基于人工神經網絡的時序數據挖掘應用研究.pdf

1、目前，數據挖掘作為現代企業(yè)管理的重要輔助工具，被廣泛應用于各個領域。在我國，數據挖掘技術取得了較大的成就，但還存在很多問題，尤其是在具體應用方面，面向實際應用的軟件和可視化挖掘技術仍然十分匱乏，企業(yè)內各種信息往往不能有效的形成決策信息和知識，嚴重滯后了企業(yè)決策智能化的發(fā)展和應用。這也是造成我國企業(yè)尤其是西部中小企業(yè)的發(fā)展水平緩慢和管理模式落后的主要原因。所以急需一種能夠解決現有問題，提高企業(yè)各種數據的處理能力，幫助企業(yè)進行輔助決策的應用

2、系統(tǒng)。 將數據挖掘技術應用于企業(yè)的輔助決策，發(fā)現數據中隱含的各種有用的知識，來提升企業(yè)管理和決策水平，是一種十分有效的手段。論文以西部地區(qū)中小型制造企業(yè)為研究對象，通過對日常時序數據進行模式分析，在國內專家知識和先進管理模式指導下，利用神經網絡進行時序數據挖掘，用以達到銷售量預測，為企業(yè)生產提供合理輔助決策，對企業(yè)的生產和發(fā)展具有一定的作用。 論文系統(tǒng)研究了時序數據挖掘的相關理論和最新技術，總結了通用的開發(fā)方法。以此為基

3、礎，構建基于動態(tài)BP神經網絡的時序數據預測平臺，研究了其中所采用的關鍵技術并加以實現。 論文主要研究成果有以下幾個方面： (1)結合動態(tài)神經網絡理論，提出了一種動態(tài)逐漸增元的數據預測框架，并以此建立了一個應用系統(tǒng)，在結構上，可以完成實際業(yè)務的數據挖掘相關工作，對時序數據進行有效的處理，發(fā)現數據中內在的規(guī)律和模式。 (2)針對時序交易數據的特性，將預測轉化為基于小樣本空間的對應點誤差最小預測，利用BP神經網絡動態(tài)處

4、理，以此來保證了數據挖掘后預測結果的精度保證；并在領域和專家知識的指導下，將其他經濟指標參數作用于預測，提高預測的性能。 (3)結合構建動態(tài)BP網絡方法，進行動態(tài)可干預的數據預測，解決神經網絡特征變量過多造成網絡收斂速度降低的問題。利用可視化編程，結合靈敏度分析理論，提高了預測的精度和獲得知識、規(guī)則的可解釋和積累能力。 論文的創(chuàng)新點在于利用動態(tài)神經網絡和基于最小點誤差預測應用于企業(yè)時序數據預測系統(tǒng)，提出了一種結合靈敏度分