第一篇：基于神經網絡算法的電力諧波分析方法的研究論文

摘要：目前常用的諧波分析算法存在著計算精度低、計算量大等缺點，本文提出并研究了一種基于傅立葉基神經網絡的諧波分析方法。利用傅立葉基神經網絡模型進行諧波分析可以有效地提高神經網絡的收斂速度和計算精度，減小了計算量。并通過仿真，驗證了利用該算法進行諧波分析可快速獲得電力系統(tǒng)的基波及各次諧波高精度的幅值和相位。

關鍵詞：神經網絡;諧波分析;梯度下降法;權值向量

一、引言

近年來，隨著電力電子技術的廣泛應用，電力系統(tǒng)諧波污染日益嚴重，已成為電能質量的公害。目前常用的諧波分析算法存在著計算精度低、計算量大等缺點，本文提出一種基于傅立葉基神經網絡的諧波分析方法，利用該方法可快速獲得電力系統(tǒng)的基波及各次諧波高精度的幅值和相位。

本文構建了基于傅立葉基神經網絡模型，采用梯度下降法作為權值調整算法，通過神經網絡訓練即可獲得神經網絡權值，從而獲得電力系統(tǒng)諧波的幅值和相位。仿真結果表明，利用基于傅立葉基神經網絡算法進行諧波分析可快速獲得電力系統(tǒng)的基波及各次諧波高精度的幅值和相位。

二、基于傅立葉基神經網絡算法的諧波檢測原理

(一)傅立葉基神經網絡模型的構建一個具有各次諧波的周期信號可表示為：

N M

y(t)=∑An sin(2nfnt+尹。)+∑B.sin(2n厶f+‰)(1)

式中，石為第n次整數諧波的頻率;f為第m次間諧波的頻率a設采樣周期為￡，則式(1)可離散化為：

y(k)= Aa +∑[Aj sinW,cos(jtookTs)+Aj cos~sin(jtuokT)]+l1(2)

∑[B, sin夠cos(co,kT.)]+旦cosrp,sin(cq kT,)l-l

式中∞0為電力系統(tǒng)基波角頻率;j為諧波次數;為第f次間諧波的角頻率;ki+J采樣點序列號。

式(2)可進一步用傅立葉級數表示為

y(k)= wo+-wj cosOcookT,)+∑M sin[(j-ⅣⅫ。kTs]+(3)

∑w, cos(coikT,)+∑wisin(03i_^ckTs)

f=1 1.^f+l

由式(3)可建立傅立葉基神經網絡模型如圖1所示。c、：為正交三角函數系，對應著不同的隱層神經元：w毛(掙l，2，2n+l)表示隱層與輸出層之間的連接權值。

由于傅立葉基神經網絡的輸入層單元和隱層神經單元直接的連接權值為1，也就是說：輸入量是直接映射到隱層空間，沒有需要調節(jié)的參數，需要調節(jié)的參數是隱層和輸出層之間的連接權值。隱層空間到輸出層空間的映射是線性的，傅立葉基神經網絡的輸出單元的輸出是所有隱層單元的線性組合。由此可見，網絡由輸入到輸出的映射是非線性的，而網絡輸出對可調參數而言又是線性的，這樣就將輸入層與輸出層的非線性映射關系轉化成了隱層與輸出層之間的線性映射關系。

(二)權值調整算法

本文采用梯度下降法作為權值調整算法，梯度下降法是最常用的神經網絡學習算法。在上面建立的神經網絡中，具體算法為：誤差函數為學習率，當o<，7<五再三萬百時神經網絡算法收斂，其中，2N+2M+1為隱層神經元個數。

(三)諧波參數估計

若已知電力系統(tǒng)的工作頻率，按照上述神經網絡算法，通過神經網絡訓練即可獲得神經網絡權值向量w,而基波、諧波的幅值和相位可根據最后得到的權值向量矽并利用下述公式得到：

