文摘
最大限度地保留有价值的信息,提高我的能力的原油贸易购买价格的需求,本文提出一种原油贸易购买模型基于DEA-Malmquist算法。管理和控制平台的内部网共享相同的数据库,和内部网应当只允许经理访问和管理系统,只允许注册用户访问,实现数据交换在内部网和内部网之间通过二维代码扫描;此外,由于内部网之间的资源共享和内部网原油贸易采购、供应商和其他注册用户可以立即把握企业的采购趋势。根据DEA-Malmquist算法,分析了采购管理的不确定性模糊理论,和精制采购决策模型与模糊参数建立了。最优订购时间和采购量是通过符号距离和重心的方法。实验结果表明,该方法可以有效地保留有价值的信息在初始序列和具有较好的实际应用价值的材料采购需求智能挖掘。该模型获得的最高精度98.62%。
1。介绍
原油是最广泛使用的能源之一,在全球经济中最重要的商品(1]。当前的困难在于原油贸易之间的弱相互作用信息系统的前端设计和材料计算能力的需求。通用设计,高质量的设备和标准的材料没有应用在设计的早期阶段,和采购标准在两端供给和需求之间的矛盾。还没有得到有效改善,标准化的设计来源是鼓励,和供应商的阻力是相对较高的。同时,采购一直缺乏标准化的智能应用程序。经济快速发展,原油贸易采购的规模变得越来越大,和采购的种类和数量有逐年增加2]。合理利用原油贸易采购模式的良性发展具有重要意义的企业或国家。
文献[3]介绍了时变原油冲击对贸易平衡的影响基于TVP-VAR模型和研究原油供给和需求冲击的影响在中俄活期存款余额从1993年第一季度到2018年第三季度通过使用随机时变参数向量自回归(TVP-VAR)模型。焦点集中在两个国家具有不同特点的原油贸易:原油出口国,俄罗斯和中国,作为原油进口国。识别他们的来源是很重要的在降低原油价格冲击的影响在贸易平衡。文献[4]介绍了全球原油的远程连接网络:直接贸易和实际流动的比较。说明原油贸易和消费之间的差距,内部全球原油的远程连接强度计算的拓扑差异比较,和能源风险之间直接的原油贸易网络和特定原油运输网络审查。之间有显著差异的直接贸易网络和一个具体的传输网络。直接贸易网络关系不大但更高的内部力量,而原油运输网络有较低的内部力量。区域组成,原油资源丰富的国家和高度工业化的核心圈原油直接贸易网络,而高度工业化的国家占据核心地位的原油传输网络。发现的拓扑数据通信网络扮演着一个很重要的角色,其安全可靠性与攻击。在这样的移动计算,计算鲁棒性对一个有意的攻击,旨在降低网络节点可通过改变不同拓扑。这种降低是一种破坏和干扰威胁攻击网络的可用性(即。,攻击网络资源和链接)。
虽然研究已经取得了一些进展,保留有价值的信息,提高我的能力的需求原油贸易购买价格,本文研究了原油贸易采购模式基于DEA-Malmquist算法。至于原油贸易、采购模式面临着一系列的变化,如改变从成本中心向利润中心和战略驱动力。采用购买是在现代经济活动中不可或缺的经济行为。在狭义上,采用购买是指企业的事务或国家在特定条件下购买所需的商品和服务的生产经营供应市场。发现设计原油贸易采购模型具有良好的挖掘能力,奠定了坚实的基础,智能开采原油贸易的采购需求。
这项研究的主要贡献是列举如下:(1)一个精确的原油贸易购买模型提出了采用DEA-Malmquist算法(2)提出了完善采购决策模型使用DEA-Malmquist算法和模糊逻辑(3)处理采购的不确定性模型的一种有效的方式是通过使用模糊理论分析和
本文分为六个部分。部分2简要介绍了原油贸易采购模型框架,而部分3介绍了DEA初步。我们的建议可以节中进行描述4在细节。部分5描述了实验结果。部分6总结本文的贡献、局限性和未来的工作。
2。原油贸易采购模型框架
数据收集是一个关键的操作。因为现有的数据收集方案的保护隐私问题,我们使用一个安全的和可核查的连续数据采集(SVCDC)算法为教育信息平台收集数据。考虑到感官的时间相关数据,SVCDC算法重建多个感官数据在一个周期内,可有效减少数据流量,然后,通过加密重建数据,SVCDC算法确保感官的隐私数据。
2.1。原油贸易采购平台的整体框架
图1显示了该平台的总体框架的原油贸易采购模式。水平虚线将内部和外部网络,上部的虚线是企业的外部网络,任何用户都可以访问这个网站,下部的虚线是原油贸易采购企业的内部网。只有授权可以访问网络,网络包含两个独立的应用程序系统。
