收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

时序数据挖掘技术及其在水质预测中的应用研究

王勇  
【摘要】:时间序列数据挖掘是从大量的时间序列数据集中提取潜在的、有用的知识,据此预测时间序列的未来。本文结合导师“区域水环境监控及决策支持系统开发(广东省科技攻关项目)”和“流域水污染时滞大系统的建模与控制(国家自然科学基金项目)”的研究课题,进行了时序数据挖掘技术及其在水质预测中的应用研究。其主要内容包括:进行基于时序模式和规则的趋势预测方法研究、进行基于时序趋势结构序列的时序数据挖掘方法研究、进行基于粗糙集和趋势结构序列的时序挖掘方法研究、以及进行时序挖掘方法应用于水质预测上的研究。本文的主要工作、成果及核心部分归纳如下: (1)第一章概述时序数据挖掘的产生背景和研究现状,阐述进行时间序列数据挖掘技术及其在水质预测上的应用研究的价值和意义,给出本博士论文的组织结构和研究内容。 (2)第二章介绍数据挖掘的概念及数据挖掘的几个过程,概述关联规则的概念和关联规则的发现、分类发现的含义和分类发现的主要方法。 (3)第三章,作者给出上升的时间子序列和下降的时间子序列的概念,提出基于时间序列的模式和规则的趋势预测方法。对于给定的时间序列,该技术先把时间序列转换成时间子序列数据集,然后挖掘时间子序列数据集,重点挖掘其上升的或下降的时间子序列数据集,从中提取序列模式和规则;提出基于模式和规则、基于支持度和可信度的时序趋势预测。最后给出挖掘算法。 (4)第四章,作者定义时间序列的趋势结构序列、最近时间子序列、趋势结构相同、基于可信度和基于支持度的趋势预测的概念。作者认为最近时间子序列是时间序列的信息聚集器,在此基础上,提出基于时间序列的趋势结构序列的时序数据挖掘方法。该挖掘方法先把待挖掘的时间序列转换成时序趋势结构序列,然后利用时序趋势结构序列的最近时间子序列隐含的知识或信息,来指导对原时间序列的挖掘;提出基于可信度和支持度的时序趋势预测方法,并给出挖掘算法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 朱近贤;;数据挖掘技术在人力资源管理中的应用研究[J];计算机与信息技术;2008年10期
2 余腊生;李强;;数据挖掘在质量管理系统中的应用研究[J];计算机工程与设计;2010年10期
3 苏子毓;尹文龙;;基于粗糙集的推理机设计[J];科学技术与工程;2008年11期
4 董立岩;刘光远;苑森淼;李永丽;吴志辉;;数据挖掘技术在交通事故分析中的应用[J];吉林大学学报(理学版);2006年06期
5 夏立玲;;数据挖掘在流程工业中的应用研究[J];软件导刊;2009年10期
6 杨涛,李龙澍;基于时间序列相似搜索和粗糙集的数据挖掘研究[J];微机发展;2005年05期
7 石金彦,黄士涛,雷文平;粗糙集与决策树结合诊断故障的数据挖掘方法[J];郑州大学学报(工学版);2003年01期
8 周元哲,陈莉君;粗糙集技术在WEB网站的应用[J];西安邮电学院学报;2005年01期
9 柳炳祥;叶孝明;;数据挖掘在欺诈风险分析中的应用[J];商场现代化;2006年28期
10 蒋丽华;;数据挖掘技术在税务稽查中的应用[J];税务研究;2007年05期
11 熊燕;;数据挖掘技术在数字图书馆中的应用[J];怀化学院学报;2010年06期
12 尹雅莎;尹浩;罗建平;冀强;李珊;张炯;;数据挖掘及其医学应用[J];福建电脑;2006年11期
13 吕林涛;段娟云;李翠;;一种面向无线传感器网络的数据汇聚模型[J];计算机工程;2008年15期
14 曹占伟;王桂平;;数据挖掘技术在数字参考咨询中的应用浅析[J];科技信息(科学教研);2008年24期
15 王晓燕;;浅析数据挖掘技术[J];办公自动化;2009年10期
16 吴泽九;;数据挖掘的研究与应用[J];科技广场;2006年05期
17 孟珍伟;杜友福;秦建超;;现代数据挖掘技术与发展[J];中国科技信息;2007年02期
18 庄小将;;数据挖掘在客户关系管理中的应用[J];广东财经职业学院学报;2008年02期
19 赵泉;杨丽萍;蒯治任;;数据挖掘技术在战略管理中的应用[J];计算机与数字工程;2008年05期
20 李鑫;;数据挖掘在移动通信业中应用研究综述[J];电脑知识与技术;2008年23期
中国重要会议论文全文数据库 前10条
1 王令群;郑应平;周爱华;;数据挖掘技术在半导体生产过程数据分析中的应用[A];2005年中国智能自动化会议论文集[C];2005年
