刍议数据挖掘技术在Web中的应用

随着网络技术的快速发展,网络上数据资源的越来越丰富,为了能够从众多的网络信息中准确快速的发现知识,从而研究出数据挖掘(Data Mining,DM)和知识发现(Knowledge Discovery,KD)领域。但是随着科学技术的发展,将会对Web提出更高的要求,为了能够满足人们的要求,从而研究出一种基于Web的数据挖掘技术,以便人们能够智能的、自动的抽取数据中知识。下面就具体进行分析数据挖掘技术在Web中的应用。     

基于数据挖掘的焊接生产管理平台

焊接生产规模不断向自动化和流水线方式发展 ,对生产管理水平提出了更高的要求。为了从车间已积累的大量的生产历史数据中获得潜在的规律性和趋势 ,为管理者提供决策支持 ,文中在已有的质量在线监测平台和数据库系统上开发了基于先进的数据挖掘技术的焊接生产管理平台 ,同时为了获得有效的挖掘模式 ,对数据进行了预处理 ,建立了焊接车间数据集市。该平台主要使用控制图控制焊接生产产量和废品数量 ;利用决策树方法分析废品产生因素 ,获得了有效的挖掘模型 ,对于指导焊接生产具有重要意义     

基于数据挖掘的底水油藏开发预测新方法

底水油藏开发过程中受强底水、油柱高度低、地层原油黏度大、隔夹层分布复杂等因素影响,导致单井开发效果差异大。为解决目前常规方法所存在的多因素数据分析量大、应用局限性大等缺点,提出基于BP神经网络数据挖掘算法的底水油藏水平井可采储量预测新方法,通过数模机理模型分析了该方法的可靠性。针对底水油藏静动态资料,充分挖掘隐含其中的有效信息,在完成基础数据集建立的基础上,构建了基于数据驱动的底水油藏可采储量预测模型。实际应用结果表明,该方法实现了底水油藏水平井开发的影响因素和技术参数界限的定量分析,可采储量预测最大误差低于8%,拟合效果较好,可进一步应用于底水油藏水平井生产动态、开发界限、井位设计等方面。     

基于生物启发计算的警用流动人口分析系统

目前对流动人口的管理仅停留在数据查询比对和简单统计上,缺少对数据的深层次分析,难以对决策指挥提供支持。针对流动人口的分析问题,提出了构建一个基于生物启发计算的智能分析系统,用于发现流动人口中各类人员的流动模式以及流动人口的趋势性问题,找出异常的流动信息和模式。该系统综合运用了前沿的生物启发计算技术——基于多层染色体基因表达式编程算法、重叠基因表达进化算法、基于概念相似度神经网络分类模型和层次距离计算的聚类算法搭建了一个警用流动人口的分析平台。同时根据实际需求,提出了一种新的基于智能分析结果的分级报警模型。实验表明系统具有较高的性能和实用性。     

城市污水主干排水系统优化调度分析——以华东某市污水主干管为研究案例

排水系统智能化调度是实现污水系统安全平稳运行的重要举措,尤其针对一些工程措施无法或尚未实施的区域。通过对污水主干管实现智能化调度的关键因素分析,并以华东某市污水主干管为研究案例,结合排水模型和大数据挖掘优化污水主干管系统运行,将末端污水厂旱天溢流天数降低了15%,从而优化污水干线系统运行工况。     

基于数据挖掘的一次调频综合性能提升

一次调频具有周期短、幅度小、偶然性大等特点,并网发电机组均应具备一次调频功能,以有效抑制电网频率变化,维护和保障电网频率稳定.随着风电、光伏等新能源大规模集中并网,直流外送容量不断扩大,对电网频率安全性提出严峻考验,因此并网机组一次调频投运率及整体动作性能对于保障系统频率安全至关重要.通过对萨拉齐电厂一次调频系统进行改造和优化,基于大数据挖掘技术,采取厂网信号数据同源、阀门流量特性修正及主汽压力校正等措施,有效提高了火电机组一次调频能力.     

数据挖掘在电站故障预警中的应用

近年,电站企业从自动化转型为信息化、智能化的需求升高,通过对电站DCS中储存的大量数据进行分析,能够提示设备劣化状态,对电站企业提高生产效率、经济安全运行有积极的指导意义。将数据挖掘应用于电站数据分析,试图为电站安全性运行提供理论依据。介绍了数据挖掘的概念,着重研究了数据挖掘中数据预处理、聚类、回归的方法,之后将该方法应用于实际电站的预警中取得了较好的效果。     

高端线材全流程质量管控系统及应用

高端线材产品因其严苛的表面质量和内在性能的要求,需要从冶炼、连铸、轧制和冷却全流程进行质量管控,因此亟需打通流程间的信息壁垒,改变传统的以炉组织生产到以流支组织生产的模式,打造高端线材全流程质量管控系统,实现物料流支跟踪、生产过程监控、质量追溯、质量评级、质量诊断和过程优化等功能。采用了多变量监控实现变量耦合关系的解析,采用多种变量重要性分析方法综合定位引发质量波动的异常原因,最终形成质量管控闭环,不断改善产品质量,减少质量异议。     

差分隐私保护及其应用

数据发布与数据挖掘中的隐私保护问题是目前信息安全领域的一个研究热点.作为一种严格的和可证明的隐私定义,差分隐私近年来受到了极大关注并被广泛研究.文中分析了差分隐私保护模型相对于传统安全模型的优势,对差分隐私基础理论及其在数据发布与数据挖掘中的应用研究进行综述.在数据发布方面,介绍了各种交互式和非交互式的差分隐私保护发布方法,并着重从精确度和样本复杂度的角度对这些方法进行了比较.在数据挖掘方面,阐述了差分隐私保护数据挖掘算法在接口模式和完全访问模式下的实现方式,并对这些算法的执行性能进行了分析.最后,介绍了差分隐私保护在其它领域的应用,并展望未来的研究方向.     

过程数据的分段线性表示

在时间序列分段线性表示(PLR)基础上，提出用相对点平均误差度量子序列过程状态变化程度，改进过程数据PLR模型分段算法，克服采用单一误差算法的模型失配问题，更加准确地反应过程状态的变化。