【摘要】：【目的/意義】數(shù)據(jù)挖掘是從龐大數(shù)據(jù)中挖掘出有潛在價值信息的信息處理技術(shù),它包括神經(jīng)網(wǎng)絡(luò)、遺傳算法、粗糙集、支持向量機和決策樹等多門技術(shù),其中神經(jīng)網(wǎng)絡(luò)法具有良好的自學(xué)習(xí)和含聯(lián)想儲存功能,能夠高速尋找優(yōu)化解,有效提高需求預(yù)測準(zhǔn)確率�！痉椒�/過程】本文利用BP神經(jīng)網(wǎng)絡(luò)具有的優(yōu)異非線性逼近能力,以我國天然氣需求量預(yù)測為例,對需求量數(shù)據(jù)進行訓(xùn)練并采用L-M算法進行改進,最終提高對天然氣需求量的預(yù)測精度。【結(jié)果/結(jié)論】實驗結(jié)果證明,利用數(shù)據(jù)挖掘中的BP神經(jīng)網(wǎng)絡(luò)非線性預(yù)測優(yōu)勢能準(zhǔn)確捕捉天然氣需求預(yù)測的變化趨勢,為精準(zhǔn)預(yù)測需求提供了一種有效的工具。
[Abstract]:[objective] data mining is a kind of information processing technology which can mine potential value information from huge data. It includes neural network, genetic algorithm, rough set, support vector machine and decision tree, and other multi-gate technologies, such as neural network, genetic algorithm, rough set, support vector machine, decision tree and so on. The neural network method has good self-learning and associative storage function, can find the optimal solution at high speed, and improve the accuracy of demand prediction effectively. [methods / processes] this paper uses the excellent nonlinear approximation ability of BP neural network, Taking the prediction of natural gas demand in China as an example, this paper trains the demand data and improves the prediction precision of natural gas demand by using L\ {m\} M algorithm. [results / conclusion] the experimental results prove that the prediction precision of natural gas demand is improved. The advantage of nonlinear prediction of BP neural network in data mining can accurately capture the trend of natural gas demand prediction, which provides an effective tool for accurate prediction of natural gas demand.
【作者單位】： 西南石油大學(xué)經(jīng)濟管理學(xué)院;西南油氣田公司天然氣經(jīng)濟研究所;西南油氣田公司重慶氣礦;西南油氣田公司社會保險中心;
【基金】：國家科技重大專項(2016ZX05062)
【分類號】：F426.22;TP183;TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 曠章輝;王甲海;周雅蘭;;用改進的競爭Hopfield神經(jīng)網(wǎng)絡(luò)求解多邊形近似問題[J];計算機科學(xué);2009年03期

2 高永建 ,吳健康;神經(jīng)網(wǎng)絡(luò)及其識別應(yīng)用簡介[J];電信科學(xué);1990年02期

3 謝國梁;;神經(jīng)網(wǎng)絡(luò):從希望到現(xiàn)實[J];激光與光電子學(xué)進展;1991年01期

4 鄭士貴;文獻自動閱讀神經(jīng)網(wǎng)絡(luò)[J];管理科學(xué)文摘;1996年08期

5 呂芬;趙生妹;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的噪聲字母識別[J];計算機與信息技術(shù);2005年12期

6 李毅;童紅俊;宋貴寶;李冬;;神經(jīng)網(wǎng)絡(luò)在飛行器航跡仿真計算中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報;2006年05期

7 林鋼;;基于SOM神經(jīng)網(wǎng)絡(luò)對潛在客戶的挖掘[J];南寧職業(yè)技術(shù)學(xué)院學(xué)報;2006年04期

8 楊帆;陳勁杰;唐梅華;陳鑫;;簡論神經(jīng)網(wǎng)絡(luò)在搜索中的應(yīng)用[J];機械管理開發(fā);2008年01期

9 朱紅斌;;LVQ神經(jīng)網(wǎng)絡(luò)在交通事件檢測中的應(yīng)用[J];計算機工程與應(yīng)用;2008年34期

10 李彤巖;李興明;;神經(jīng)網(wǎng)絡(luò)在確定關(guān)聯(lián)規(guī)則挖掘算法權(quán)值中的應(yīng)用研究[J];計算機應(yīng)用研究;2008年05期

相關(guān)會議論文 前10條

1 陳文新;王長富;戴蓓倩;;基于神經(jīng)網(wǎng)絡(luò)的漢語四聲識別[A];第一屆全國語言識別學(xué)術(shù)報告與展示會論文集[C];1990年

2 李睿;李明軍;;一種模糊高斯基神經(jīng)網(wǎng)絡(luò)在數(shù)值逼近上的仿真[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

3 許旭萍;臧道青;;采用Hopfield神經(jīng)網(wǎng)絡(luò)實施缸蓋表面點陣字符識別[A];第十五屆全國汽車檢測技術(shù)年會論文集[C];2011年