(四)神經網絡訓練步驟

1、以采樣周期T對信號滅f)采樣獲得訓練樣本;隨機產生權向量W，給定任意小正實數口，確定學習率o<，7<面再毫百萬。

2、由式(5)計算神經網絡的輸出。

3、由式(6)、(7)分別計算誤差與性能指標。

4、由式(8)與(9)進行權值調整。

5、判斷性能指標是否滿足J

三、仿真分析

為了驗證本文提到的神經網絡算法的正確性，本文采用Matlab進行仿真試驗。輸入的信號表達式為y(k)=∑4 cos(2霄fmkTs+‰)輸入信號包含的成分如表1所示。

表1輸入信號包含的成分

信號參數 基波 諧波 諧波 諧波 諧波 頻率 50 150 250 350 450 幅值 400 16.4 13.3 9.1 7.6 相位 10 60 90 120 150

隨機產生權值，經過2次神經網絡訓練，得到性能指標為：J=2.4764x10'a，基于傅立葉基神經網絡算法的仿真結果如表2所示。

幅值 相位 頻率

幅值

相對誤差(%)

相位

相對誤差(%)50 400.00l.3275x10“3 10.00001.5743x10”3 150 16.4001.9638x10-'2 60.0000-2.7523x10''' 250 13.3001.8754x10'u 90.0000-1.9856x10“z 350 9.100l.1985xl0”3 120.00002.7623xl0-'3 450 7.6002.4049x10n 150.00001.9750x10'''

由以上仿真結果可見，本文提出的基于傅立葉基神經網絡算法的諧波分析方法對各次諧波的幅值和相位的計算精度高，且速度快。

四、結論

利用基于傅立葉基神經網絡算法進行諧波分析可快速獲得電力系統(tǒng)的基波及各次諧波高精度的幅值和相位，因而在電力系統(tǒng)諧波測量中有較大的應用價值。

參考文獻：

[1]龐浩，李東霞，俎云霄等，應用FFT進行電力系統(tǒng)諧波分析的改進算法[J]中國電機工程學報，2003，23(6):50-54.[2]錢昊，趙榮祥.基于插值FFT算法的間諧波分析[J].中國電機工程學抿2005，1(21):87-91.[3lMITRA S K.Digital signal processinga computer-based approach[M].Beijing: Tsinghua University Press,2001.[4]袁曾任.人工神經元網絡及其應用[M].北京：清華大學出版社.1999.[5]李紅，馬新瑜.多層前饋神經網絡在電力系統(tǒng)諧波測量中的應用[J].電測與儀表，2003，40(446):15-17.[6]張林利，王廣柱.一種基于人工神經網絡的諧波測量新方法[J].電力系統(tǒng)及其自動化學tEL2004，4(2):40-43.

第二篇：論文研究方法

論文研究方法

（1）歸納法：從個別性知識，引出一般性知識的推理，是由已知真的前提，引出可能真的結論。

（2）宏觀分析與微觀分析相結合的研究方法：宏觀分析方法是對問題進行了總體的分析，微觀分析方法是對問題的部分或個體對象進行分析。在分析我國中小企業(yè)融資難的成因時，既從外部環(huán)境，政策、制度角度進行了宏觀分析，又從中小企業(yè)自身和融資機構這些角度進行了微觀分析，三者相結合。

（3）訪談法：通過詢問的方式，訪員和受訪人面對面交談來了解市場情況的基本研究方法。

（4）文獻研究法：通過對某一領域，某一專業(yè)或某一方面的課題、問題或研究專題搜集大量相關資料，通過分析、閱讀、整理，提煉當前課題、問題或研究專題的最新進展、學術見解或建議。

第三篇：關于神經網絡的論文讀后感

關于神經網絡的論文讀后感

近期近代數學方法課上老師講授了一種新的方法叫做神經網絡。

神經網絡（NNs）全稱為人工神經網絡（Artificial Neural Networks，簡寫為ANNs），簡稱神經網絡，也稱作連接模型（Connection Model），它是一種模范動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型。這種網絡依靠系統(tǒng)的復雜程度，通過調整內部大量節(jié)點之間相互連接的關系，從而達到處理信息的目的。它是一種大規(guī)模并行的非線性動力學系統(tǒng)。

