产品详细介绍请登录 中国科学软件网 了解更多Decisiontools软件信息和报价。每个人都想知道诸如此类问题的答案。掌握了此类信息，您就可以在作出重大决策时大胆猜测并能有把握地规划策略。使用 DecisionTools Suite，您可以在 Excel 电子表格中解答诸如此类的更多问题。DecisionTools Suite 中文版是一套在 Microsoft Excel 量身定制集成程序，从而使用户可以在一个软件包中针对不确定因素完成风险优化及决策分析的操作。DecisionTools Suite 中文版包括使用蒙特卡罗模拟执行风险分析的 @RISK、执行决策分析的 PrecisionTree 和执行自动“假设”灵敏度分析的 TopRank。此外，Suite 还包括执行预测、数据分析和最优化的 StatTools、NeuralTools 和 Evolver。所有程序的设计和开发均旨在使其易于配合使用。第 6 版新增功能 — 项目管理改进及其他功能全新 DecisionTools Suite 第 6 版包含多项改进，包括功能强大的 @RISK 与 Microsoft Project 的新型集成，借助该集成，您可以对 Microsoft Project 进度表上执行风险分析和蒙特卡罗模拟，而所有这一切都来自 @RISK for Excel 平台！@RISK 还添加了时间序列模型模拟、易于理解的用于确定风险推动因素的龙卷风图、更佳的制图选项、改进后的分布拟合及新的分布函数。但 DecisionTools Suite 6 绝非只包含 @RISK。PrecisionTree 6 添加了功能强大的贝叶斯修正功能，以及可在决策树任意位置插入节点的功能。RISKOptimizer 和 Evolver 6 目前含有 OptQuest 解法引擎，可在众多类型的模型中更快速地提供解法。RISKOptimizer 之前便一直与 @RISK 共享函数，而目前出于无缝建模的目的再次提高了与 @RISK 的集成度。同时，StatTools 和 NeuralTools 也已向神经网络测试中添加了多项散点图和灵敏度分析改进。新增功能：Office 2013/Windows 8 兼容性 DecisionTools Suite 内含的所有产品均与 Excel 2013、Project 2013 和 Windows 8（32 和 64 位），以及 Office 和 Windows 的先前版本（如 Office 2003/Windows XP）兼容。支持简体中文DecisionTools Suite 6 已完全翻译为中文。所有菜单、对话框、帮助文件和示例文件都是以中文显示。DecisionTools Suite 还提供英文版、西班牙语版、德语版、法语版、葡萄牙语版和日语版。 此外，DecisionTools 6.1 版的所有产品均支持您随意切换语言，仅需一个安装程序即可，绝对是跨国公司的完美之选。新的中文版示例现在，所有 DecisionTools 产品都加入了经修正和更新的示例文件，还有各行各业的示例。所有示例都采用有条理的方式加以编排，方便导览。视频提供中文版，并以中文演示 DecisionTools 软件。这些示例是由印第安纳大学的 MBA 教授兼作者 Chris Albright 博士设计和撰写。它们提供循序渐进的指引，从设置到运行模型，详细列举了在多个行业中的应用情况。Excel 易于使用 DecisionTools Suite 与您的电子表格完全集成。浏览、定义和分析 — 全部在 Excel 中完成。所有 DecisionTools Suite 函数均是真正的 Excel 函数，并且与 Excel 基本函数的行为方式完全一样。窗口全部与电子表格中的单元格直接链接，因此在某一位置进行更改，其他位置会相应进行更改。图表通过调用窗口指向其单元格。方便的拖放操作、上下文相关的右键菜单和直观的工具栏使您可以快速学习和使用 DecisionTools。组合的威力更强DecisionTools套装的每个组成部分都可以单独的执行强大的分析。当您把这些产品组合起来，执行分析就能够得到比任何单个的程序可以提供的更完整的结果。对您电子表单中的模型的组合分析通过使用PrecisionTree创建一个决策树开始，然后通过TopRank执行擶hat-it?#20998;析来识别在模型中的关键变量。然后把它带入到@RISK中进行分析，这时主要分析您的PrecisionTree模型中固有的机会事件和不确定收益分险。使用BestFit和RISKview来量化在您的@RISK，PrecisionTree，和TopRank模型中的分险.使用@RISK来执行不确定因子分险分析，然后使用RISKOptimizer来帮助您指定您可以控制的变量。DecisionTools套装包括下列工具：@risk- 流行的分险分析Excel插件,帮助您识别隐藏的机会和避免缺陷。增加蒙特卡洛(Monte Carlo)模拟功能到Excel电子表单中。通过@RISK分布函数和模拟来替换您工作表中的不确定值，并使用历史数据来选择合适的@RISK函数，得到那些可能的输出和那些输出发生的概率值，最后使用高质量的图像和图表来向其他人展示您的发现。PrecisionTree-适用Excel的决策分析插件，让您可以向其他人描绘什么是我们应该做的及为什么要这么做。在电子表单中创建决策树和影响图解，使用决策树来可视化模型制定事件的顺序。结果包括一份完整的统计报表，敏感度图表，和分析剖面图。TopRank 在 Microsoft Excel 电子表格自动“假设”灵敏度分析。您可以定义任何输出项或“结果”单元格，而且 TopRank 将自动找到并更改影响您的输出项的所有输入单元格。最终结果是确定影响您的结果的所有输入因素，并对这些因素进行排名。RISKOptimizer-解决各类顽固组合问题的Excel功能插件。使用遗传算法来找到可以达到预期结果的可控制因子的最佳可能组合，然后在特定的情况下运行蒙特卡罗(Monte Carlo)模拟来查看不可控变量的效果。RISKOptimizer自动组合这些分析。在DecisionTools工业版套装中包含该模块.

