生产数据多维分析系统智能评判与智能预测技术研究

摘要

电解槽的能耗与电解铝的产量是影响铝电解厂经济效益的重要因素，本文的任务是对电解槽的槽况进行智能评判和出铝量进行智能预测。 本文将多维分析技术与数据挖掘技术结合为一体，针对铝电解生产数据的特点，进行了深入的理论和实验研究，设计并实现了铝电解生产数据的智能评判与智能预测系统。本文主要内容及创新如下： 1、对数据仓库技术、多维分析技术和数据挖掘技术进行了理论研究，并提出了基于多维分析技术和数据挖掘技术的智能评判与智能预测系统的体系结构。利用数据仓库和多维分析技术对铝电解数据进行抽取，得到我们需要的数据集，然后利用数据挖掘技术，对数据进行挖掘，得到数据中蕴含的规则，最后利用这些规则对槽况进行智能评判，对出铝量进行智能预测。 2、在数据挖掘的预处理过程中，针对大量空缺值，提出了均值波动替换法，在均值的基础上加上一个范围在-N到+N之间的数，避免了插入大量相同的值对决策树的生成造成的巨大影响。 3、提出了针对铝电解生产数据特点的ID3决策算法。ID3算法是一种归纳学习的算法，它以自上向下分而治之的方式构造决策树，它只能处理逻辑性数据或者离散化数据，并且用ID3算法生成的树节点依赖于特征值数目较多的数据，针对ID3算法的这种特性，并结合铝电解生产数据的特点，提出了改进的加权ID3算法和基于ID3算法的评判与预测流程。

目录

文摘

英文文摘

声明

1引 言

1.1课题研究背景与意义

1.2研究内容

1.3论文组织结构

2系统理论知识

2.1铝电解工艺

2.1.1铝电解工艺简介

2.1.2铝电解生产中的主要因素

2.1.3铝电解数据的特点

2.2数据仓库技术

2.2.1数据仓库的产生

2.2.2数据仓库理论

2.2.3数据仓库的应用前景

2.3联机分析处理技术(OLAP)

2.3.1 OLAP多维分析理论

2.3.2 OLAP的研究现状

2.3.3铝电解多维分析系统

2.4数据挖掘技术(DM)

2.4.1数据挖掘理论

2.4.2数据挖掘的现状

3基于OLAP的数据挖掘

3.1 OLAP和数据挖掘在分析数据时的区别

3.2 OLAP和数据挖掘结合的现状

3.3基于OLAP的数据挖掘研究

3.3.1 OLAP与数据挖掘结合的原因

3.3.2 OLAP与数据挖掘结合的目的

3.3.3 OLAP与数据挖掘结合的特性

3.3.4 OLAP与数据挖掘结合的体系结构

4策树算法在智能评判与智能预测系统中的应用

4.1智能评判与智能预测

4.2决策树概念

4.2.1什么是决策树

4.2.2构造决策树的过程

4.3决策树主要算法

4.3.1 ID3算法

4.3.2C4.5算法

4.4ID3算法改进

4.5 ID3算法与改进的加权ID3算法的比较

4.6如何用ID3算法进行智能评判与智能预测

5生产数据智能评判与智能预测系统的设计

5.1系统总体设计原则

5.2系统的环境搭建

5.3系统数据库设计

5.4铝电解数据仓库设计

5.4.1铝电解生产数据仓库的体系结构

5.4.2铝电解数据仓库建设

5.4.3铝电解数据仓库的数据模型

5.5智能评判与智能预测系统的数据挖掘设计

5.5.1数据预处理

5.5.2数据离散化

5.6基于OLAM的智能评判与智能预测体系结构

5.7系统的程序设计

6生产数据智能评判与智能预测系统的实现

6.1系统结构及功能模块

6.1.1系统结构图

6.1.2智能评判与预测系统流程

6.1.3系统的模块

7生产数据智能评判与智能预测系统的结果展示

7.1槽况智能评判结果展示

7.2出铝量智能预测结果展示

8结 论

参考文献

研究成果

致 谢