1943年，心理學家W·Mcculloch和數理邏輯學家W·Pitts在分析、總結神經元基本特性的基礎上首先提出神經元的數學模型。此模型沿用至今，并且直接影響著這一領域研究的進展。因而，他們兩人可稱為人工神經網絡研究的先驅。

1945年馮·諾依曼領導的設計小組試制成功存儲程序式電子計算機，標志著電子計算機時代的開始。1948年，他在研究工作中比較了人腦結構與存儲程序式計算機的根本區(qū)別，提出了以簡單神經元構成的再生自動機網絡結構。但是，由于指令存儲式計算機技術的發(fā)展非常迅速，迫使他放棄了神經網絡研究的新途徑，繼續(xù)投身于指令存儲式計算機技術的研究，并在此領域作出了巨大貢獻。雖然，馮·諾依曼的名字是與普通計算機聯(lián)系在一起的，但他也是人工神經網絡研究的先驅之一。

50年代末，F·Rosenblatt設計制作了“感知機”，它是一種多層的神經網絡。這項工作首次把人工神經網絡的研究從理論探討付諸工程實踐。當時，世界上許多實驗室仿效制作感知機，分別應用于文字識別、聲音識別、聲納信號識別以及學習記憶問題的研究。然而，這次人工神經網絡的研究高潮未能持續(xù)很久，許多人陸續(xù)放棄了這方面的研究工作，這是因為當時數字計算機的發(fā)展處于全盛時期，許多人誤以為數字計算機可以解決人工智能、模式識別、專家系統(tǒng)等方面的一切問題，使感知機的工作得不到重視；其次，當時的電子技術工藝水平比較落后，主要的元件是電子管或晶體管，利用它們制作的神經網絡體積龐大，價格昂貴，要制作在規(guī)模上與真實的神經網絡相似是完全不可能的；另外，在1968年一本名為《感知機》的著作中指出線性感知機功能是有限的，它不能解決如異感這樣的基本問題，而且多層網絡還不能找到有效的計算方法，這些論點促使大批研究人員對于人工神經網絡的前景失去信心。60年代末期，人工神經網絡的研究進入了低潮。

另外，在60年代初期，Widrow提出了自適應線性元件網絡，這是一種連續(xù)取值的線性加權求和閾值網絡。后來，在此基礎上發(fā)展了非線性多層自適應網絡。當時，這些工作雖未標出神經網絡的名稱，而實際上就是一種人工神經網絡模型。

隨著人們對感知機興趣的衰退，神經網絡的研究沉寂了相當長的時間。80年代初期，模擬與數字混合的超大規(guī)模集成電路制作技術提高到新的水平，完全付諸實用化，此外，數字計算機的發(fā)展在若干應用領域遇到困難。這一背景預示，向人工神經網絡尋求出路的時機已經成熟。美國的物理學家Hopfield于1982年和1984年在美國科學院院刊上發(fā)表了兩篇關于人工神經網絡研究的論文，引起了巨大的反響。人們重新認識到神經網絡的威力以及付諸應用的現實性。隨即，一大批學者和研究人員圍繞著 Hopfield提出的方法展開了進一步的工作，形成了80年代中期以來人工神經網絡的研究熱潮。