2 刘楚玲;谢赞福;;时间序列数据挖掘在信息系统维护中的应用[A];2008年计算机应用技术交流会论文集[C];2008年
3 汪海;邓智芳;;3G运营支撑系统中的数据挖掘技术[A];广东省通信学会2006年度学术论文集[C];2007年
4 孙琪;;过程工业的时间序列数据挖掘技术[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年
5 肖健梅;芦晓明;王锡淮;;集装箱起重机防摇系统粗糙集控制[A];第二十六届中国控制会议论文集[C];2007年
6 李晓丽;王彤;杜振龙;;基于粗糙集理论的流数据最优特征选择[A];第二十二届中国数据库学术会议论文集(研究报告篇)[C];2005年
7 聂力;王翰虎;;一个基于粗糙集理论的分类规则学习算法[A];第十六届全国数据库学术会议论文集[C];1999年
8 王旭阳;王彤;李明;;基于粗糙集理论的分类规则挖掘方法[A];第二十二届中国数据库学术会议论文集(研究报告篇)[C];2005年
9 刘永红;薛青;郑长伟;;基于粗糙集理论的C4ISR评估方法[A];第13届中国系统仿真技术及其应用学术年会论文集[C];2011年
10 易向军;宋威;;数据挖掘技术在冶金MES中的应用探讨[A];冶金自动化信息网年会论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 王勇;时序数据挖掘技术及其在水质预测中的应用研究[D];广东工业大学;2005年
2 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年
3 张国军;基于粗糙集的相对属性约简算法及决策方法研究[D];华中科技大学;2010年
4 马君华;粗糙集属性约简和聚类算法及其在电力自动化中的应用研究[D];华中科技大学;2010年
5 杨正瓴;时间序列中的混沌判定、预报及其在电力系统中的应用[D];天津大学;2003年
6 张晓伟;水文动力系统自记忆特性及其应用研究[D];西安理工大学;2009年
7 孙蕾;医学图像智能挖掘关键技术研究[D];西北大学;2005年
8 杨习贝;不完备信息系统中粗糙集理论研究[D];南京理工大学;2010年
9 倪丽萍;基于分形技术的金融数据分析方法研究[D];合肥工业大学;2010年
10 刘大同;基于Online SVR的在线时间序列预测方法及其应用研究[D];哈尔滨工业大学;2010年
中国硕士学位论文全文数据库 前10条
1 文小敏;面向ERP数据挖掘技术的研究及应用[D];广东工业大学;2005年
2 郑涛;基于数据元标准与粗糙集的数据挖掘技术研究[D];西南农业大学;2005年
3 何永沛;时间序列数据挖掘在股市预测分析中的应用研究[D];重庆大学;2008年
4 赖迪辉;数据挖掘在科技项目评估中的应用[D];天津大学;2005年
5 宋桐;基于时间序列的数据挖掘在证券分析中的应用[D];吉林大学;2009年
6 邵悦然;数据挖掘技术在我国铁路客运量预测中的应用[D];北京交通大学;2011年
7 李源;数据仓库与数据挖掘技术在综合网管中的应用[D];西安电子科技大学;2006年
8 马晓彬;面向协同质量管理的QFD方法研究[D];华中科技大学;2007年
9 张恒昆;基于案例的刑事审讯辅助决策算法研究及应用[D];大连理工大学;2006年
10 李婷;聚类分析在交通流时序数据挖掘中的应用[D];北京交通大学;2007年
中国重要报纸全文数据库 前10条
1 陈晓 山西财经大学教师;数据挖掘技术在高校教学管理中的应用[N];山西经济日报;2010年
2 ;《时间序列与金融数据分析》[N];中国信息报;2004年
3 记者 吕贤如;大力加强数据挖掘技术研究应用[N];光明日报;2006年
4 主持人 李禾;数据挖掘技术如何驱动经济车轮[N];科技日报;2007年
5 首之;数据挖掘并不神秘[N];金融时报;2006年
6 ;IBM公司推出新型数据挖掘技术[N];中国高新技术产业导报;2001年
7 刘红岩、何军;利用数据挖掘技术获得商业智能[N];中国计算机报;2003年
8 山西银行学校 王林芳;数据挖掘在银行业务中的应用[N];山西科技报;2005年
9 任中华;财务数据挖掘六步走[N];中国计算机报;2007年
10 诺达咨询高级咨询顾问 周连升;数据挖掘拓展3G增值空间[N];通信产业报;2007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
  • 010-62982499
  • 010-62783978