排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
以宁波为例,对共享单车经济进行量化分析.首先,通过网络爬虫抓取宁波市共享单车位置数据,并对数据进行预处理.之后,建立了空间分布特征和品牌分布特征模型,描述共享单车的地区分布情况.并且,我们建立了供需现状,市场竞争状况,发展趋势三个指标,综合分析共享单车品牌的发展状态.此外,考虑到ofo与mobike占有绝大部分市场,引入了改进吉诺模型,预测ofo,mobike两家共享单车公司的动态博弈过程.最终,以获得的宁波市数据为例,给出模型的算例分析.研究成果可为共享经济的分析提供理论借鉴. 相似文献
2.
以宁波为例,对共享单车经济进行量化分析.首先,通过网络爬虫抓取宁波市共享单车位置数据,并对数据进行预处理.之后,建立了空间分布特征和品牌分布特征模型,描述共享单车的地区分布情况.并且,我们建立了供需现状,市场竞争状况,发展趋势三个指标,综合分析共享单车品牌的发展状态.此外,考虑到ofo与mobike占有绝大部分市场,引入了改进吉诺模型,预测ofo,mobike两家共享单车公司的动态博弈过程.最终,以获得的宁波市数据为例,给出模型的算例分析.研究成果可为共享经济的分析提供理论借鉴. 相似文献
3.
考虑ATM交易过程当中产生的一系列参数,如交易量、交易成功率和响应时间等,对交易状态特征进行分析并建立了异常检测模型。针对成功率与响应时间2个参数,利用聚类算法将数据点划分为正常点、疑似异常点、异常点3大类。对于疑似的异常点,再根据其时间序列周围点的分布情况确定是否确实为异常点;对于交易量参数,首先通过LOF局部离群因子对离群点进行识别,再结合交易量随时间的移动均线及标准差加以辅助筛选,得到初步的疑似异常点,进一步通过与不同天同一时刻数据进行比较,最终确定是否为异常点。根据上述模型,本文将异常情况划分为3个预警等级,并对重大故障情况进行预测。 相似文献
1