基于数据挖掘的施工管理风险预测

提出了一种基于数据挖掘的施工管理风险预测方法.首先分析了施工过程中的风险,然后说明了施工管理中的风险评价问题,接下来阐述了施工管理中的风险预测问题,最后给出了一个具体的应用实例.     

基于数据挖掘的施工管理风险预测

提出了一种基于数据挖掘的施工管理风险预测方法.首先分析了施工过程中的风险,然后说明了施工管理中的风险评价问题,接下来阐述了施工管理中的风险预测问题,最后给出了一个具体的应用实例.     

基于数据挖掘的客户价值预测方法

提出了一种利用聚类和分类等数据挖掘技术预测客户价值的新方法.通过对客户历史交易数据的分析,获得能够综合反映老客户忠诚度和价值度的指标.基于该指标对老客户进行聚类,将老客户划分为若干个不同价值的客户群,即为每个老客户赋予一个价值等级标号.利用朴素贝叶斯分类方法来预测新客户(或潜在客户)的价值,并依据预测结果来制定相应的重点客户发展战略.实例验证了该方法的有效性和可行性.     

一种基于关联规则的增量数据挖掘算法

分析了关联规则增量更新挖掘算法FUP和IUA,指出了其效率低下的主要原因.针对关联规则增量更新问题,提出了一种新的简单高效的增量挖掘算法LIUA,并对算法LIUA进行了测试,测试结果表明算法是高效、可行的.     

基于时空数据挖掘的铁路客流预测方法

提出了一种新的基于时空数据挖掘的铁路客流预测方法,该方法一方面采用统计学原理对目标对象本身的时序进行预测,另一方面通过神经网络解算相邻对象的空间影响,最后使用线性回归得到综合预测结果.采用该方法对某铁路直通区段2004年春运期间旅客总发送量进行预测,与不考虑空间影响的预测方法相比,预测精度有所改善.     

基于数据挖掘的智能化电力负荷预测

本文对电力负荷预测的研究主要运用了数据挖掘中的聚类分析法,建立了预测算法与预测模型相分离的通用算法库,实现了负荷预测的智能化.通过海量数据存储,数据挖掘和决策信息的支持,可有效地克服数据有限性、不完整性及影响因素复杂性对预测结果的影响,发挥独特优势,实现经济价值.     

基于遗传算法的多变量增量型广义预测控制

针对多变量增量型广义预测控制算法增量系数难于根据系统特性选择的问题,提出基于遗传算法的多变量增量型广义预测控制算法.多变量增量型广义预测控制算法通过将求解出来的控制增量分别乘以相应的增量系数,来提高系统的鲁棒性和稳定性,同时采用阶梯式的控制策略降低多变量广义预测控制算法的计算量,运用改进的遗传算法优化整定多变量增量型广义预测控制的增量系数增强系统的跟踪特性.通过原油常压塔的侧线产品质量控制的仿真,验证了该方法有较好的鲁棒牲和抗干扰性.     

基于数据挖掘的高速公路行程时间预测

以高速公路上路段行程时间历史数据集作为研究对象,以交通数据实际特征作为行程时间历史数据集分类的依据,建立基于数据挖掘的高速公路行程时间预测模型.采用山东高速收费站记录实际数据,以实例数据验证模型并计算平均绝对误差.为对比分析预测强度聚类预测模型的有效性,采用多种算法对测试集行程时间预测,对预测结果误差进行了对比.结果表明:预测强度修正的k-means法可以提高高速公路路段行程时间预测的准确性,模型在降低数据采集成本的同时可为高速信息服务提供可靠的预测行程时间,为出行者提供有力的决策依据.     

基于GPRS的集中器设计

针对远程智能抄表系统中的关键设备集中器进行了详尽介绍,采用模块化的设计方法进行硬件设计,主要包括微处理器、GPRS模块、存储模块、电源模块、实时时钟模块等．利用GPRS网络可以实现数据信息的远程无线传输,非常适合于远程智能抄表系统．     

基于GPRS Modem与GPRS的智能汽车防盗系统

基于GPRS移动通信业务的汽车智能防盗监测系统是利用日益完善的GPRS全球移动通讯网络和单片机控制技术的一种全新汽车防盗装置。介绍了一种基于GPRSModem与GPRS的智能汽车防盗系统及其结构组成和功能。     

基于HORAFA算法的改进增量数据挖掘算法

数据挖掘技术是机器学习、数据库和统计理论相结合的产物,具有较为广泛的应用前景.粗糙集理论是80年代初由波兰数学家首先提出的一种刻画不确定性和不完整性知识的数学工具.研究了基于属性频率的启发式属性约简算法,此算法提高了挖掘速度.     

