简介:简要介绍了精细化天气预报和气象数据挖掘应用的现状,在对BP神经网络预测方法详细分析的基础上,研究了基于时间序列数据挖掘实现精细化温度预报的方法。该方法基于时序分析技术,建立起适合于BP神经网络的输入样本模型,通过反复学习从温度时序中建立预测模型,将其用于未来24h的精细化温度预报。同时,对BP神经网络算法和步骤做了简要介绍,针对原有的BP算法存在的不足,做了一些改进。最后,通过对预测挖掘系统的设计和在Matlab6.5仿真平台上的试验,建立了温度预报模型,以兰州市观测站数据为时间序列研究对象,对精细化温度预报进行了仿真实现。对基于时序的数据挖掘理论的应用和开发精细化温度预报方法做了有益的探索。
简介:摘要: 目前,随着社会经济的快速发展,高科技技术也获得了稳步飞速发展,但随着科技的进步,市场工业生产也开始面向高速化、大型化以及智能化方向发展,虽然快速发展可以提升国家的综合实力,但这也会使机械设备的结构更加复杂,使得故障发生的原因更为复杂,且这些问题并非随机发生,为企业经营带来了难度。为了确保工业的稳定发展,企业必须不断提升故障诊断技术的水平,从而使其成为保障国民经济的重要方法。为了更为有效地诊断故障结果,企业应通过分析相关数据的方法辨别。在这个信息化时代,人们收集数据的能力得到了显著提升,数据收集量也由以往的 GB升级至 TB,且数据收集的主流内容便是高维数据。文中对 数据挖掘技术在煤矿机械故障诊断中的应用进行了分析。