产品详细介绍请登录 中国科学软件网 了解更多SPSS软件的信息和报价。SPSS Statistics 统计分析软件是一款在调查统计行业、市场研究行业、医学统计、政府和企业的数据分析应用中久享盛名的统计分析工具，是世界上最早的统计分析软件，由美国斯坦福大学的三位研究生于1968年研制，1984年SPSS首先推出了世界上第一个统计分析软件微机版本。SPSS/PC+，极大地扩充了它的应用范围，并使其能很快地应用于自然科学、技术科学、社会科学的各个领域，世界上许多有影响的报刊杂志纷纷就SPSS的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价与称赞。在国际学术界有条不成文的规定，即在国际学术交流中，凡是用SPSS软件完成的计算和统计分析，可以不必说明算法，由此可见其影响之大和信誉之高。 迄今SPSS Statistics软件已有40余年的成长历史。全球约有28万家产品用户，它们分布于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研教育等多个领域和行业，是世界上应用最广泛的专业统计软件。在2009年IBM收购SPSS公司后，现在在中国国内市场上推出的最新产品，是IBM SPSS Statistics 23.0多国语言版。 即时切换多国语言界面的统计分析软件，中文界面清晰友好 SPSS软件界面操作语言齐备，使用者可以自行设置英文或简体中文操作界面。 在国内统计应用中，很多使用者在学习时会遇到英文统计专业名词的困难，因此很希望软件有中文版。SPSS可以自行切换软件语言界面，很好地满足了很多人希望使用中文版的要求。SPSS软件的中文界面具有清新、友好的中文界面；全新的中文帮助文档，使使用者的学习更轻松；具有简洁、清晰的中文输出，结果一目了然，共享和发表结果更方便。 

