数据挖掘在杂种优势预测中的研究

提出将数据挖掘技术和分子标记技术相结合的方法来进行杂种优势预测,将数据挖掘技术应用于分子标记的筛选、亲本间的关系分析和预测模型的建立中,并应用Jackknife抽样技术对预测分析进行检验,结果证明该方法具有一定的实用价值.     

数据挖掘技术及其在港口淤积预测中的应用研究

港口淤积问题是众多港口都不可避免而又必须慎重对待并加以解决的重要课题，本文通过对港口淤积量预测的现状及数据挖掘技术的分析，阐明了在港口淤积预测问题上应用数据挖掘技术的可行性，并进一步提出了应用数据挖掘技术解决港口淤积预测问题所采用的数据挖掘方法和流程。     

数据挖掘技术在变电站设备及缺陷管理系统中的应用

本文将数据挖掘技术应用到变电站设备及缺陷管理系统中,设计出设备缺陷数据挖掘系统,此系统包括数据预处理模块,数据挖掘模块和数据挖掘结果显示模块。文中根据变电站缺陷数据的特点,提出了采用多元线形回归模型进行数据挖掘的方法,并具体得以实现。实例表明该数据挖掘系统能够对缺陷的发生进行有效的预测。     

基于 RBF 神经网络的钢构件质量追溯系统研究

提出一种基于RBF神经网络的数据挖掘方法，将RBF神经网络应用于数据挖掘的分类和预测中，解决钢构件过程中的性能预测问题。其中用黄金分割法确定基于RBF神经网络的隐层节点数，减少该算法的计算复杂度，最终将其应用于某钢铁企业质量控制系统。构建对钢构件质量检测的数据挖掘及质量追溯平台,该平台是基于RBF神经网络的数据挖掘技术的。实际应用证明，产品的质量合格率可达到96.27%,符合国家相关的标准和技术指标。     

基于数据挖掘的植保预测系统

针对目前病虫害预测预报方法单一、适用面窄,设计并实现了一个基于数据挖掘的综合植保预测系统。系统结合数据仓库技术,采用分类、聚类、关联、时序搜索等多种挖掘模式,对多方面的植保数据进行分析、建模,达到预测的目的。     

数据挖掘在烟机设备管理中的应用

针对人为发现烟机设备故障趋势难度大的问题,运用数据挖掘技术提取烟机设备中隐含的、人们事先不知道的但又是潜在有用的信息与知识,并根据这些信息、知识对烟机设备故障问题进行预测分析,将人为发现转化为机器发现,从而为企业提供设备维修方面的决策支持,减少设备维修时间与成本消耗。以卷接电机为实例,利用决策树算法进行分类,分类结果与人为经验相符合,验证了数据挖掘技术在预测烟机设备故障趋势中的可行性。     

GIS与空间数据挖掘集成在农业中的应用

随着数据挖掘的发展与日益成熟,空间数据挖掘成为研究的热点之一,可以广泛地应用于地理信息系统、遥感图像处理、计算机利用等领域。进行了GIS与空间数据挖掘集成技术的初探,探讨DM在GIS中应用的必要性与可能性,以解决GIS中面临的"数据丰富但知识贫乏"的瓶颈问题。介绍在GIS数据库中进行数据挖掘,可以发现的知识类型和具体应用,最后以马尔可夫预测法预测未来几年的农业收成状态的实例说明空间数据挖掘技术对GIS的贡献。     

玉米精准作业智能空间决策支持系统的研究与应用

为解决玉米精准施肥、土壤肥力评价、地力等级分类和产量预测等问题,将具有空间信息处理功能的地理信息系统、具有空间信息分析功能的空间数据挖掘技术、人工智能领域中的专家系统技术与传统的信息管理系统、决策支持系统有效集成,并将GIS中的统计分析方法与数据可视化结合起来,研制了玉米精准作业智能空间决策支持系统。该系统极大提高了农业管理部门进行农业生产决策的能力。     

玉米精准作业智能空间决策支持系统的研究与应用

为解决玉米精准施肥、土壤肥力评价、地力等级分类和产量预测等问题,将具有空间信息处理功能的地理信息系统、具有空间信息分析功能的空间数据挖掘技术、人工智能领域中的专家系统技术与传统的信息管理系统、决策支持系统有效集成,并将GIS中的统计分析方法与数据可视化结合起来,研制了玉米精准作业智能空间决策支持系统。该系统极大提高了农业管理部门进行农业生产决策的能力。     

多媒体数据挖掘技术在数字图书馆馆藏资源开发利用中的应用

在数字图书馆馆藏资源开发利用当中,数据挖掘技术是一项核心技术,通过该项技术可以挖掘出长期闲置的珍贵数据资源。随着多媒体技术的不断兴起,多位学者将多媒体技术与其它软件技术进行结合,将多媒体技术与数据挖掘技术进行结合,通过利用多媒体数据挖掘技术对数字图书馆馆藏资源开发利用进行分析,为提高数字图书馆服务水平奠定基础。     