神經網絡的連接形式前向網絡.前向網絡通常包括許多層, 常見為三層網絡.這種網絡特點是只有前后相鄰兩層之間神經元相互連接, 各神經元之間沒有反饋.每個神經元可以從前一層接收多個輸入, 并只有一個輸出送給下一個神經元.三層前向網絡分為輸入層、隱層和輸出層.在前向網絡中計算功能的節(jié)點, 稱為計算單元, 而輸入節(jié)點無計算功能.常見的是網絡BP反饋網絡.從輸出層到輸入層有反饋, 即每一個節(jié)點同時接收外來輸入和來自其它節(jié)點的反饋輸入, 其中也包括神經元輸出信號引回到本身輸入構成的自環(huán)反饋.這種反饋網絡每一個節(jié)點都是一個計算單元.典型是網絡Hopfield相互結合型網絡.它屬于網狀結構.構成網絡中各個神經元都可能相互雙向聯(lián)接, 所有的神經元既作輸入, 同時也用于輸出.這種網絡對信息處理與前向網絡不一樣.在前向網絡中, 信息處理是從輸入層依次通過中間層 隱層 到輸出層, 處理結束.而在這種網絡中, 如果在某一時刻從神經網絡外部施加一個輸入, 各個神經元相互作用, 直到使網絡所有神經元的活性度或輸出值, 收斂于某個平均值為止作為信息處理的結束.4 混合型網絡.上述的前向網絡和相互結合型網絡分別是典型的層狀結構網絡和網絡結構網絡.介于這兩種網絡中間的一種聯(lián)接方式, 在前向網絡的同一層間神經元有互聯(lián)的結構, 稱為混合型網絡.這種在同一層內的互聯(lián), 目的是為了限制同層內神經元同時興奮或抑制的神經元數目, 以完成特定的功能。

在網絡上，我查閱了相關的文獻，一篇關于關于神經網絡用于機器人控制的的論文說道：神經網絡特別適合于機器人控制, 是由于它具有下述顯著特點 :1 由于神經網絡可以通過若干實例進行學習, 所以把它用作控制器的時候, 既不需要被控對象的數學模型, 也不需要人們事先為它設計好控制算法.2 因為神經網絡具有并行處理信息的能力, 所以它同時能將輸入的m 維向量變成輸出的n 維向量.這樣, 神經網絡可有效地處理視覺、聽覺這一類需要復雜計算的感知信息, 從而可能完成實時控制的任務.3 神經網絡對外界環(huán)境或系統(tǒng)參數的意想不到的變化, 具有很強的自適應性, 因此神經網絡控制系統(tǒng)具有大范圍的適應能力, 是一般的自適應控制系統(tǒng)所無法比擬的.如：“嬰兒”機器人，它安裝兩只攝像機并具有五個自由度.眾所周知, 嬰兒的特點就是愛動, 大一點的嬰兒則是看見什么都好奇, 覺得新鮮, 都想把看到的東西抓到手.起初, 他們看見的東西不一定能夠抓得著, 但經過不斷地實踐, 一旦有一次或幾次成功了, 這就是所謂的“無導師學習”.能不能使現在的機器人也有這種技能呢?現在的工業(yè)機器人很難做到, 因為現在的工業(yè)機器人要作什么都是由人事先計劃好并作一遍才行.即所謂的“示教——再現”,“示教——再現”是一種有導師的學習.如機器人的支臂、手和各關節(jié)的尺寸都準確知道, 即如果運動模型已知的話, 也可以把要作的事情 即任務 按時間順序寫成程序, 計算機根據已知的模型將任務翻譯成各個關節(jié)的角度變化加以實現.這種控制方式的前提是模型必須已知.可是, 上述的嬰兒機器人不需要知道自己的模型, 這樣好像與人的本能更接近一些.人們雖然說不出自己手臂上的每根骨頭的尺寸, 但是人們的眼睛和手可以配合得非常默契.這種機能是靠學習得來的并以某種隱含的形式記在腦皮層的某個區(qū)域.在學習過程中, 這個隱含的內容也不斷地更新自己.人由嬰兒長成大人, 骨骼和肌肉的力量一直在發(fā)生變化, 腦中那個隱含的內容 知識和經驗也不斷調整自己.用自動控制的術語說, 這就是控制系統(tǒng)的自適應性;應該指出, 現代工業(yè)機器人的自適應性還極其有限.“嬰兒”機器人的工作過程分為兩個階段: 學習階段和工作階段.在學習階段, 嬰兒手里握著一個圓柱體, 在隨機位置發(fā)生器的作用下, 隨機地擺成這個姿勢或那個姿勢.在這個過程中, 攝像機將看到的一幅情景信息通過輸入變換并進入神經網絡, 接著產生目標變換的輸出.這個輸出與隨機位置產生器產生的實際輸出的差值用來調整權變換, 以使看到的和實際做到的不斷地趨于一致.例如, 經過1200 次姿勢訓練后,“嬰兒”機器人就學得很好了.在工作階段, 它可以把圓柱體擺在“嬰兒”工作空間的任何一個位置和角度上,“嬰兒”機器人可以迅速地移動手臂, 并用它的手準確地將圓柱體擒住.如果改變一下工作環(huán)境, 例如將“嬰兒”機器人的底坐上墊上點東西,“嬰兒”機器人第一次擒獲會失敗, 但它有能力適應這種工作環(huán)境的變化, 不需要重新返回學習階段就可以調整自己控制網絡的權, 并在相繼的抓獲中取得成功.實際神經網絡的應用研究可以分為以下兩大類：

