基于数据挖掘的电力营销决策支持系统的结构原理及算法研究
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
３ ． １ 识获取的“ 瓶颈” 问题
１ ． 数 据挖 掘概 述
１ ． １ 数据挖掘 数据 挖掘可 以理解 成是从 一个海量 的数 据中经过一系列 的处 理 得到我们 所需要 的知识数据的过程 所谓 的一 系列处理是指数据需要 经过分类提取和优化整合 数据挖掘的过程是获得人们事先不知道的 但又是潜在有用的信息 和知识 的过程 将数据挖 掘引人 到电力营销觉 得系统 中可 以获得非常关键 的营销数据信 息。 这些 营销数据信息能够 对营销决策系统 的结果起到决定性 的作用 ， 从而能够使 电力公司 的领 导层获得更好 的决策依据同 时数据挖掘也 能够 及时的获得随之环境
间的信息交流蕻 表 现的形式是用户的操作界面（ 软件界面） 。
２ ． ２应 用 层 应用层是 电力 营销决 策支持 系统 中的接 口实现部分， 应用层在 电
力 营销决策 支持 系统中的功能是实现系统功能 的控制和引导， 并 给出
一
定 的解 释
２ ． ３ 决策分析层 电力 营销决策支持 系统 中的决策分析层 是由三个不 同的部 分来 组 成的， 分别是 Ｏ Ｌ Ａ Ｐ子 系统 、 Ｄ Ｍ子 系统和模型决策分析子系统， 这三 个 子系统是 整个 的电力营销决策支持系统的核 心。
的需段
系统 中的知识包 含在 知识 库以及模型库之中。 知识库和模 型库中 的知识总是有限 的。 而实际决 策的情况有可能千差万别 ， 库中的知识很 难满足不断 出现 的各种实际决 策问题 ３ ． ２数据集成问题 实际业 务数据通常是分散 的萁 数据种类 方式各异， 有异构数据库 上数据， 也有互 联网上 的数据 。 还有文本数据 等等， 而决策支持 系统需 要大量综合且动态集成 的数据。 是否能有效 动态 集成这些数据将关系 到决策系统能否 真正地发挥作用 ３ ． ３数据库平 台问题 传统 的数据库 系统面 向以事务处理 为主的联 机事务处理 ｆ 简称 Ｏ Ｔ Ｌ Ｐ ） 应用． 而Ｏ Ｔ Ｌ Ｐ应用处理 的数据量 较少． 而 Ｄ ｓ ｓ 需要综合 处理大 量 的历史数据， 因此传统数据库平台很难满足 Ｄ Ｓ Ｓ高级决 策分 析应用
改变而对公司的某些方 面指标 的影响’ 从而方便领导作出决策 。
１ ． ２数据挖掘的基本任务 数据挖掘的二个基本 目标是 预测和描述 预测指用一些变量或数 据库 中的若干已知字段预测其 它感 兴趣的变量或 字段 的未知或未来 的值； 另一方面， 描述指找到描述数据 的可理解模式 根据发现知识不 同， 数 据挖掘的基本任务为： 分类 、 聚类 、 预测 、 关联性 、 特征及 区分 、 变 化 以及偏差分析等 １ ． ２ ． １ 关 联 分 析 若两个或多个数据项的取值重复 出现且概率很高时。 它就存 在某 种关联， 可 以建立起这些数据项 的关联规则 。关联规则 常附加最小支 持度和最小可信度二个 闽值指标， 支持度表示该规则所代表 事例 阮组１ 占全部事例阮组１ 的百 分比 可信度表示该规则的所代表的事例 占满足 条件事例的百分 比 １ ． ２ ． ２时序模式分析 时序模式分析的侧重点在于分析数据间的前后或 因果关系。在时 序模式 中， 需要找 出在某个最小时间内出现比率一直高于某一最小百分 比（ 闭值） 的规则。 这些规则会 随着形式 的变化做适当的调整 时序模式 中， 一个有重要影响的方法是“ 相似时序” 。 用相似时序 的方法， 要按时间 顺序查看时间事件数据库从 中找出另一个或多个相似的时序事件 １ ． ２ － ３ 聚类 分析 聚类分析法的 目的是根据一定 的规则－ Ａ理地划分记录集合 。 并 用 显式或 隐式 的方 法描 述不同的类别 当给定距离闭值后 ’ 各样本按 闲 值进行聚类