2.1.1。内部采购管理信息系统
公司内部网监督主要是监督采购部门的采购流程是否合理。授权的管理人员可以通过浏览器访问内部网系统。内部网系统包括供应商信息,产品信息,评审专家信息,组织管理、用户管理、采购公告发布、外部网络数据维护、采购项目建立、跟踪、存档等功能。在内部网,高层管理人员只能查看一个项目:丰富的图表和报表自动生成为高层管理人员的决策提供有效的数据支持。
2.1.2。供应商管理和外部网络发布平台
外联网系统的主要任务是同步采购信息公告由内部网系统并提供他们所需要的供应商采购信息实时(5),以便供应商准备材料。外联网系统,供应商可以注册企业信息,维护和添加自己的材料,使企业采购部门建立一套完整的产品资源信息数据库。
产品资源信息数据库可以提供有用的信息在同一时间内联网系统。供应商数据、产品数据和公告信息在数据库中可以找到。
2.2。系统逻辑框架
2.2.1。内联网系统的逻辑结构对原油贸易采购
内部网的逻辑框架,原油贸易采购如图2。
如图2原油贸易采购,内部网系统分为三个主要部分:门户、业务和数据。门户层主要负责访问系统注册用户。所有管理员与机关可以通过任何浏览器,访问企业内部网络,在进入内部网之前,Web服务器将处理访问请求,封装请求,并将请求发送到服务器。业务层的主要任务是处理要求从Web服务器(6和支持整个业务层通过应用终端。业务层也称为功能层,这是主要的测量实现内部网系统的功能,包括采购管理的基本组成部分,采购管理的主要部分,与其他系统的接口函数。数据层是指业务层通过数据持久性的Sybase ASE数据库(7]。拟议中的DEA-Malmquist算法在数据层。
2.2.2。外部网络系统的逻辑结构对原油贸易采购
逻辑框架的外部网络对原油贸易采购如图3。
外联网系统也分为三个部分:门户层、业务层和数据层。其中,门户层的主要功能仍然是用户访问,和用户使用浏览器访问外部网系统条件下的网络,处理通过Web服务器访问请求,并将请求发送到服务器后封装请求。业务层的主要任务和处理功能相同的内部网,但外联网的功能是网站的首页、新闻、公告信息,登记供应商,维护供应商的引入机构,等等。数据层也使用Sybase ASE数据库数据持久化在业务层。确保内部网和外部网数据层是相同的,访问同一个数据库,然后实现内部网和外部网数据共享。
在过去的三年里,提出了很多方法来处理问题,原油的智能识别方法;这里我们介绍了三个优秀方法GCoP [8(全球采购)的复杂性,ReOT [9贸易](残余),KS + + (10](基于传统网络),可以用于解决相关工作采取不同的网络结构。GNB是全球不同的风险之间的联系网络,构建节点及其复杂性。RNB使用特定损失结构保持的相似性和预测工艺设计。KS + +是需要更多的计算消耗的基本模型得到欲望的表现。然而,这些方法都有其缺点,分别。GNB太慢,RNB如此复杂,KS + +也需要更多的空间。与这些方法相比,我们的建议能有效工作的路径识别使用进化算法不利用网络结构,而不是耗时。拟议中的DEA-Malmquist算法在数据层。
3所示。原油贸易DEA-Malmquist算法
数据包络分析(DEA)方法构造最优生产前沿主要来自极端的所有研究(11)和比较其他DMU值推导出其相对有效性。目前,基本的DEA模型主要包括CCR, BCC superefficiency,平衡指数模型。
3.1。DEA-BCC静态模型
BCC DEA模型是基于规模报酬的前提下,可以改变(12]。该模型提高了缺陷的假设规模报酬在最初的CCR模型和技术效率分解为规模效率和纯技术效率。规模效率是用来测量每个DMU的输入和输出是否在最大化收入规模,反映企业战略规划的水平。在这种模式下,总效率=技术水平××纯技术效率规模效率。该模型如下:
的公式, 代表决策单位,和分别输入和输出向量。如果 和 ,然后DMU和DEA有效。如果 和 ,然后DMU弱DEA是好的。如果 ,然后DMU和DEA无效。
3.2。DEA-Malmquist动态指数模型
Malmquist生产力指数被Malmquist在1950年代首次提出13),结合DEA方法来反映主体的生产效率的趋势。公式如下:
