营数据进行实例分析，验证风险数据空间构建的有效性。研究结果表明，从多价值链角度对电力制造企业经营风险进行识别具备合理性，电力制造企业全生命周期经营风险安全数据空间的构建能够在各环节实现风险的合理规避和智能管控。     

基于数据挖掘的电力装备企业多价值链协同数据预处理方法研究及应用

在电力装备制造企业的数字化转型中，需要对数据空间中多价值链协同的高维数据进行挖掘与分析，本文针对电力装备制造业进销存大数据的预处理问题展开了研究。首先，给出了变点法和局部异常因子算法（local outlier factor method,LOF）组合的数据异常值检验校正预处理方法；其次，提出了基于LASSO(least absolute shrinkage and selection operator,LASSO)算法的栈式稀疏自编码器（stack sparse auto-encoder,SSAE）数据降噪降维组合机器学习处理方法（SSAE-LASSO），对特征进行压缩降维提取，去除严重干扰数据回归分析的噪声信息，并过滤影响度低的冗余数据，从而实现数据的降噪降维处理。最后，将本文提出的方法应用于不同的算法进行检验，通过对两种预处理的数据对比发现，本文提出的方法有效提高了电力产品销售量智能预测的精度。