1、神經網絡的軟件模擬和硬件實現的研究。

2、神經網絡在各個領域中應用的研究。這些領域主要包括：模式識別、信號處理、知識工程、專家系統(tǒng)、優(yōu)化組合、機器人控制等。隨著神經網絡理論本身以及相關理論、相關技術的不斷發(fā)展，神經網絡的應用定將更加深入。

在看了那些資料以后，我明白了神經網絡在應用上是非常廣泛的，而以后我應該更加努力地學好它，學會在以后的生活實踐中去應用它。

第四篇：電力管理和研究論文

國家職業(yè)資格

維修電工技師技能

職業(yè)技能鑒定論文

電力管理和研究

單位全稱: 學員姓名：

對電力企業(yè)管理的研究

摘 要

電力在國民經濟中扮演的地位越來越重，承擔社會責任，服務經濟發(fā)展是電網公司的職責，那么如何更好的令電力企業(yè)更好的為地方為人民服務，這個和電力企業(yè)管理就分不開了。本人在電力企業(yè)管理崗位任職多年，對電力管理略有心得，想和大家分享。電力管理中，安全是第一位，沒有安全的生產就沒有安全的用電，所以要提高工作人員素質，積極制定各項防范措施、規(guī)章制度；光有安全，忽視了優(yōu)質服務，這個也是不行的，這就要不斷完善電網配置，加強服務人員素質培養(yǎng)，從根本上對服務進行全面提升。前線工作要做好，這就離不開后勤保障工作，電力物業(yè)作為一個新興的產業(yè)，擔負著更好服務主業(yè)，保障主業(yè)工作有序開展的重要責任?？傊畢f(xié)調全面，穩(wěn)步發(fā)展是電力企業(yè)安全穩(wěn)定發(fā)展的基礎。

關鍵詞：電力企業(yè)、管理崗位、安全、優(yōu)質服務、電力物業(yè)。

對電力企業(yè)管理的研究

引言：在國民經濟高速發(fā)展的今天，電力作為文明時代的產物，在其中扮演的角色越來越重要，如何更好的服務地方經濟，如何更好的承擔起社會責任，這個是擺在每個電力人的面前的問題，“努力超越 追求卓越”將電力企業(yè)管理好，這個就是我們的目標。

一、電力生產過程中，安全必須擺在首要的位置。

本人從事電力工作多年以來，目睹和學習過多起安全責任事故，對由于安全事故對電網造成的損失歷歷在目，“安全第一、預防為主、綜合治理”這十二個字雖然看上去簡單，但是做起來確實非常辛苦。比如本人早年在水電站任站長時，就看到過部分老員工憑著先入為主的觀念，麻痹大意，對具體情況還不清楚的情況下，準備進行強行操作，后來我及時阻止了這個操作，要求班組再根據操作規(guī)范和流程仔細梳理一遍問題，發(fā)現問題不是一直認為的那樣，大家也避免了一次對機器設備損壞的事故，通過這個事情，我也非常深刻理解到安全生產在電力企業(yè)中是何等重要的問題。電力企業(yè)工程點多、面廣，高空作業(yè)、交叉作業(yè)、焊接作業(yè)等高危作業(yè)頻繁，所以安全生產對于我們這個高風險行業(yè)來說，其意義更加重要。縱觀事故產生的原因，不難看出是大家對安全生產、管理存在著一些誤區(qū)。所以在對待安全生產上面不能有半點的麻痹大意。1.1健全各項安全操作的規(guī)章制度。