在上面的公式中,代表全要素生产率(14),代表规模效率指数,代表纯技术效率指数,代表技术变化指数。如果值大于1,表明全要素生产率处于正增长的趋势,而整体性能上升;否则,它正在下降。如果大于1,这意味着目前的生产规模和研发投资水平接近最优比例;否则,它远不是最优比率。如果大于1,这意味着技术水平起着促进的作用对创新绩效;否则,它阻碍了创新绩效。大于1,表明研发技术改善;否则,它正在下降(15]。
假设的最大延迟实时材料采购服务可以容纳和数据率 。让数据生成的材料采购服务源组装数据包的长度 。为了确保实时材料采购业务的连续性,必须传输的数据包的数量时间是
DEA-Malmquist算法投票节点通过点协调员和集中控制系统的访问通道。DEA-Malmquist算法,简称DEA。DEA-Malmquist算法下,原油贸易采购数据的传输通道时间分为许多超帧的长度 ,和超帧的时刻是
上述过程后,就可以得出结论,根据DEA-Malmquist算法,实时原油贸易采购业务需要完成hyperframes和传输数据包,所以 作为实时材料采购业务的服务标准。
因此,实时的服务标准物质采购的表达如下:
在上面的公式中,代表服务间隔和代表服务包的数量。四个输入指标和四个输出指标在原油贸易中选择采购模式,如表所示1。
4所示。最优决策模型对原油贸易采购基于DEA-Malmquist算法
让表示域,让是的一个子集 。为 和功能 , ,在哪里反映的程度属于 , 被称为模糊集(16),而被称为隶属函数的 。
三角模糊函数的隶属函数 是
DEA-Malmquist算法下的变化两个方面需要被考虑的过程中原油贸易采购:(1)由于设计的变化,存在材料浪费的现象在实际的工作过程中,,同时,自然环境因素也会影响材料的变化在原油贸易采购的需求(2)当承包商获得材料的原油贸易、旅行费用和管理费用等因素变化的原油贸易的采购人员也可能导致不同的订单费用为每个原油贸易购买的建筑材料
结合上述分析,模型通过现有的不确定性因素。以下假设所需的模型:(1)原油贸易采购单的材料(2)缺少的材料能够在瞬间得到补充(3)使用循环的策略
集表示材料在时间的需求 ,在哪里
在上面的公式中,代表了最低数量的物质需要;代表的平均需求材料;代表的最大需求材料。
代表每个所需的成本购买原油贸易,
的公式,代表了最低会员费;代表正常的会员费;代表最大的会员费。
假设模糊数的原油贸易采购成本(17] ,相应的隶属函数是18]
解决订阅费歧义基于符号距离法:
集代表计算所需的正常需求的材料通过预算和系统施工进度没有任何客观因素;代表了最低要求材料需求减少客观环境;代表要求客观环境造成的最大数量增加的需求。随着需求的增加或减少将导致原油贸易的采购成本的增加,将进行以下分析两种不同的情况。
当实际需求率 ,存储材料成本将增加在原油贸易采购周期 。平均储存容量的计算公式,增加了周期是(19]
平均存储成本在循环是
当需求增加,原油贸易的采购成本也会增加。
基于上述分析,决策模型对原油贸易采购应当细化确定最佳订购日期和体积的原油贸易采购:
在本文中,我们利用熵损失函数建立模型对于我们的研究问题。它可以定义如下:
我们有x和y表示为真正的工艺品的得分和困难吗y意味着我们的建议的预测评分和困难。p我的概率意味着他们是相似的。更大的损失的价值,更糟糕的是我们的建议执行;我们的提议是用于训练模型符合实际并预测工艺品,这样机器就可以协助工艺美术设计。
与三种方法相比,我们的建议很容易处理的问题,我们还需要一个较小的计算空间来创建我们的模型。然而,我们的模型可能会获得一个相对较低的精度比其他人有时,这使得预测不稳定。
5。实验结果和分析
5.1。数据处理和标准化
招标采购原油价格一定材料的分支机构从2016年到2020年被选中为研究对象,详细分析后,发现的微生物降解原油采购材料的关键。因为累积数据原油购买小数量不能满足挖掘需求,实验只选择五种型号的微生物降解原油进行相关实验在原油贸易采购模式,标有1型、2型、3型,4类型,分别和5型。从2016年到2020年,共有3800套原油贸易采购数据被分成100组数据作为测试集,剩下的都是训练集。
由于原油采购量的差异不同程度不同的模型,采用归一化处理方法,加快数据的处理
在上面的公式中,和代表的最小值和最大值的初始序列,分别。考虑到材料采购人员将从观察样本,随机提取材料采购信息必须解决它。解决过程如图4。