３ ． 决策支持系统存在 的问题
决策支持系统 的应用现状并不理想。 真正投入运行并 取得 良好效 果的例子并不多 即便 己投入使用的系统其功能也非常有限， 有些开发 的系统仅为简单 的查询 系统或报 表系统 。 并 不能给决策者提供需要 的 辅助决策信息， 远 远达不 到人们 的期望 。总体来讲， 系统在开发及使用 过程 中主要存在以下问题
业的实际需求． 研 究电力营销决策支持 系 统的 总体结构框架及 数据挖掘算 法具有重要的理论和 实用意义。 ．
【 关键词 】 数据挖掘技 术； 电力营销 决策 系统 ； 数据挖掘算法
０ ． 绪 论 相对于其他 的行业来讲． 电力行业有着非常明显的特点， 即技术密 集型和资金 密集型两个特点 。当前， 我 国的电力行业 正在向电力市场 化方 面转变。 已经不在是 以前 的传统 的垄 断式的经营模式 这样能够 为 当前 的电力企业加人有效 的竞争机制 ， 使 得电力企业能够提高各 自 的经济效益’ 从而在根本上降低 电力生产的成本和售价。 从而使得我 国 的国民经济能够健康快 速的发展 本文从 电力 营销决策 系统的重要 性人手． 首先对数据挖掘技术进 行 了一个 概述， 然后对电力营销决策系统在 电力营销系统 的应用现状 进行 了分析。 得 出了不足
２ ０ １ ４ 年３ ０ 期
科技 一向导
◇ 科技论坛◇
基于 数据挖掘 的电力营销决 策 支持系统的结构原理及算法研究
贺 伟 军 刘小 渊 （ 国 网浙 江 省 电 力 公 司岱 山县 供 电公 司 浙江 岱山 ３ １ ６ ２ ０ ０ ）
【 摘 要】 电力营销决策系统是电力营销过程中的一个重要的智能应用系统。由于电力营销决策系统涉及的数据比较多， 在系统中往往会 出 现一些数据、 采集不全面、 数据分 析结 果不正确的情况。 因 此， 在传统的Ｄ ｓ ｓ （ 智能决策支 持系 统） 基础之上融 合数据 挖掘技术， 结 合电力 营销行
１ ． 数 据挖 掘概 述
１ ． １ 数据挖掘 数据 挖掘可 以理解 成是从 一个海量 的数 据中经过一系列 的处 理 得到我们 所需要 的知识数据的过程 所谓 的一 系列处理是指数据需要 经过分类提取和优化整合 数据挖掘的过程是获得人们事先不知道的 但又是潜在有用的信息 和知识 的过程 将数据挖 掘引人 到电力营销觉 得系统 中可 以获得非常关键 的营销数据信 息。 这些 营销数据信息能够 对营销决策系统 的结果起到决定性 的作用 ， 从而能够使 电力公司 的领 导层获得更好 的决策依据同 时数据挖掘也 能够 及时的获得随之环境
间的信息交流蕻 表 现的形式是用户的操作界面（ 软件界面） 。
２ ． ２应 用 层 应用层是 电力 营销决 策支持 系统 中的接 口实现部分， 应用层在 电
力 营销决策 支持 系统中的功能是实现系统功能 的控制和引导， 并 给出
一
定 的解 释
２ ． ３ 决策分析层 电力 营销决策支持 系统 中的决策分析层 是由三个不 同的部 分来 组 成的， 分别是 Ｏ Ｌ Ａ Ｐ子 系统 、 Ｄ Ｍ子 系统和模型决策分析子系统， 这三 个 子系统是 整个 的电力营销决策支持系统的核 心。
的需段
系统 中的知识包 含在 知识 库以及模型库之中。 知识库和模 型库中 的知识总是有限 的。 而实际决 策的情况有可能千差万别 ， 库中的知识很 难满足不断 出现 的各种实际决 策问题 ３ ． ２数据集成问题 实际业 务数据通常是分散 的萁 数据种类 方式各异， 有异构数据库 上数据， 也有互 联网上 的数据 。 还有文本数据 等等， 而决策支持 系统需 要大量综合且动态集成 的数据。 是否能有效 动态 集成这些数据将关系 到决策系统能否 真正地发挥作用 ３ ． ３数据库平 台问题 传统 的数据库 系统面 向以事务处理 为主的联 机事务处理 ｆ 简称 Ｏ Ｔ Ｌ Ｐ ） 应用． 而Ｏ Ｔ Ｌ Ｐ应用处理 的数据量 较少． 而 Ｄ ｓ ｓ 需要综合 处理大 量 的历史数据， 因此传统数据库平台很难满足 Ｄ Ｓ Ｓ高级决 策分 析应用