安全操作流程的建立的依據是根據多年來事故總結的教訓和理論上的依據而編制的，這本生對規(guī)范我們操作行為有很大指導性作用，我在管理崗位上時，就常常提醒各位員工，操作要嚴格按照各項操作規(guī)章制度來，切不可因為自己是“老手”忽視對最基本的檢查工作。由其現在在物業(yè)工作中涉及面點小面多，不僅要監(jiān)管好自身的安全問題，還要監(jiān)督好外包單位施工人員的安全，為自己負責，也為他人負責，將安全工作做到為。在日常工作匯總組織職工認真學習安全方面的知識。對施工人員要定期進行安全操作考核，加深職工對安全知識的深刻認識。

對電力企業(yè)管理的研究

1.2加強職工的業(yè)務素質培養(yǎng)。

我在平時班前會和日?？剖視h時，主動對職工進行業(yè)務培訓，除了應知應會的內容外，針對工程施工安全生產現狀，進行預案演練，提高事故的防范能力。還要求老職工更應該起到模范作用，對上崗不久的新人應該言傳身教，使他們在熟記規(guī)程的前提下，從業(yè)務技術角度為其打牢安全基礎。1.3建立各項應急預案。

尤其是受天氣的變化，臺風，暴雪的影響以及其他突發(fā)情況的發(fā)生。電力部門應該有一套自己的完整的應急預案。比如今年的“非特”臺風，正是根據制訂電力企業(yè)安全生產事故應急預案非常全面和到位，及時組織大家全面抗擊臺風，景寧電網也安然無恙的挺過臺風期，這個也和日常大家的重視分不開。要貫徹落實“安全第一、預防為主”方針,規(guī)范電力生產的應急管理工作,提高應對風險和防范事故的能力,保證職工安全健康,最大限度地減少財產損失、環(huán)境損害和社會影響的重要措施。

1.4積極探索不斷創(chuàng)新安全管理方式方法。

根據工程安全生產形勢和實際，各項管理方式、手段也要根據實際情況，摸索與之適應的管理機制和有效辦法。以我多年經驗來看，事故出現的原因和安全基礎不夠夯實，責任制度不明確等問題分不開，所以我們要把重點放在杜絕違章違紀上，著力點放在預防上，從源頭查堵漏洞。建立起能夠保證安全生產的體制與機制;堅持逐級負責制，落實領導責任。另外還要提高認識，要警鐘長鳴，常抓不懈。

二、做好優(yōu)質服務，保障供電安全

電力企業(yè)是基礎性、社會性、服務廣泛的企業(yè)，但目前存在部分電力設施不完善，供電不穩(wěn)定等現象。部分職工的服務意識的不強烈，對客戶需求不明確等問題。作為公共服務企業(yè)，要想不斷發(fā)展往往體現在服務的提高上，我認為做好優(yōu)質服務工作，應從以下三個方面入手。

對電力企業(yè)管理的研究

2.1加快電網發(fā)展，強化電網管理，滿足社會快速增長的用電需要。

優(yōu)質服務是建立在“電網堅強”基礎之上的。通過在電力物資公司管理崗位上，我就看到近年來隨著用電戶的不斷增多，設備不斷增加，而且欣喜的看到我們電力企業(yè)對設備產品不斷進行更新和換代，為了能將電網發(fā)展的更加穩(wěn)定，不斷強化電網的管理，所以我們要變被動服務為主動服務，提前規(guī)劃好電網，不斷強化電網建設，加快電網發(fā)展，采取積極有效的技術和管理措施，解決好客戶反映較大的停電和電壓質量問題，為優(yōu)質服務提供堅強的供電可靠性和電能質量基礎。進一步加強電力需求管理，大力運用經濟、技術和輿論手段，同時采取必要的行政手段，充分利用有限的電力資源，確保電網在用電高峰期間安全穩(wěn)定供電，滿足社會經濟發(fā)展和人民生活的需要。

