基于数据挖掘的能源战略制定深入应用,该文是数据挖掘有关本科论文开题报告范文和数据挖掘和战略和能源相关毕业论文的格式范文.
数据挖掘论文参考文献：
【摘 要】 随着的大数据的普及,能源大数据是未来的发展趋势,本研究旨在通过对能源大数据进行挖掘,进而根据挖掘结果对能源发展问题发现与能源发展价值等政策制定提供了量化的决策依据.本文提出了一个能源概况评价体系,以美国南部四州能源数据为例,通过该体系进行数据建模综述四州能源概况,通过深入分析与对能源发展的预测的可以得出能源发展面临的问题,再使用BP 神经网络通过控制变量可以定量得出决策对能源发展的影响,进而达到科学决策的目的.
【关键词】 数据挖掘 控制变量 仿真预测
一、概述
如今是大数据时代,将大数据技术应用于制定能源发展战略,是推动决策创新,科学的趋势.政府在制定能源决策时通过各种能源的消费,生产数据,可充分挖掘能源发展特征.利于进行科学决策.因此,能源大数据是必然发展趋势.在任何经济中,能源生产和使用都是重要组成部分.在美国,能源政策的许多方面都下放到州层面.因此,各个州不同的地理及产业特点影响着能源的使用与生产.本文以美国南部与墨西哥边境的四个州——加利福尼亚州（CA）,亚利桑那州(AZ),新墨西哥州(NM),和得克萨斯州(TX) 为例,对其50 年来在能源生产和消费方面以及一些人口及经济信息进行数据挖掘,分析其过去50 年的公开能源数据[1],进而制定出一个切合实际的能源发展战略.
二、能源概况评价体系
在本研究中,我们提出一个四层能源概况评价体系,其由能源总消耗量和能源总生产量两者体现.最终本文细分成9 个指标来归类,将这9 个指标通过分层的组织结构作为引导,划分能源的种类及确定各层的内容和调用顺序,得到能源概况评价体系模型,如图1 所示.
三、数据建模综述四州能源概况
通过对数据清洗,排除无关因素后,利用matlab 拟合工具箱,通过对原始数据建模拟合分析和检验数据的预测精度分析,再经过多次拟合后发现利用基于Fourier 逼近的3 阶回归分析模型描述其优度最佳用以描述每个州在1960年-2009 年间能源概况（EP）的演变情况其拟合优度能达到最佳.
通过数学模型所表示的能源概况,总体来说四个州的能源生产大于与能源消耗,并且不可再生资源的消耗与生产远远大于可再生资源.
为了了解清洁可再生能源（RECE）的生产情况,通过上述模型得到可以得到可再生能源能源生产对能源总生产的占比如图2 所示.
每个州的清洁可再生能源的生产占总体比重基本低于10%,不同之处是,AZ 清洁可再生能源使用的波动幅度较大,而NM,TX 的波动幅度相对平缓,其中NM,TX 后期有上升的趋势.
四、 时间序列分析预测未来能源概况
根据1960 年到2009 四州的能源概况,为了对每个州在2025 年和2050 年的能源概况总体形势进行把握,使用时间序列预测建立ARIMA 模型,对2025 年和2050 年能源概况进行预测.这里以AZ 为例,分析得出其相关数据序列的自相关图（ACF）和偏自相关图（PACF）都不拖尾,说明序列是平稳的,再经过差分分析,发现其2 阶差分值最为完美,因此,可对原始数据序列建立ARIMA(p,2,q) 模型.通过对数据进行反复试验,确定模型为ARIMA(1,2,1).经验证,得到测试集平均误差为0.0427,该模型的精确度较高,可以进行对这些州能源使用的历史演变预测.同理可以得出四州的能源概况预测,我们发现四洲的能源消耗总体呈增长形式,并且其增长幅度远远大于生产的增长幅度.
通过前面的预测结果可以得出各个州的可再生能源使用量占比以及可再生能源的占比增长情况,四个州可再生能源发展都存在着同一个特征就是波动较小.如果在这些年来政府没有介入干预的话,可再生能源的消耗增长量与生产增长量几乎保持不变.所以,为了未来能源的可持续发展,政府部门应该介入干预,发展可再生资源.
