電力營(yíng)銷(xiāo)系統中數據挖掘技術(shù)優(yōu)秀論文

　　1、數據挖掘技術(shù)的應用及特點(diǎn)

　　數據挖掘技術(shù)是一種新型的技術(shù)，在現代數據存儲以及測量技術(shù)的迅猛發(fā)展過(guò)程中，人們可以進(jìn)行信息的大量測量并進(jìn)行存儲。但是，在大量的信息背后卻沒(méi)有一種有效的手段和技術(shù)進(jìn)行直觀(guān)的表達和分析。而數據挖掘技術(shù)的出現，是對目前大數據時(shí)代的一種應急手段，使得有關(guān)計算機數據處理技術(shù)得到加快發(fā)展。數據挖掘技術(shù)最早是從機器學(xué)習的概念中而產(chǎn)生的，在對機器的學(xué)習過(guò)程中，一般不采用歸納或者較少使用這種方法，這是一種非常機械的操作辦法。而沒(méi)有指導性學(xué)習的辦法一般不從這些環(huán)境得出反饋，而是通過(guò)沒(méi)有干預的情況下進(jìn)行歸納和學(xué)習，并建立一種理論模型。數據挖掘技術(shù)是屬于例子歸納學(xué)習的一種方式，這種從例子中進(jìn)行歸納學(xué)習的方式是介于上述無(wú)指導性學(xué)習以及較少使用歸納學(xué)習這兩種方式之間的一種方式。因此，可以說(shuō)，數據挖掘技術(shù)的特征在出自于機器學(xué)習的背景下，與其相比機器主要關(guān)心的是如何才能有效提高機器的學(xué)習能力，但數據挖掘技術(shù)主要關(guān)心如何才能找到有用、有價(jià)值的信息。其第二個(gè)特征是，與機器學(xué)習特點(diǎn)相比較而言，機器關(guān)心的是小數據，而數據挖掘技術(shù)所面臨的對象則是現實(shí)中海量規模的數據庫，其作用主要是用來(lái)處理一些異�，F象，特別是處理殘缺的、有噪音以及維數很高的數據項，甚至是一些不同類(lèi)型數據。以往的數據處理方法和現代的數據挖掘技術(shù)相比較而言，其不同點(diǎn)是以往的傳統數據處理方法前提是把理論作為一種指導數據來(lái)進(jìn)行處理，在現代數據挖掘技術(shù)的出發(fā)角度不同，主要運用啟發(fā)式的歸納學(xué)習進(jìn)行理論以及假設來(lái)處理的。

　　2、數據挖掘技術(shù)主要步驟

　　數據挖掘技術(shù)首先要建立數據倉庫，要根據實(shí)際情況而定，在易出現問(wèn)題的有關(guān)領(lǐng)域建立有效的數據庫。主要是用來(lái)把數據庫中的所有的存儲數據進(jìn)行分析，而目前的一些數據庫雖然可以進(jìn)行大量的存儲數據，同時(shí)也進(jìn)行了一系列的技術(shù)發(fā)展。比如，系統中的在線(xiàn)分析處理，主要是為用戶(hù)查詢(xún)，但是卻沒(méi)有查詢(xún)結果的分析能力，而查詢(xún)的結果仍舊由人工進(jìn)行操作，依賴(lài)于對手工方式進(jìn)行數據測試并建模。其次，在數據庫中存儲的數據選一數據集，作為對數據挖掘算法原始輸入。此數據集所涉及到數據的時(shí)變性以及統一性等情況。然后，再進(jìn)行數據的預處理，在處理中主要對一些缺損數據進(jìn)行補齊，并消除噪聲，此外還應對數據進(jìn)行標準化的處理。隨后，再對數據進(jìn)行降維和變換。如果數據的維數比較高，還應找出維分量高的數據，對高維數數據空間能夠容易轉化為檢點(diǎn)的低維數數據空間進(jìn)行處理。下一步驟就是確定任務(wù)，要根據現實(shí)的需要，對數據挖掘目標進(jìn)行確定，并建立預測性的模型、數據的摘要等。隨后再決定數據挖掘的算法，這一步驟中，主要是對當前的數據類(lèi)型選擇有效的處理方法，此過(guò)程非常重要，在所有數據挖掘技術(shù)中起到較大作用。隨后再對數據挖掘進(jìn)行具體的處理和結果檢驗，在處理過(guò)程中，要按照不同的目的，選擇不同的算法，是運用決策樹(shù)還是分類(lèi)等的算法，是運用聚類(lèi)算法還是使用回歸算法，都要認真處理，得出科學(xué)的結論。在數據挖掘結果檢驗時(shí)，要注意幾個(gè)問(wèn)題，要充分利用結論對照其他的信息進(jìn)行校核，可對圖表等一些直觀(guān)的信息和手段進(jìn)行輔助分析，使結論能夠更加科學(xué)合理。需要注意的是要根據用戶(hù)來(lái)決定結論有用的程度。最后一項步驟是把所得出的結論進(jìn)行應用到實(shí)際，要對數據挖掘的結果進(jìn)行仔細的校驗，重點(diǎn)是解決好以前的觀(guān)點(diǎn)和看法有無(wú)差錯，使目前的結論和原先看法的矛盾有效解除。

