基于數(shù)據(jù)挖掘的煤價預測及其質價分析.pdf

1、隨著網(wǎng)絡、數(shù)據(jù)庫技術的迅速發(fā)展以及數(shù)據(jù)庫管理系統(tǒng)的廣泛應用,人們積累的數(shù)據(jù)越來越多。數(shù)據(jù)挖掘(Data Mining)是從大量的實際應用數(shù)據(jù)中提取隱含信息和知識,它利用了數(shù)據(jù)庫、人工智能和數(shù)理統(tǒng)計等多方面的技術,是一類深層次的數(shù)據(jù)分析方法。目前對數(shù)據(jù)挖掘技術的研究越來越多,其應用范圍涉及銀行、電信、保險、交通等諸多領域。分類和預測是數(shù)據(jù)挖掘領域中兩種重要的數(shù)據(jù)分析形式,可以用于提取描述重要數(shù)據(jù)類的模型或預測未來的數(shù)據(jù)趨勢。
　　在

2、當今經(jīng)濟社會中正確的預測具有重要的作用,它可以幫助一個企業(yè)做出正確決定從而改善效益。在本文中作者主要討論數(shù)據(jù)挖掘技術在煤炭價格預測中的應用,這里的煤炭價格主要是指發(fā)電廠購買煤炭的價格。我國是主要依靠火力發(fā)電的國家,主要使用的能源就是煤炭。近幾年,由于電煤短缺,煤質變化很大,嚴重影響著火電廠的經(jīng)濟效益,直接影響電廠的供電煤耗。如果能對煤炭信息進行科學管理并適當預測,就可以使發(fā)電廠的資金得到合理配置,從容應對市場變化,國民電力能源供應也會得

3、到充分保證。
　　本文依托企業(yè)管理信息系統(tǒng)數(shù)據(jù)庫,通過數(shù)據(jù)挖掘的方法對煤炭入廠數(shù)據(jù)進行分析,利用機器學習方法對煤炭價格進行預測,從而達到對入廠煤的質價進行分析的目的。本文的主要工作包括以下幾個方面:
　　(1)首先介紹了數(shù)據(jù)挖掘的概念以及數(shù)據(jù)挖掘的支撐技術,如決策樹、人工神經(jīng)網(wǎng)絡和粗糙集等方法,接著介紹了數(shù)據(jù)預測的基本知識,分析了煤炭價格預測的特點,研究了分類預測中的覆蓋算法和SVM算法。
　　(2)利用SVM與覆蓋算

4、法對UCI公用數(shù)據(jù)集進行分類實驗,實驗表明核覆蓋算法在高樣本數(shù)的分類中具有相當高的分類準確率。
　　(3)本文將SVM與覆蓋算法應用到煤炭價格的預測,在對入廠煤價格的預測的基礎上,進一步將煤價范圍細分,達到對即將入廠煤質價分析的目的,電廠可據(jù)此對即將入廠煤進行質價評估,預算企業(yè)盈虧。分類實驗分為兩步進行,進一步細分了煤價范圍,同時也在很大程度上降低了拒識率。
　　(4)結合實驗分析了核覆蓋算法相對于其他算法的優(yōu)越性。將SVM

5、算法和覆蓋算法的實驗結果進行了比較,兩者都具有較高的準確率,SVM對于小樣本的分類準確率略優(yōu)于核覆蓋算法,而對于高樣本數(shù)的預測準確率稍低于核覆蓋算法;實驗表明在進行煤炭價格預測時,核覆蓋算法準確率要高于領域覆蓋算法,所產(chǎn)生的分類器的復雜性比領域覆蓋算法要低,在對高樣本數(shù)的預測中有相當高的準確率,因此最適合用于煤炭價格預測。
　　本文將數(shù)據(jù)挖掘技術應用于煤炭價格預測方面,發(fā)現(xiàn)這種預測具有一定的前景。對煤炭價格的科學合理的預測,可以為