改变而对公司的某些方 面指标 的影响’ 从而方便领导作出决策 。
１ ． ２数据挖掘的基本任务 数据挖掘的二个基本 目标是 预测和描述 预测指用一些变量或数 据库 中的若干已知字段预测其 它感 兴趣的变量或 字段 的未知或未来 的值； 另一方面， 描述指找到描述数据 的可理解模式 根据发现知识不 同， 数 据挖掘的基本任务为： 分类 、 聚类 、 预测 、 关联性 、 特征及 区分 、 变 化 以及偏差分析等 １ ． ２ ． １ 关 联 分 析 若两个或多个数据项的取值重复 出现且概率很高时。 它就存 在某 种关联， 可 以建立起这些数据项 的关联规则 。关联规则 常附加最小支 持度和最小可信度二个 闽值指标， 支持度表示该规则所代表 事例 阮组１ 占全部事例阮组１ 的百 分比 可信度表示该规则的所代表的事例 占满足 条件事例的百分 比 １ ． ２ ． ２时序模式分析 时序模式分析的侧重点在于分析数据间的前后或 因果关系。在时 序模式 中， 需要找 出在某个最小时间内出现比率一直高于某一最小百分 比（ 闭值） 的规则。 这些规则会 随着形式 的变化做适当的调整 时序模式 中， 一个有重要影响的方法是“ 相似时序” 。 用相似时序 的方法， 要按时间 顺序查看时间事件数据库从 中找出另一个或多个相似的时序事件 １ ． ２ － ３ 聚类 分析 聚类分析法的 目的是根据一定 的规则－ Ａ理地划分记录集合 。 并 用 显式或 隐式 的方 法描 述不同的类别 当给定距离闭值后 ’ 各样本按 闲 值进行聚类
３ ． 决策支持系统存在 的问题
决策支持系统 的应用现状并不理想。 真正投入运行并 取得 良好效 果的例子并不多 即便 己投入使用的系统其功能也非常有限， 有些开发 的系统仅为简单 的查询 系统或报 表系统 。 并 不能给决策者提供需要 的 辅助决策信息， 远 远达不 到人们 的期望 。总体来讲， 系统在开发及使用 过程 中主要存在以下问题
业的实际需求． 研 究电力营销决策支持 系 统的 总体结构框架及 数据挖掘算 法具有重要的理论和 实用意义。 ．
【 关键词 】 数据挖掘技 术； 电力营销 决策 系统 ； 数据挖掘算法
０ ． 绪 论 相对于其他 的行业来讲． 电力行业有着非常明显的特点， 即技术密 集型和资金 密集型两个特点 。当前， 我 国的电力行业 正在向电力市场 化方 面转变。 已经不在是 以前 的传统 的垄 断式的经营模式 这样能够 为 当前 的电力企业加人有效 的竞争机制 ， 使 得电力企业能够提高各 自 的经济效益’ 从而在根本上降低 电力生产的成本和售价。 从而使得我 国 的国民经济能够健康快 速的发展 本文从 电力 营销决策 系统的重要 性人手． 首先对数据挖掘技术进 行 了一个 概述， 然后对电力营销决策系统在 电力营销系统 的应用现状 进行 了分析。 得 出了不足
２ ０ １ ４ 年３ ０ 期
科技 一向导
◇ 科技论坛◇
基于 数据挖掘 的电力营销决 策 支持系统的结构原理及算法研究
贺 伟 军 刘小 渊 （ 国 网浙 江 省 电 力 公 司岱 山县 供 电公 司 浙江 岱山 ３ １ ６ ２ ０ ０ ）
【 摘 要】 电力营销决策系统是电力营销过程中的一个重要的智能应用系统。由于电力营销决策系统涉及的数据比较多， 在系统中往往会 出 现一些数据、 采集不全面、 数据分 析结 果不正确的情况。 因 此， 在传统的Ｄ ｓ ｓ （ 智能决策支 持系 统） 基础之上融 合数据 挖掘技术， 结 合电力 营销行