五、基于BP 神经网络的可再生资源发展评估预测模型使用BP 神经网络对再生资源的消耗量的占能源总消耗的比率进行评估与预测.综合分析可知,可再生资源的消耗量的每年占比率与生物质能,太阳能,地热能,水电,核电,风能的每年占比率等指标有关,即结果满足与决策变量的可观规律.生物质能,太阳能,地热能,水电,核电,风能的每年占比率这5 个指标的年同比增长率因作为决策变量.把决策变量作为训练数据,最终得到可再生资源的消耗量的每年占比率作为神经网络的预测自变量.将四个州看为一个整体,把四个州的可再生资源的年总消耗量与生物质能,太阳能,地热能,水电,核电,风能的年总消耗量各自相加,数据处理后最终得到训练数据.
在matlab 神经网络工具箱中随机生成了3000 个初始权值,并通过这3000 个初始权值得到了很多不同情况的预测模型结果,筛选出最优的预测模型.
提取35 年的生物质能,太阳能,地热能,水电,核电,风能的每年占比率数据作为训练样本,剩下15 年的数据做为测试样本,设置神经元为6 个,训练次数为3000 次,训练训练误差值为0.01. 利用仿真函数来获得此次训练的过程,对剩下15 年的实际数据进行误差分析,经过残差分析后得到其其输出和实际值之间的平均残差为4.42%,满足测试.假设四个洲的政府通过发布政策或者措施后,使得生物质能,太阳能,地热能,水电,核电,风能的每年占比率在从2009 年的均提升20%,通过控制变量法,得到2025 年—2050 年的其同比占比率提升情况.
其中,生物质能2025 年-2050 年均占比率为5.62%,在5 个控制变量中最高,其次是水电,占4.589%,再依次分别为风能,地热能,太阳能.通过控制变量的占比高低,可以确定2025 年和2050 年可再生能源的使用目标,应该把生物质能,水能大量投入使用,如果没有生物质能和风能设施条件,也可大量投入风能,地热能,太阳能的使用.为此可以将其作为四个州新的能源协定.
六、能源发展战略制定
为了准确的考虑有没有必要把可再生能源提高来使用,得到未来全球可再生能源市场将增长数倍.由于利用市场调节不是万能的,而且有些领域不能让市场来调节,有些领域不能依靠市场来调节.其次,即使在市场调节可以广泛发挥作用的领域,市场也存在着固有的弱点和缺陷其中包括自发性、盲目性、滞后性.为此,尊重市场调节的前提下进行,提出一系列的政策弥补了市场调节的不足.具体如下：1. 政府应当采取相应的措施,发布政策,将可大量的资本投入再生能源行业,如能源概况评价体系中提到的生物质能、地热、水电、风能、太阳能相应生产的行业.在短期内,资本投资和可再生资源的开发应优先发展生物质能,水电和风能,使可再生资源增长达到最大化.
2. 鼓励越来越多的地区支持发展可再生能源的使用,降低不可再生能源与不可再生能源使用占比,如天然气、石油、煤的使用.
3. 能源生产企业应当投人巨大的资金扩张和收购可再生能源设施,如未来电动车.
4. 加大新型能源原料供应,如：风能、太阳能5. 加快新型技术的脚步,使更多的技术支持发展可再生能源.
上文点评:上文是关于数据挖掘方面的大学硕士和本科毕业论文以及数据挖掘和战略和能源相关数据挖掘论文开题报告范文和职称论文写作参考文献资料.
基于数据挖掘技术解决业务指标预测的方案
摘要信息中心目前涉及的业务有固定电话、宽带、GPS、无线市话、信息服务、数字电视、IPTV电视、无线 宽带…… 每年的基础收入将近1亿,随着经营压力不断增加,能否准确预测下一年的收入成为关键问题 如何.
新能源汽车月度数据追踪
4 月,新能源汽车产销分别完成37306 辆和34361 辆,比上年同期分别增长19 0 和7 9 14 月,新能源汽车生产95856 辆,比上年同期增长1 4；销售90402 辆,比上年同期下降0 .
新能源汽车重要数据追踪
地方推广（2016 122017 1）北京6 万辆3000 个17339 个近日,据报道,北京市交通委新闻发言人容军表示,2017 年小客车增量指标仍然控制在15 万辆,其中普通指标9 万,新能源指标.
2030愿景背景下沙特能源战略转型
在国际石油暴跌导致自身面临经济危机的背景下,沙特阿拉伯提出“2030愿景”和“国家转型计划”,以期通过能源战略转型实现自身经济转型升级 但由于该发展计划.