Support Vector Machines (SVM)-Markov Chain Prediction Model of Mining Water Inflow

This study was conducted to establish a Support Vector Machines (SVM)-Markov Chain prediction model for prediction of mining water inflow. According to the raw data sequence, the Support Vector Machines (SVM) model was built, and then revised by means of a Markov state change probability matrix. Through dividing the state and analyzing absolute errors and relative errors and other indexes of the measured value and the fitted value of SVM, the prediction results were improved. Finally, the model was used to calculate relative errors. Through predicting and analyzing mining water inflow, the prediction results of the model were satisfactory. The results of this study enlarge the application scope of the Support Vector Machines (SVM) prediction model and provide a new method for scientific forecasting water inflow in coal mining.     

Support Vector Machines(SVM)-Markov Chain Prediction Model of Mining Water Inflow

This study was conducted to establish a Support Vector Machines(SVM)-Markov Chain prediction model for prediction of mining water inflow. According to the raw data sequence, the Support Vector Machines(SVM) model was built, and then revised by means of a Markov state change probability matrix. Through dividing the state and analyzing absolute errors and relative errors and other indexes of the measured value and the fitted value of SVM, the prediction results were improved. Finally,the model was used to calculate relative errors. Through predicting and analyzing mining water inflow, the prediction results of the model were satisfactory. The results of this study enlarge the application scope of the Support Vector Machines(SVM) prediction model and provide a new method for scientific forecasting water inflow in coal mining.     

基于数据挖掘技术的黄土湿陷性评价

为了运用数据挖掘技术进行黄土湿陷性评价,根据实际工程资料建立了黄土物理力学数据库,用主成分分析法对原数据进行压缩,用压缩后的新变量依据人工神经网络理论建立了预测模型,用BP算法进行了模型的校正及预测。工程实例分析表明,预测湿陷系数与试验值所得湿陷系数的湿陷量计算值相比,准确率可达96%以上,说明这种智能化评价方法具有可行性和实用性。     

近红外光谱法快速测定烟草中淀粉含量

[目的]快速测定烟草中淀粉的含量。[方法]采用近红外(NIR)漫反射光谱仪扫描140个烤烟烟叶样品,连续流动法测定其淀粉的含量,多种参数方法对谱图进行处理,最后选择消除常数法对光谱进行预处理和偏最小二乘法对数据进行拟合,建立了烤烟中淀粉的NIR预测模型,并对这些模型进行了外部验证。[结果]淀粉的预测值与连续流动法测定值的平均相对偏差均在5%以内,精密度RSD均小于5%。[结论]该模型可快速测定烟叶中淀粉的含量,对控制烟草调制过程中淀粉的转化和烟草制品中的淀粉含量具有重要意义。     

数据挖掘技术在公共图书馆讲座业务中的应用研究

将数据挖掘技术应用于公共图书馆的讲座业务中,从而建立起听众和讲座之间的联系,对提高讲座管理决策合理性具有实践价值。     

泊松曲线在软土路基沉降预测中的应用研究

泊松曲线是一种精度较高的沉降预测方法,但是它只能在等时空距数据条件下才能使用,在工程实际中观测的数据很难满足这一要求。本研究采用最小二乘法与Lagrange二次插值法将非等时空距数据转化成等时空距数据,并以某高速公路试验段沉降观测数据为例,建立了沉降量泊松曲线预测模型,并与灰色模型、三点法、双曲线法的预测结果及实测结果进行了对比,结果表明,泊松曲线模型的预测沉降量与实际沉降量更接近。     

西安地区小麦病虫害发生程度预测研究

根据2001～ 2011年西安地区小麦主要病虫害总发生面积,选取对应年有关气象资料,利用相关统计分析方法,确定关键气象因子,采用模糊数学原理对西安地区小麦病虫害发生程度进行分析预测,建立了简单易行,适于基层推广使用的模糊数学预测模型.结果表明,该模型预测效果较好,且历史拟合率极高,具有较强的实用价值.     

基于信息粒化和支持向量机的股票价格预测

信息粒化是进行海量数据挖掘和模糊信息处理的有效工具。本文提出了一种基于信息粒化和支持向量机的股票价格预测方法。利用长安汽车的股票数据,建立股票开盘价回归预测模型,该模型克服了传统时间序列模型仅局限于线性系统的情况。应用实例表明：该方法能有效地预测股票价格的变化范围。     

基于决策树的农业气象灾害等级预测模型

在讨论数据挖掘技术的基本概念、决策树方法的基础上,结合牡丹江地区部分县区风雹灾害数据样本,采用决策树C4.5分类算法,建立了农业气象灾害等级决策树预测模型。通过该预测模型可预测各地直接经济损失程度,为该领域的数据挖掘提供了合理的挖掘模式,并得出了有效的分析结论。