产品详细介绍请登录 中国科学软件网，了解GAMS软件报价和介绍信息。通用代数建模系统(GAMS)是特别为建模线性,非线性和混合整数最优化问题而设计的.本系统对于大型的,复杂的问题特别有帮助.GAMS可以运行在个人计算机、工作站、大型机和超级计算机上.GAMS允许使用者通过制定简单的设置来把精力放在建模问题上.至于特定机器和系统软件执行的费时的细节将由GAMS系统来处理.GAMS对于处理大型的,复杂的,需要多次修订才能最终确定精确模型的独一无二的问题特别有帮助.系统以高 度简洁和自然的方式来建模问题.使用者能够快速和方便的更改公式,能从一个求解器转到另一个,甚至稍加费心就能从线性转换到非线性.GAMS让使用者把精力集中到建模上.通过排除考虑纯技术上的机器特定的问题的需要,比如地址计算,存储分配,子程序链接,和输入输出和流程控制,GAMS增加了用于概念化和运行模型,和分析结果的时间.GAMS本身构建了良好的建模习惯,通过请求简明而精确的实体和关系的规范.GAMS语言形式上和通常使用的编程语言相似.因此对于那些有编程检验的使用者将非常熟悉.使用GAMS,数据仅仅需要一次就能在熟悉的列表和表格形式中输入.模型以简练的代数声明来描述,对于人和机器都很容易读懂.非常相关的约束的整个集合都被输入到一个声明中.GAMS自动生成每个约束等式,并让使用者处理例外情况,假使那里一般来说是不需要的.在模型中的声明能够被重用,而不需要更改代数式,当其它的实例是相同的或出现了相关问题.错误的位置和类型会在尝试解决方案前被查明.GAMS处理动态模型,包括时间序列,滞后,及暂时终点的提示和处理.GAMS是灵活而强大的.模型可以非常方便的从一个计算机平台移到另外一个,只要GAMS已经在每个平台被安装好.GAMS很容易进行敏感度分析.使用者能够方便的规划模型来求解一个成分的不同值,然后生成一个输出报告,列出了每种情况的解决方案特征.模型能够同时被开发和文档化,因为GAMS允许使用者包含解释性的文本来作为任意符号和等式的定义和解释.GAMS不断的在被增强和扩展.2.25版本包含了多个语言扩展,例如在一个循环中的SOLVE声明,INCLUDE声明,IF-ELSE声明,和使用PUT声明进行报告编写的功能.其它的加强包括增加的系统集成特征,性能改善,新的子系统,和另外的计算机平台支持.当前版本2.50包括一个基于Intel Windows平台(95/98/ME和NT/2K/XP)的集成开发环境(IDE).GAMS 2.50的新的分发包含新的语言特征和新发表的全新/更新的求解器,一年至少4次.请检查版本声明.示例： 从著名的1963书(由George Dantzig编写)中提取的一个运输问题,用来描述GAMS的有效性.这个模型只是模型库中的部分,模型库中还包含了大量的完整GAMS模型. 支持模型的类型： GAMS模型类型包括LP,MIP和NLPs的不同形式.这里列出了GAMS支持的所有的模型类型. GAMS 的发展背景 GAMS 是"General Algebraic Modeling System"（一般性代数仿真系统）的缩写，最早是由美国的世界银行(World Bank)的 Meeraus 和 Brooke [Brooke, Kendrickm and Meeraus, 1992]所发展。"GAMS"事实上并不代表任何最佳化数值算法，而只是一个高级语言的使用者接口，利用 GAMS 可以很容易建立、修改、除错你的最佳化模型输入文件，而输入档经过编译后，成为较低阶的最佳化数值算法程序所能接受的格式，再加以执行并写出输出档。 数值算法方面，对线性与非线性规划问题，GAMS 使用由新南韦尔斯大学的Murtagh、及史丹福大学的 Gill、Marray、Saunders、Wright 等人所发展的 MINOS  [Murtagh and Saunders, 1983] 算法。MINOS是 "Modular In-core Non-linear  Optimization System"的缩写，这个算法综合了缩减梯度法和准牛顿法，是专门为大型、复杂的线性与非线性问题设计的算法。对混合整数规划问题，则采用亚历桑那大学的 Marsten 及巴尔第摩大学的 Singhal[1987]共同发展的 ZOOM(Zero/One Optimization Method)算法。 GAMS 使用范例说明 如前所述，GAMS 本身有非常完整的英文版使用者手册，GAMS 的计算机软件中也附带了许多学习范例的档案。这里所作的 GAMS 使用范例说明，目的绝非在取代原版的使用者手册，而是要配合本课程说明的形式，重新编写使用范例输入文件，使读者能很快的进入情况，了解其使用程序。 GAMS 的操作大抵可分为三个步骤：建立 GAMS 输入文件，执行 GAMS 程序，检视 GAMS 输出档内容。 购买一套全模块的 Base licence 包括： 光盘 一片 The Solver Manuals  (574  pages) A User’s Guide  ( 259 pages) MPSGE Guide(175 pages + Appendix) 注：GAMS试用版对变量个数有限制 Without a valid GAMS license the system will operate as a free demo system with these limitations: Model limits: Number of constraints and variables: 300 Number of nonzero elements: 2000 (of which 1000 nonlinear) Number of discrete variables: 50 (including semi continuous, semi integer and member of SOS-Sets) Global solver limits: Number of constraints and variables: 10

