數(shù)據(jù)挖掘在煤炭價(jià)格預(yù)測中的應(yīng)用.pdf

1、隨著現(xiàn)代科技的發(fā)展，我們的社會(huì)越來越信息化，各種大型的數(shù)據(jù)庫軟件也走進(jìn)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(shí)貧乏”，這表明現(xiàn)在的社會(huì)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(shù)的研究越來越多，并且已在多個(gè)領(lǐng)域中應(yīng)用，其應(yīng)用范圍涉及銀行、電信、保險(xiǎn)、交通等諸多領(lǐng)域。而預(yù)測作為數(shù)據(jù)挖掘技術(shù)的一個(gè)重要的組成部分也受到廣大研究

2、學(xué)者的關(guān)注。 在當(dāng)今經(jīng)濟(jì)社會(huì)中正確的預(yù)測具有重要的作用，它可以幫助一個(gè)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(shù)在煤炭價(jià)格預(yù)測中的應(yīng)用，這里的煤炭價(jià)格主要是指發(fā)電廠購買煤炭的價(jià)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(chǔ)備十分重要，它關(guān)乎發(fā)電廠資金的合理安置，是電力能源供應(yīng)的保證。 聚類和分類是兩種不同的預(yù)測方法，本文主要用這兩個(gè)方法來對煤炭價(jià)格的預(yù)測進(jìn)行

3、探討。 聚類是人類一項(xiàng)最基本的認(rèn)識(shí)活動(dòng)，通過適當(dāng)?shù)木垲悾挛锊拍鼙阌谘芯俊，F(xiàn)有常用的聚類方法有k-means算法，其缺點(diǎn)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(guān)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(shí)間較長和容易陷入局部極小的缺點(diǎn)。 分類是另一種最基本的認(rèn)知形式，作為數(shù)據(jù)挖掘的一個(gè)重要主題，在統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、人工智能等領(lǐng)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(shù)

4、相結(jié)合，解決實(shí)際問題。現(xiàn)有的分類預(yù)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(jī)等。但是它們都有各自的不足，前三者在實(shí)驗(yàn)結(jié)果與速度方面都有待改進(jìn)，而支持向量機(jī)雖然有較好的準(zhǔn)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(luò)在識(shí)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(jìn)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(shí)驗(yàn)中，引進(jìn)了一種改進(jìn)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(diǎn)。本文通過實(shí)驗(yàn)結(jié)果表明合適的聚類能夠幫助我們了解煤炭的價(jià)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(yīng)用到煤炭價(jià)格的預(yù)測，并對這兩種分類結(jié)果進(jìn)