摘要：为解决分布式能源接入场景下用户行为不确定性与需求计划的冲突问题,建立一种基于用户行为预测的分布式光伏智能社区响应策略,通过分布式光伏与需求负荷资源的协调配合,协调用户行为的不确定性与需求计划的制定。建立需求资源的数学模型,采用广义回归神经网络和概率神经网络预测用户行为,形成预前调度措施。基于建立的模型与措施形成光伏社区需求响应整体策略,提出用户自主响应算法以提升用户舒适度。基于分时电价、光照辐射、负荷参数等信息,构建智能家居控制系统并进行仿真分析,预测模型的准确性达96.33%,具有较强的适用性,验证了需求响应策略的有效性,解决了用户行为与需求调度的配合问题,有效降低用户用电成本。

摘要：互联网的飞速发展产生了海量电影用户评价数据,这些数据为研究用户行为提供了有效支撑。针对传统单机串行系统处理海量数据的局限性,结合Hadoop、MapReduce、HBase等大数据处理技术,设计了基于期望优化(EM)算法的数据处理模块和基于爬山算法、贝叶斯信息准则(BIC)的用户行为模型(UBM)构建及预测模块,实现了基于Hadoop的电影用户行为预测系统。测试结果表明,该系统预测用户行为具有较高准确性与高效性。

摘要：时下,为了满足人们家庭生活的需要,智能家居系统的发展,正随着互联网技术的快速运用,向更加智能的方向不断改进。本文在对用户行为预测的内涵和行为预测算法进行探讨的基础上,重点对智能家居系统的总体结构、家庭网关、系统终端和用户控制设计进行了研究,并运用行为预测算法对智能家居系统进行了测试,效果较好。

摘要：随着元宇宙的快速发展,移动运营商面临着新的挑战和机遇。数字孪生技术可以通过创建物理网络的虚拟副本,实现对元宇宙环境的实时映射和优化管理。文中探讨了基于数字孪生技术的移动运营商元宇宙运营模式的设计与优化方法,介绍了数字孪生的概念及其在元宇宙中的应用,重点分析了数字孪生在网络资源管理、用户行为预测中的作用,并通过深度学习模型对用户行为进行仿真和优化,提高了网络效率,缓解了高峰时段的拥堵现象。

摘要：以风电出力消纳为应用场景,提出了一种基于时间序列分析的用户用电行为预测方法和需求侧负荷调控策略。通过分析用户在工作日和非工作日的负荷特性,采用双周期差分自回归移动平均(auto regressive integrated moving average,ARIMA)模型预测各个时间段内用户的可转移负荷序列。以居民负荷与风力发电出力的差异为目标函数建立调控模型,并依据负荷可转移时间约束以及负荷序列与风力发电序列的相关性实现用户负荷的有序调控。实验结果表明该算法具有较好的新能源消纳效果。

摘要：谣言在社交媒体平台上的迅速传播已威胁到公共秩序,相比社交媒体平台单方面辟谣,发动用户参与,实现用户与平台协同辟谣能够更好地抑制谣言传播,提升辟谣效果.本研究基于说服传播理论,考虑用户的信念转变,分析了内外部因素的共同驱动作用.以微博为研究对象,以社交媒体平台上生活健康类谣言为研究情景,设计了一个随机区组实验,探究用户与平台的协同辟谣机制,从而预测用户对辟谣信息的转发行为.结果表明,相比于外部驱动因素,用户的心理特征、道德特征和个人特征在影响用户进行辟谣信息分享的过程中起到更重要的作用.在影响用户辟谣信息转发意愿的过程中,用户的信念认知和责任归因都起到了重要影响作用,而心理机制影响责任归属的过程受到用户个人规范的负向调节.最后,提出了应该坚持以用户自发参与辟谣为主,政府部门辅以积极引导的相关谣言治理对策和建议.

摘要：目的:探究在物联网技术下的智能家居的未来发展趋势。方法:分析当今技术下智能家居的发展现状,探究当代用户的生活需求,构建人与产品之间的和谐关系,并运用情景化、包容性的设计理念,根据可持续发展的原则,探究智能家居在物联网技术下的发展方向。结论:通过对当今家庭成员的日常行为分析探究,并结合用户在不同语境下的思想需求,得出智能家居的用户行为预测功能的重要性,为智能家居在未来的发展提供参考。