　　3、數據挖掘技術(shù)的方法以及在電力營(yíng)銷(xiāo)系統中的應用和發(fā)展

　　數控挖掘技術(shù)得到了非常廣泛的應用，按照技術(shù)本身的發(fā)展出現了較多方法。例如，建立預測性建模方法，也就是對歷史數據進(jìn)行分析并歸納總結，從而建立成預測性模型。根據此模型以及當前的其他數據進(jìn)行推斷相關(guān)聯(lián)的數據。如果推斷的對象屬于連續型的變量，那么此類(lèi)的推斷問(wèn)題可屬回歸問(wèn)題。根據歷史數據來(lái)進(jìn)行分析和檢測，再做出科學(xué)的架設和推定。在常用的回歸算法以及非線(xiàn)性變換進(jìn)行有效的結合，能夠使許多問(wèn)題得到解決。電力營(yíng)銷(xiāo)系統中的數據挖掘技術(shù)應用中關(guān)聯(lián)規則是最為關(guān)鍵的技術(shù)應用之一。這種應用可以有效地幫助決策人員進(jìn)行當前有關(guān)數據以及歷史數據的規律分析，最后預測出未來(lái)情況。把關(guān)聯(lián)規則成功引入電力營(yíng)銷(xiāo)分析，通過(guò)FP-Growth算法對電力營(yíng)銷(xiāo)的有關(guān)數據進(jìn)行關(guān)聯(lián)規則分析，從中得出各種電量銷(xiāo)售的影響因素以及外部因素、手電水平等的關(guān)聯(lián)信息，以便更好地為電力的市場(chǎng)營(yíng)銷(xiāo)策略提供參謀和決策。對電力營(yíng)銷(xiāo)系統的應用中，時(shí)間序列挖掘以及序列挖掘非常經(jīng)典、系統，是應用最為廣泛的一種預測方法。這種方法的應用中，對神經(jīng)網(wǎng)絡(luò )的研究非常之多。因此，在現實(shí)中應用主要把時(shí)間序列挖掘以及神經(jīng)網(wǎng)絡(luò )兩者進(jìn)行有效地結合，然后再分析有關(guān)電力營(yíng)銷(xiāo)數據。此外，有關(guān)專(zhuān)家還提出應用一種時(shí)間窗的序列挖掘算法，這種方式可以進(jìn)行有效地報警處理，使電力系統中的故障能夠準確的定位并診斷事故。此算法對電力系統的分析和挖掘能力的提高非常有效，還可判定電力系統的運行是否穩定，對錯誤模型的分析精度達到一定的精確度。

　　4、結語(yǔ)

　　目前，對數據挖掘技術(shù)在整個(gè)電力營(yíng)銷(xiāo)系統中的應用還處于較低水平上，其挖掘算法的單一并不能有效地滿(mǎn)足實(shí)際決策需要。但是，由于數據挖掘技術(shù)對一些潛在的問(wèn)題預測能力較強，特別是對電力營(yíng)銷(xiāo)系統中較大規模的非線(xiàn)性問(wèn)題，具有較強的處理能力，在未來(lái)的發(fā)展中會(huì )成為營(yíng)銷(xiāo)領(lǐng)域中重要的應用工具。

【電力營(yíng)銷(xiāo)系統中數據挖掘技術(shù)優(yōu)秀論文】相關(guān)文章：

電力營(yíng)銷(xiāo)技術(shù)總結11-29

數據挖掘論文07-15

數據挖掘論文07-16

挖掘XP系統中任務(wù)計劃的另類(lèi)功能07-09

電力營(yíng)銷(xiāo)個(gè)人技術(shù)總結11-29

電力營(yíng)銷(xiāo)專(zhuān)業(yè)技術(shù)總結范文06-08

數據挖掘論文精品[15篇]07-29

[實(shí)用]數據挖掘論文15篇07-29

旅游管理下數據挖掘運用論文11-18

數據挖掘工程師的職責內容02-23