收藏本站
《江南大学》 2015年
收藏 | 手机打开
二维码
手机客户端打开本文

物联网能耗数据智能分析及其应用平台设计

王杰锋  
【摘要】:随着数据信息时代的迅速到来,建筑能耗也受到了人们的极大关注,能耗数据以其多样化的形式开始呈现急剧增长的趋势,对于海量能耗数据的分析研究显得越来越重要。由于数据挖掘可以对海量数据进行分析,帮助用户更好地发现数据中隐含的有用信息。本文提出运用数据挖掘技术对建筑能耗数据分析,设计物联网能耗数据智能分析系统验证数据挖掘理论研究的可行性,研究的主要内容如下:首先,关联规则数据挖掘理论可以从大量数据的项集中发现有用的规则,建筑用电能耗分项、建筑房间面积和房间人员等属性之间的变化是存在某种关联或者关系的。Apriori关联规则挖掘算法是关联规则理论中最具有典型性的方法,但在它计算频繁项集时需要生成大量的候选项集,并且需要多次扫描数据库,增加了算法的计算复杂度,由于排序索引规则通过索引编号,跳跃搜索项集,可以有效加快信息的检索速率,提出一种基于布尔矩阵和排序索引规则的关联规则挖掘算法,先扫描数据集获取布尔矩阵,再对布尔矩阵进行预处理操作,删除其中无用事务和项集,根据剪枝布尔矩阵和标记序列产生频繁二项集,结合排序索引生成其他频繁项集,有效提高了频繁项集挖掘的效率,并有效减少了内存的占用率。其次,由于聚类挖掘技术作为数据挖掘领域中的一种工具,可以获得数据分布的内在规律,通过聚类数据挖掘方法对数据中心内部设备中的能耗数据进行聚类分析,可以发现异常耗能设备以及根据聚类分析制定合理的用电方案。由于基于密度的聚类方法可以有效发现任意形状的簇和有效识别离群点,可以有效利用密度聚类这一特点发现建筑能耗的内部规则,但在全局参数选择上DBSCAN密度聚类算法需人工干预以及区域查询方式过程复杂和查询易丢失对象等不足,提出一种改进的参数自适应以及区域快速查询的密度聚类算法,有效提高聚类的效率。基于划分的近邻传播聚类算法利用最近邻居关系传递特性,无需初始化聚类中心,可以在比较短的时间内发现更低误差的聚类结果,对处理数据量庞大的能耗数据具有很好的可行性。但在无先验知识条件下存在偏向参数选择困难以及在处理结构复杂或高维数据的数据信息重叠问题,提出基于流形结构邻域选择的局部投影近邻传播算法,在保留数据内部非线性结构的前提下,有效删除高位复杂数据空间中的冗余数据。最后,设计实现物联网建筑能耗数据智能分析系统,以验证提出的关联规则和聚类数据挖掘理论研究的可行性。系统由中心服务器和客户端两部分组成。中心服务器负责实现数据采集、数据挖掘、数据分析、数据存储及数据通信接口等功能,客户端根据restful接口获取服务器端的数据分析结果和能耗数据,实现数据通信、数据解析以及数据可视化等功能,方便管理者监管建筑能耗使用情况,辅助管理者制定节能方案,有效实现对建筑能耗数据的节能目的。
【学位授予单位】:江南大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TP311.13;TP391.44;TN929.5