4 朱長春;;神經(jīng)網(wǎng)絡(luò)用于線性時固有系統(tǒng)的廣義狀態(tài)轉(zhuǎn)移矩陣的識別[A];中國工程物理研究院科技年報（1999）[C];1999年

5 史東輝;蔡慶生;張春陽;;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2000年

6 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應(yīng)用[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會成立30周年暨中國農(nóng)業(yè)工程學(xué)會2009年學(xué)術(shù)年會（CSAE 2009）論文集[C];2009年

7 魏順平;;教育數(shù)據(jù)挖掘:現(xiàn)狀與趨勢[A];信息化、工業(yè)化融合與服務(wù)創(chuàng)新——第十三屆計算機模擬與信息技術(shù)學(xué)術(shù)會議論文集[C];2011年

8 關(guān)清平;沉培輝;;概率網(wǎng)絡(luò)在數(shù)據(jù)挖掘上的應(yīng)用[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會論文集[C];2004年

9 丁瑾;;基于Web數(shù)據(jù)挖掘的綜述[A];山西省科學(xué)技術(shù)情報學(xué)會學(xué)術(shù)年會論文集[C];2004年

10 聶茹;田森平;;Web數(shù)據(jù)挖掘及其在電子商務(wù)中的應(yīng)用[A];中南六�。▍^(qū)）自動化學(xué)會第24屆學(xué)術(shù)年會會議論文集[C];2006年

相關(guān)重要報紙文章 前10條

1 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學(xué)計算機科學(xué)與技術(shù)學(xué)院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

2 《網(wǎng)絡(luò)世界》記者 王瑩;數(shù)據(jù)挖掘保險業(yè)的新藍海[N];網(wǎng)絡(luò)世界;2012年

3 劉俊麗;基于地理化的網(wǎng)絡(luò)數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 ;數(shù)據(jù)挖掘：如何挖出效益？[N];中國計算機報;2004年

6 任中華;財務(wù)數(shù)據(jù)挖掘六步走[N];中國計算機報;2007年

7 電腦商報記者 謝濤;數(shù)據(jù)挖掘：未來政府信息化的重要環(huán)節(jié)[N];電腦商報;2007年

8 吳勇毅;軟件選型:數(shù)據(jù)挖掘是重點[N];中國冶金報;2009年

9 本報特約撰稿 許麗萍;數(shù)據(jù)挖掘:軟件應(yīng)用的新境界[N];計算機世界;2009年

10 謝立宏博士;企業(yè)的“黃金眼”數(shù)據(jù)挖掘決策支持[N];中國計算機報;2002年

相關(guān)博士學(xué)位論文 前10條

1 李曉剛;基于神經(jīng)網(wǎng)絡(luò)的碼垛機器人視覺位姿測量及伺服控制研究[D];北京林業(yè)大學(xué);2015年

2 戶保田;基于深度神經(jīng)網(wǎng)絡(luò)的文本表示及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

3 沈旭;基于序列深度學(xué)習(xí)的視頻分析：建模表達與應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2017年

4 諸勇;正交回歸神經(jīng)網(wǎng)絡(luò)及其在控制系統(tǒng)中的應(yīng)用[D];浙江大學(xué);1998年

5 于自強;海量流數(shù)據(jù)挖掘相關(guān)問題研究[D];山東大學(xué);2015年

6 張馨;全基因組SNP芯片應(yīng)用于CNV和L0H分析的軟件比對與數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

7 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術(shù)研究[D];復(fù)旦大學(xué);2013年

8 白曉明;基于數(shù)據(jù)挖掘的復(fù)合材料宏—細觀力學(xué)模型研究[D];哈爾濱工業(yè)大學(xué);2016年

9 吳賢;社會化數(shù)據(jù)挖掘中的若干問題研究[D];上海交通大學(xué);2015年

10 楊博;基于GPU異構(gòu)體系結(jié)構(gòu)的大規(guī)模圖數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

2 蔡邦宇;人臉識別中單次ERP時空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

3 鄭川;垃圾評論檢測算法的研究[D];西南交通大學(xué);2015年

4 汪濟民;基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測和性別識別研究[D];南京理工大學(xué);2015年

5 彭玲玲;基于不確定理論與機器學(xué)習(xí)的行人檢測[D];長安大學(xué);2015年

6 楊陳東;BP-Fisher判別分析法[D];長安大學(xué);2015年

7 孟鑫;基于Hadoop云平臺下的客流量預(yù)測研究[D];長安大學(xué);2015年

8 張勇;深度卷積神經(jīng)網(wǎng)絡(luò)在車牌和人臉檢測領(lǐng)域的應(yīng)用研究[D];鄭州大學(xué);2015年

9 宋璐璐;財經(jīng)職業(yè)技術(shù)學(xué)院票務(wù)管理系統(tǒng)的設(shè)計與實現(xiàn)[D];西安工業(yè)大學(xué);2015年

10 陳銳浩;基于神經(jīng)網(wǎng)絡(luò)的口令屬性分析工具開發(fā)[D];上海交通大學(xué);2015年

，

本文編號：2464645