基于模糊数据挖掘技术的林火行为预测研究

在预测区域复杂的自然条件下，利用模糊数据挖掘技术（FDM）寻找与之相匹配的林火蔓延模型来预测林火行为。以广州市为例，构建了火灾数据样本集，确定了可燃物水分含量、可燃物负荷量、易燃程度、坡度等4个因子为影响林火行为的指标，利用FDM的模式的发现与预测功能，归纳了3类模式，并依照择近原则匹配各模式所适用的林火蔓延模型。此模型应用时可以由火场指挥者实时提供的火灾因子资料，根据FDM最大贴近度原则，选择合适的林火蔓延模型预测林火行为，提高了林火行为预测的可靠性。     

基于数据挖掘的电力营销稽查业务监管系统

电力企业处于供不应求的市场,为杜绝电力营销企业以生产作为引导观念的产生,提出基于数据挖掘的电力营销稽查业务监控管理系统设计方案,使稽查工作在满足合法、平等、全面的同时还具有高效性.首先以线损管理、客户服务、供电合同、计量管理、用电检查、电价电费管理以及业扩报装为稽查内容以及对象,在监控数据计算最小支持度以及最小置信度基...     

基于数据挖掘技术的核心客户的识别

在RFM模型的基础上,根据具体行业的特点,提出了客户重要度测量模型,并且利用数据挖掘技术——决策树算法进行核心客户的特征提取,最后就某一企业的实际情况进行实证研究,为企业进行一对一营销或客户服务提供支持.     

基于数据挖掘的天气因素研究——以吉安县为例

影响天气的因素有降雨量、气压、气温、风速及风向等,研究天气影响因素对人们的生产生活有一定的指导作用。本研究提出使用数据挖掘技术探究天气因素之间的相关性。使用K-S检验方法对数据进行正态性检验,使用Pearson相关系数,对天气逐日数据降雨量、气压、气温、风速进行相关性检验,使用Eta相关系数对天气逐日数据降雨量、气压、气温、风速与风向进行相关性检验,使用一元线性回归对天气因素气压和气温进行分析。在中国气象网站的吉安县1980-2019年天气数据上进行实验,实验结果表明：数据集中各数据项不服从正态性分布,天气当中的气压与气温具有强负关联线性关系,风向类型与气压、气温有强关联关系。     

电信客户流失预测的数据挖掘模型及其实现

本文针对如何在不同的数据挖掘工具之间交换数据挖掘结果,以使挖掘结果独立于不同的挖掘工具的问题,采用了数据挖掘语言来描述所建立的客户流失预测模型。     

《基于数据挖掘的短期负荷预测研究》

本文对电力负荷预测的研究主要运用了数据挖掘中的聚类分析。构架了一种基于CURE聚类算法的电力负荷预测模型,对短期电力负荷数据进行有效的预测。并通过海量数据存储,数据挖掘和决策信息的支持,可有效地克服数据有限性,不完整性及影响因素复杂性对预测结果的影响,发挥独特优势、实现经济价值。     

基于数据挖掘的电信客户细分

数据挖掘以其强大的数据处理能力和信息挖掘能力广泛用于各行业。尤其在通信行业。本文提出了将数据挖掘技术应用到通信行业客户关系管理之中的观点,通过客户细分验证了数据挖掘在通信行业客户关系管理中的可行性和有效性。     

基于数据挖掘的集中监控设备典型缺陷预测方法

为改善传统方法对监控设备典型缺陷分析结果的不理想,提出了基于数据挖掘技术的集中监控设备缺陷预测方法。预测集中监控设备在未来时间内的相关监控数据,并将其与历史典型缺陷发生期间内的监控数据相似度进行比较,以量化指标的形式对集中监控设备的典型缺陷进行预测。实验结果表明,利用所提方法对实际发生的油温异常典型缺陷进行预测,计算出的相似度指标形成了一个峰值,而缺陷未发生时的相似度指标较低,证明本文方法能够较好地体现缺陷发生的可能性,整体应用性较高。     

基于GPRS的电子衡器无线网络接口设计

提出了将GPRS无线模块嵌入电子衡器,实现电子衡器远程管理,并给出了具体的设计。