數(shù)據(jù)挖掘在煤炭價格預測中的應用.pdf

1、隨著現(xiàn)代科技的發(fā)展，我們的社會越來越信息化，各種大型的數(shù)據(jù)庫軟件也走進了各種企業(yè)，這為信息的規(guī)范管理提供了一定的有利條件。然而，面對如此大量的數(shù)據(jù)也伴隨著一些問題出現(xiàn)，最常見的就是所謂的“信息爆炸，但知識貧乏”，這表明現(xiàn)在的社會中信息量已經(jīng)是非常的龐大，但是它們被利用的很少。目前對于數(shù)據(jù)挖掘技術的研究越來越多，并且已在多個領域中應用，其應用范圍涉及銀行、電信、保險、交通等諸多領域。而預測作為數(shù)據(jù)挖掘技術的一個重要的組成部分也受到廣大研究

2、學者的關注。 在當今經(jīng)濟社會中正確的預測具有重要的作用，它可以幫助一個企業(yè)或單位做出正確的決定從而改善效益。在本文中作者主要討論數(shù)據(jù)挖掘技術在煤炭價格預測中的應用，這里的煤炭價格主要是指發(fā)電廠購買煤炭的價格。我國是主要依靠火力發(fā)電的國家，主要使用的能源就是煤炭。對電廠而言，煤炭資源的儲備十分重要，它關乎發(fā)電廠資金的合理安置，是電力能源供應的保證。 聚類和分類是兩種不同的預測方法，本文主要用這兩個方法來對煤炭價格的預測進行

3、探討。 聚類是人類一項最基本的認識活動，通過適當?shù)木垲?，事物才能便于研究?，F(xiàn)有常用的聚類方法有k-means算法，其缺點是k的值需要事先給定，并且其聚類結(jié)果與初始值的選擇有較大的關系；LBG算法也是一種常用的算法，它具有較好的聚類效果，但是其具有聚類時間較長和容易陷入局部極小的缺點。 分類是另一種最基本的認知形式，作為數(shù)據(jù)挖掘的一個重要主題，在統(tǒng)計學、機器學習、人工智能等領域中發(fā)展較早。近幾年來，人們開始將它與數(shù)據(jù)庫技術

4、相結(jié)合，解決實際問題?，F(xiàn)有的分類預測的方法有許多種，常見的有決策樹算法(C4.5)、貝葉斯分類算法、BP算法與支持向量機等。但是它們都有各自的不足，前三者在實驗結(jié)果與速度方面都有待改進，而支持向量機雖然有較好的準確度，尤其是對于小樣本以及非線性數(shù)據(jù)具有較大的優(yōu)勢，但是其結(jié)果可解釋性差，核函數(shù)的確定未能給出完整的方法。張鈴教授在理論上證明了SVM與三層前向神經(jīng)網(wǎng)絡在識別能力上的相似性，并將核函數(shù)的思想引入到交叉覆蓋算法，提出了核覆蓋算法。

5、該算法進一步優(yōu)化了覆蓋算法，從而提高了覆蓋算法的精度。 本文主要做了以下工作： (1)在聚類方面，作者研究了聚類的定義、算法的分類以及各種常見的距離公式。實驗中，引進了一種改進的LBG算法，此算法克服了傳統(tǒng)LBG算法的速度慢和容易陷入局部極小的缺點。本文通過實驗結(jié)果表明合適的聚類能夠幫助我們了解煤炭的價格、質(zhì)量的走勢以及買賣雙方的管理情況。 (2)本文將SVM與核覆蓋算法應用到煤炭價格的預測，并對這兩種分類結(jié)果進