5.2。实验结果和分析
上述过程允许随机提取的材料采购信息,这是最后共享使用以下公式:
在上面的公式中,代表制造商的共享和非共享信息 ,和代表信息共享的程度。小波重建进行了分类和单个的分支在初始序列,和实验结果如图5。
从图可以看出5的分解和重建高频序列的原油贸易采购模式可以捕捉的扰动初始序列,不仅有效地减少参数的数量和提高收敛效率还保留突然或隐藏的有价值的信息在初始序列的原油贸易采购模式。
更多细节,我们使用混淆矩阵,准确性、精密,F1-score评估模型的性能。TP是属于积极类实例的数量,分为积极的类。TN代表属于负类的实例的数量,分为消极类。《外交政策》代表属于负类的实例的数量,分为积极的类。FN是属于积极类实例的数量,分为消极类。
为了验证方法的有效性,我们进行了仿真实验的基础上,现有数据。通过比较不同模型在石油交易的成功率在不同的国家和地区,我们分析了石油识别的准确性和成功的交易建议由不同的模型。利率R1、R2、R3和R4代表世界各地的不同地区。图6显示了石油贸易的速度的结果在不同的地区。从这,我们可以看到,我们的建议是比其他R2,表明我们的建议可以执行比其他三种方法,因为我们有足够的交易经验。ReOT也该地区表现良好;然而,在R4 GCoP执行得很好。此外,我们也将我们的建议与其他四个类型的神经网络;结果见表2表明我们的提议也比他们表现得更好。它表明石油数据不适合这些模型,因为他们缺乏内在的连接和足够的结构信息。
对微生物降解原油的需求逐年增加。数据样本替换成最优原油贸易采购决策模型进行训练。根据训练集样本集,挖掘购买价格变化的实验5类型的微生物降解原油。实验结果如图所示6。这里,五种原油感应在我们的实验中,其中1型表示轻原油,2型代表中原油类型3代表重质原油,和类型4和5型代表两种类型的超重原油,分别。
根据价格变化结果微生物降解原油开采的方法在过去的五年,而实际的统计结果,统计挖掘精度结果如图7。如图7,各种各样的石油价格增加在最近5年不同,特别是对石油2型和3型石油是由两个大胆的黑色线条。1型石油有一块小波动在2018年略有下降。
从图可以看出8挖掘准确性的所有类型的油的价格变化超过90%。特别是,该模型获得最高的矿业98.62%的准确性2型石油比其余矿业精度等原油类型5 97.15%,96.89% 3型,94.27% 4型,93.94%在1型。上述结果在可接受的误差范围内。结果表明,该方法具有良好的挖掘能力,奠定了坚实的基础智能开采的原油贸易采购需求。
该方法合理的复杂性与最先进的方法已经提出了在文献中。
6。结论与展望
6.1。结论
原油贸易采购模式的高频序列基于DEA-Malmquist算法可以在初始序列捕获扰动,有效减少参数的数量,提高融合效率,突然或隐藏和留住有价值的信息在初始序列的原油贸易采购模式。原油贸易采购模型有良好的挖掘能力,奠定了坚实的基础,智能开采原油贸易的采购需求。
6.2。前景
仍有许多问题需要解决在原油贸易采购模式下,许多方面需要改进,提高整体管理能力和集中采购管理系统的持续改进需要脚踏实地的方式完成的。三个方面的原油贸易采购模式,需要作出的改进:(1)支持水平:在原油贸易中很多问题来自于改进和集成的支持水平,这是有关持续改进的基本管理人员。在这个层次上,我们应该逐步完善采购管理系统,提高管理效率,搞好信息集成,逐步提高原油的性能水平贸易采购。(2)操作级别:原油贸易的管理体系已基本建立,但许多因素影响经营效率和专业的模块也面临着优化需求。从管理的角度来看,集中采购部门在操作级别上起着主导作用,可以逐步改进的模块化和分阶段的方式。(3)战略层面:在这个领域积极探索是必要的,但购买力的提高取决于整体性能的提高原油贸易采购。
从目前的阶段,我们应积极支持和操作能力建设原油贸易采购和获得实质性改善;在此基础上,原油贸易采购的战略能力逐渐保留和增强。虽然目前我们的方法取得了良好的预测精度与其他流行的方法相比,它仍然是无法达到相当的精度在面对复杂的环境,和模型的训练时间很长,不能满足实时预测的目的。在未来,我们将进一步优化模型,提高训练速度,同时保证准确性。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。