2.2建立學習型企業(yè)，為優(yōu)質服務提供強有力的保障。

按照創(chuàng)建學習型企業(yè)思路，加強公司員工的學習溝通交流，加強服務文化建設，促進員工價值觀的正確建樹和共同進步。近年來我們單位領導高度重視培訓工作，成立培訓中心等部門，加強員工培訓工作，并且和縣職業(yè)培訓機構加強合作開設多種培訓業(yè)務，加強員工隊伍的業(yè)務培訓，造就一支懂管理、善營銷、會策劃的全面發(fā)展的新一代市場營銷服務隊伍，以適應現代電力營銷服務的需要，為客戶提供方便、暢通、高效的現代化的技術服務手段。

三、關于電力物業(yè)公司管理的心得

電力企業(yè)是社會發(fā)展的保證,是經濟建設的基礎。保障電力企業(yè)運行的穩(wěn)定和順利，就離不開后勤保障公司，而電力物業(yè)公司就是為此而產生，服務主業(yè)，令主業(yè)專注完成電力生產。近年來，隨著我國供電行業(yè)的快速發(fā)展，電力物業(yè)公司取得了長足的發(fā)展，已成為整個供電事業(yè)的重要組成部分。3.1招募合適的人員，拓寬業(yè)務路徑。

由于工作涉及到工程維修，汽車車隊安排，以及保安的管理。所以招募選擇合適的人員顯得尤為重要。首先，被招募的人員應該有工作責任心，能夠完全

對電力企業(yè)管理的研究

勝任自己的工作，確保工作按時，保質的完成。其次。要根據各工作的特點，選擇專業(yè)的人員。工程維修應選擇熟練的技術工為關鍵，汽車駕駛員則需要選擇數年駕齡的年輕人，相反保安則選擇以相對成熟穩(wěn)重的中年人為主。這樣才能符合各項工作的特點。3.2加強完善自身管理

電力物業(yè)公司作為現代企業(yè)的代表，在不斷適應經濟發(fā)展的同時，應該不斷完善自身管理的發(fā)展。

一、管理人員應該多學習各種管理知識。通過書本，會議，培訓等方式。

二、把自己的管理知識和具體實踐結合起來。把學到的管理知識和本企業(yè)的具體實踐聯(lián)系起來，制定更適合本企業(yè)的管理方案。充分利用本企業(yè)的資源優(yōu)勢，調動人員的積極性。

三、組織同行業(yè)間的考察和學習。加強同行業(yè)間的交流和學習。不僅能夠加強技術方面的交流，更能借鑒學習管理方面的成功經驗，完善自身的發(fā)展。

四、小結

電力企業(yè)作為經濟發(fā)展的堅實后盾，在不斷完善，不斷創(chuàng)新的今天，我們要在堅持安全第一的原則下，不斷加強電網管理，提高自身服務水平，順應社會的發(fā)展。令國家電網企業(yè)不斷壯大和發(fā)展。

對電力企業(yè)管理的研究

參考資料：

[1] 田雨平.電力企業(yè)現代安全管理[M] 中國電力出版社，2009 [2]葉飛.供電企業(yè)優(yōu)質服務培訓教材[M] 中國水利水電出版，2007 [3] 蔣貴國.物業(yè)管理實務[M] 華中科技大學出版社，2006 5

第五篇：海外投資環(huán)境評估的類神經網絡方法研究（寫寫幫推薦）

作者社新樂對海外投資環(huán)境評估的類神經網絡方法進行了研究,其中作者認為全球化浪潮下, 國際投資活動方興未艾, 東道國投資環(huán)境評佑成為投資者最為關注也是最為棘手的問題。本文在分析以往評佑方法的基礎上提出了基于類神經網絡的海外投資環(huán)境評估模型, 在給出具體評估程序的同時, 著重探討了倒傳訊神經網絡的學習機制, 發(fā)現以其強大的自學習功能在解決投資環(huán)境評佑等復雜問題時取得了較佳的效果。本研究的目的在于為我國企業(yè)向海外擴展提供一個科學、高效的決策模型, 提高我國企業(yè)海外投資的質量。一海外投資環(huán)境評估成為國際投資領域十分重要的研究

