Understanding the New Zealand non-domestic building stock

Unlike the residential building stock, most countries have poor information on their non-domestic stock. This necessitates the use of other data sources. In the mid-1980s the (then) New Zealand Department of Valuation digitized its valuation records. This permitted the first analysis of an entire country's non-domestic buildings. A very long-tail probability density function was identified, with the largest 5% of buildings containing more than 40% of the floor space. This knowledge informed the development of research for understanding non-domestic buildings as well as underpinning the 1996 revision of the NZ Building Code Clause H1 Energy Efficiency. More recently an analysis of valuation data has provided the Building Energy End-use Study (BEES) with a national sampling frame to examine energy and water end-uses in non-domestic buildings. The development of processes for collecting and analyzing data is described. Considerable changes in understanding of valuation data have occurred for documenting the non-domestic building stock. New online and geographic information sources can validate and improve building data. The use of such a database supports improved understanding of the changing nature of the building stock and potential intervention points, as well as harnessing regulatory and market forces.     

极限训练机在矿山开采最大下沉值估算中的应用

矿山开采过程中采空区地表往往会发生形变,研究其最大下沉值对安全生产具有重要意义,现有的开采最大下沉估算方法还有提升的空间。基于岩移数据决策与极限训练机(Extreme learning machine,ELM)算法,提出了一种估计最大下沉的新方法。该方法将采厚、倾角、平均采深、走向长度、倾向长度和覆岩岩性确定为最大下沉值影响因素;应用以Sigmoid方程为核函数、隐含层神经元个数为114的ELM模型对最大下沉值进行了估算。通过案例分析,ELM模型得到了优于传统算法如CHAID、Boosted Tree、ANN、BPNN和SVM的RMSE、MAE、MAPE、最大残差及秩相关系数,故认为该模型是一种有效的矿山开采最大下沉估算方法。     

基于分项计量数据对两种冷水机组序列启停策略的识别算法

冷水机组的序列控制方式对建筑能耗和室内热舒适有着显著的影响,如能对其进行自动识别和优化,对公共建筑节能具有重要的意义。从2008年开始,我国在全国范围内推行大型公共建筑的分项计量系统,冷热源系统的电耗是该系统的必要监测内容,该系统为自动识别冷水机组的启停策略提供了数据基础。因而,基于冷水机组的电耗数据,利用数据挖掘的算法来识别冷水机组序列启停方式的方法。该方法利用One R分类算法来实现对以建筑即时冷负荷为指标的冷水机组序列控制方式(Q-based)和以压缩机功率为指标的控制方式(P-based)这两者的区分。最后,通过对位于上海市的一栋建筑进行模拟实验来验证该算法的可行性。     

基于相对最佳划分的加权K-平均聚类改进算法

针对K-平均算法存在的缺陷,通过引入相对最佳随机划分方法以及在计算样本与簇中心时的权重,改进了K-平均算法。并通过电信运营商客户通话数据进行试验,取得了预期的效果。     

远程教育考试成绩分析决策树的构造方法

介绍了数据挖掘技术在远程教育学生考试成绩分析上的应用和用ID3算法构造决策树的方法，并结合一组学生考试成绩样本数据，采用决策树分析方法进行了分类，给出了一个远程教育中成功应用数据挖掘的思路和模式。     

基于JDM的数据挖掘系统的研究与设计

提出一个基于JDM的数据挖掘系统的设计方案.首先描述了JDM体系结构和J2EE开发平台,然后重点介绍了该数据挖掘系统的逻辑设计与主要功能模块,最后对该系统的优缺点进行分析.     

基于关联规则的Apriori算法的可视化实现方法

关联规则的提取是数据挖掘中的重要研究内容,对关联规则提取中的Apriori算法进行了分析与研究,针对该算法的运算效率不高,对该算法进行了优化.该算法以经典的Apriori算法为基础,改进后的算法在运算速度明显好于Apriori算法.同时,还介绍了一种基于Apriori算法的可视化挖掘模型[1],并讨论了该可视化模型的实现方法.     

基于智能技术的远程教育答疑系统研究

网上答疑系统是现代远程教育系统中不可缺少的一部分,然而当前的答疑系统只是根据用户的输入对题库中的问题进行简单的关键词匹配,查询精度和用户界面满足不了用户的需求。针对以上缺点,本文给出一个应用语义网络原理构筑起来的智能答疑系统。文章分析了建立智能答疑系统的必要性,由此提出了一个基于限定领域的智能答疑系统模型及其技术路线,并以两门大学计算机课程作为知识库来源,实现了系统的功能。试验结果表明,本文所提出的方法有效地提高了查询精度,用户界面友好方便。     

基于数据挖掘技术的上市公司财务危机预警实证分析

为了能够对上市公司的财务困境进行预测,采用样本上市公司的财务数据,建立了BP人工神经网络财务预测模型.研究结果表明,建立的计量模型预测准确度较高,不仅对企业财务困境的研究具有一定的理论价值,而且对证券分析行业相关人员进行上市公司的财务预测具有一定的现实意义.     

化工生产过程数据挖掘系统的研究与应用

提出了化工生产过程数据挖掘系统的技术架构,在此基础上,采用多支持度关联规则挖掘算法,开发了化工生产过程数据挖掘软件ESP-Miner,该软件提供OPt Server标准接口,主流实时数据库接口、关系数据库接口ODBC、标准文本格式接口,可集成DCS、实时数据库系统、关系数据库系统及其他系统的生产数据.同时提供人工录入接口集成散点数据.该系统已经在三唑磷合成过程中得到了成功的应用,三唑磷收率提高了1.5%,三唑磷含量从80%提高到了83%,为企业带来了较好的经济效益和社会效益.