产品详细介绍  HOUND系列气体分析仪，是一个便携式气体分析仪，能检测ppb浓度范围的有害污染物。系统利用气体对紫外的吸收状况，测量气体浓度。宽波段微型光谱仪采集气体光谱“指纹”，软件和标准光谱库比对计算污染物浓度。紫外光谱测量原理，类似于红外的原理，一般监测范围大于红外光谱仪。   UV Hound分析仪有两种型号可选：标准版和Mini版。   标准版 Ø       Light weight and portable Ø       17m path length Ø       Can be powered by a DC cigarette lighter Ø       Operational range in parts per billion Ø       Can be fitted with an internal optical cell   Mini版 Ø       Light weight and extremely portable Ø       7.5m path length Ø       Can be powered by a DC cigarette lighter Ø       Operational range in parts per billion   可选输出：RS-232、RS-422、RS-485和4-20mA 可方便与其他系统集成。     产地：美国

将热重分析 TG 与差热分析 DTA 或差示扫描量热 DSC 结合为一体，在同一次测量中利用同一样品可同步得到热重与差热信息。综合热分析仪应用于大多数材料领域，包括塑料、橡胶、合成树脂、纤维、涂料、油脂陶瓷、水泥、玻璃、耐火材料、燃料、医药、食品、耐火材料等。炉体自动升降可控、定位准确，提高了测量的重复性。热流式DSC数据采集方式，绘制出能量与温度的曲线。HQT-2、HQT-3、HQT-4可分别在1250度或1550度恒温72小时。温度范围：HQT-1：室温-1150℃、HQT-2：室温-1250℃、HQT-3：室温-1450℃、HQT-4：室温-1550℃。

REA-C1000内置多种基于AI的视频处理算法，可实时处理并输出最高4K分辨率的图像。REA-C1000可成为所连接的摄像机系统和视频系统的最强大脑，以便客户用最低成本、最少人力制作专业视频内容。

100%独立通道 独立光源，独立检测器，独立蠕动泵、独立操作键盘，独立液晶显示屏，独立试剂柜 可实现1-16通道同时分析 样品自动在线前处理 自动稀释、透析、蒸馏、消解、萃取等 系统高度自动化 可自动清洗，关机，开机 分析模式灵活 微流、宏流或两者结合分析 多种光程的流通池可供选择 可实现多针取样 软件功能强大 灵活编辑样品表，自动生成校正标准曲线，紧急样品处理 基线和灵敏度自动设定和校正 分辨率高，检测限低，测量范围广 可与所有LIMS兼容

天然气水合物存在于高压、低温的环境中，传统的实验室可视化检测需要配以耐高压透明视窗，不但降低了压力容器的耐压范围并且可视化效果也不理想。采用非光源性的可视化检测技术——磁共振成像解决了这一难题。并且通过对天然气水合物生成 / 分解过程图像亮度的变化分析得到被测样品中自由水的含量以及天然气水合物饱和度。能够对被测样品中所包含的天然气水合物资源量进行评价。技术指标如下，样品管压力 15MPa ；温度控制范围：常温～ -15 ℃；样品尺寸：φ 15mm ；图像分辨率： 0.125mm /pixel 。

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

目前，有许多基于区块链技术的骗局存在。为了给投资者在区块链技术投资时提供风险提示，inpluslab通过搜集各种骗局信息，利用区块链中记录的公开交易记录，使用机器学习和数据挖掘技术构建了基于区块链的骗局预警模型。