課題。不論是直接投資, 還是間接投資.不論是現階段國際流行的直接投資方式一一一兼并、收購, 還是作為我國對外投資的主要形式一一綠地投資, 都對東道國投資環(huán)境的評估工作提 出了越來越高的要求。而且, 我國企業(yè)在進行海外投資環(huán)境評估時, 缺乏類似歐美日等發(fā)達 國家的評估模式作參照, 多為企業(yè)決策者主觀所決定, 隨著國際投資環(huán)境越來越復雜, 這種 作法無疑增加了海外投資的風險?；诤Ｍ馔顿Y環(huán)境評估的重要性與復雜性, 本研究之目的 在于借助其他跨國投資企業(yè)經驗, 利用類神經網絡技術建立一個定量、客觀的海外投資環(huán)境 評估模式, 以提供國內企業(yè)海外投資環(huán)境評估方法, 減少評估成本, 降低評估風險

一、相關研究及問題的提出對投資環(huán)境評估方法的研究主要是涉及環(huán)境的不確定性和模糊性以往的評佑方式普遍存在的缺陷第一, 模型對投資變數的選擇依賴于大量信息的占有與提取, 且屬于靜態(tài)系統(tǒng), 模型本身對信息缺乏適應性和記憶功能, 因此當環(huán)境因素發(fā)生變化時, 模型的評價功能遞減, 要提高精度, 只有在新信息基礎上調整參數或變量, 甚至重新構建評估模型。第二, 較大程度地依賴專家知識和經驗以及以往投資者的主觀感受?；陬惿窠浘W絡的分析方法是目前一種較有發(fā)展前景的應用方法類神經網絡是對生理學上的真實人腦神經網絡的結構和功能, 以及若干基本特征在一定理論基礎上的抽象、簡化和模擬而完成的一種信息處理系統(tǒng)。它的基本功能有四點4 第一, 聯(lián)想記憶功能。第二, 自學習功能。第三, 非線性動態(tài)處理功能。類神經網絡海外投資環(huán)境評估 類神經網絡基本原理類神經網絡模型是由大量簡單處理單元% 一般稱為神經元, 或節(jié)點& 按某種方式互連而成的復雜網絡。評佑程序國際投資環(huán)境評估因素可分為定性和定量兩類, 為了能夠將其輸人類神經網絡模型進行計算, 要利用模糊評價法對輸人信息進行處理, 將定性的文字描述轉化為定量的數據, 將定量的數據進行歸一化處理, 使其量綱與優(yōu)劣趨向統(tǒng)一起來, 指標具備了可公度性, 從而可以在網絡中進行運算。第一, 對定性因素的處理4 為定性因素建立評價指標體系及評價指標集Μ 與評價等級集Ν , 可以通過專家打分, 利用模糊統(tǒng)計法確確定投資環(huán)境評估因素。各種不同行業(yè)在進行跨國投資時所考慮的環(huán)境因素不盡相同, 因此首先必須確定適當的投資評估因素。這對投資者的專業(yè)理論和行業(yè)敏感度提出了較高的要求, 除了參考相關文獻的研究外, 需要投資者依據行業(yè)性質、戰(zhàn)略規(guī)劃、價值鏈分布等目標整理統(tǒng)計出合理的投資環(huán)境因素。第二, 對定量因素的處理4 定量因素的指標因優(yōu)劣趨向不同可分為三類4 一是正向指標, 指標值越大越好, 如市場需求增長率.二是負向指標, 指標值越小越好, 如突發(fā)事件概率.三是適中指標, 指標值大了或小了都不好, 趨于某理想值最好, 如經濟增長率。

個人見解:我覺得本文可以在投資環(huán)境評估的類神經網絡方法的優(yōu)缺點上下的功夫,這樣便于使用者分清楚在什么場合使用比較合適找到它合適的位置;而且作者還可以分析注重比較一下它與其它分析方法明顯的優(yōu)勢與劣勢.