【参考文献】
中国期刊全文数据库 前3条
1 毛宇星;施伯乐;;基于扩展自然序树的概化关联规则增量挖掘方法[J];计算机研究与发展;2012年03期
2 张建朋;陈福才;李邵梅;刘力雄;;基于密度与近邻传播的数据流聚类算法[J];自动化学报;2014年02期
3 岳士弘,李平,郭继东,周水庚;A statistical information-based clustering approach in distance space[J];Journal of Zhejiang University Science A(Science in Engineering);2005年01期
【共引文献】
中国期刊全文数据库 前10条
1 王玲;吴璐璐;付冬梅;;一种基于密度的模糊自适应聚类算法[J];北京科技大学学报;2014年11期
2 吴绍根;;基于动态网格和密度邻接的数据聚类算法[J];北京工业职业技术学院学报;2015年03期
3 刘建成;程良伦;刘斯亮;;一种优化的船体外板三维点云数据提取方法[J];船舶工程;2015年08期
4 Suiang-Shyan LEE;Ja-Chen LIN;;An accelerated K-means clustering algorithm using selection and erasure rules[J];Journal of Zhejiang University-Science C(Computers & Electronics);2012年10期
5 杨浩;吕成浩;邹清全;沈勇;;基于统计模型的燃料电池发动机健康状态估计[J];佳木斯大学学报(自然科学版);2013年04期
6 张春生;庄丽艳;;基于Apriori的相容数据集间关联规则演绎方法[J];计算机应用;2013年10期
7 魏中贺;李少波;唐向红;陈力;;一种基于密度的数据流检测算法SWKLOF[J];科学技术与工程;2014年34期
8 王乐;冯林;王水;;不产生候选项集的TOP-K高效用模式挖掘算法[J];计算机研究与发展;2015年02期
9 王娟;王萍;王港;;基于自适应超像素分割的点刻式DPM区域定位算法研究[J];自动化学报;2015年05期
10 邢长征;刘剑;;基于近邻传播与密度相融合的进化数据流聚类算法[J];计算机应用;2015年07期
中国博士学位论文全文数据库 前1条
1 曹振丽;面向养殖环境监测的数据流处理方法研究[D];中国农业大学;2015年
【二级参考文献】
中国期刊全文数据库 前6条
1 朱玉全,孙志挥,季小俊;基于频繁模式树的关联规则增量式更新算法[J];计算机学报;2003年01期
2 易彤,徐宝文,吴方君;一种基于FP树的挖掘关联规则的增量更新算法[J];计算机学报;2004年05期
3 黄德才;吴天虹;;基于密度的混合属性数据流聚类算法[J];控制与决策;2010年03期
4 王开军;张军英;李丹;张新娜;郭涛;;自适应仿射传播聚类[J];自动化学报;2007年12期
5 朱群;张玉红;胡学钢;李培培;;一种基于双层窗口的概念漂移数据流分类算法[J];自动化学报;2011年09期
6 于彦伟;王沁;邝俊;何杰;;一种基于密度的空间数据流在线聚类算法[J];自动化学报;2012年06期
【相似文献】
中国期刊全文数据库 前10条
1 香丽芸;浅谈数据挖掘及其应用[J];昌吉师专学报;2001年02期
2 郑雪燕,张杰明,岳洋;数据挖掘语言[J];计算机时代;2001年11期
3 刘明晶;数据挖掘[J];华南金融电脑;2001年04期
4 张伟;刘勇国;彭军;廖晓峰;吴中福;;数据挖掘发展研究[J];计算机科学;2001年07期
5 钟晓;马少平;张钹;俞瑞钊;;数据挖掘综述[J];模式识别与人工智能;2001年01期
6 朱建平,张润楚;数据挖掘的发展及其特点[J];统计与决策;2002年07期
7 傅岚;在数据海洋中打捞信息数据挖掘[J];科技广场;2002年11期
8 李峻;数据挖掘,企业洞察先机的“慧眼”[J];中国计算机用户;2002年48期
9 罗可,蔡碧野,卜胜贤,谢中科;数据挖掘及其发展研究[J];计算机工程与应用;2002年14期
10 ;2002数据挖掘研讨班[J];计算机工程;2002年06期
中国重要会议论文全文数据库 前10条
1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集(研究报告篇)[C];2000年
2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年
4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年
5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年
6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省(区)自动化学会第24届学术年会会议论文集[C];2006年
7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年
9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集(技术报告篇)[C];2001年
中国重要报纸全文数据库 前10条
1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年
2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年
3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年
5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年
6 本报记者 连晓东;数据挖掘:金融信息化新热点[N];中国电子报;2002年
7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年
8 本报记者 史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年
9 朱小宁;数据挖掘:信息化战争的基础工程[N];解放军报;2005年
10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年
中国博士学位论文全文数据库 前10条
1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年
2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年
3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年
4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年
5 李荣;生物信息数据挖掘若干关键问题研究与应用[D];复旦大学;2004年
6 李玉华;面向服务的数据挖掘关键技术研究[D];华中科技大学;2006年
7 吴少智;时间序列数据挖掘在生物医学中的应用研究[D];电子科技大学;2010年
8 王珊珊;知识指导下的数据挖掘在新闻和金融工具之间因果关系上的应用[D];中国科学技术大学;2009年
9 杨虎;序列数据挖掘的模型和算法研究[D];重庆大学;2003年
10 陈平;数据挖掘网格若干关键技术研究[D];北京邮电大学;2007年
中国硕士学位论文全文数据库 前10条
1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年
2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年
3 焦亚召;基于多核函数FCM算法在数据挖掘聚类中的应用研究[D];昆明理工大学;2015年
4 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年
5 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年
6 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年
7 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年
8 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年
9 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年
10 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026