论文部分内容阅读
数据挖掘是从大型数据库或数据仓库中发现并提取隐藏在其中的信息的一种新技术,它能从数据仓库中自动分析数据,进行归纳性推理,从中发掘出潜在的模式;或者产生联想,建立新的业务模型,帮助决策者做出正确的决策。数据挖掘研究和实践表明:知识就隐藏在日常积累下来的大量数据之中,然而仅靠复杂的算法和推理并不能发现知识。人工智能技术,特别是神经网络技术与数据挖掘的结合为数据挖掘理论和方法的研究指出了一条新的道路。 本文对数据挖掘、神经网络的研究现状、发展趋势及应用领域进行了综述,阐述了数据挖掘、神经网络的基本概念、基本模型和传统实现方法。针对数据挖掘具体的研究内容,提出并实现了神经网络数据挖掘中的数据准备的一般处理方法、基于神经网络分类决策树的构造、基于神经网络的分类与预测、基于神经网络的关联规则挖掘和基于自组织神经网络的聚类分析的模型和算法。基于神经网络数据挖掘方法与传统数据挖掘方法相比较,在信息处理能力、关联规则挖掘和表示能力方面有较大提高。 根据基于神经网络数据挖掘的研究成果,并结合大庆油田采油三厂科研项目,研制开发出《萨北开发区北二西葡萄花油层水淹层识别系统》。系统以油田勘探开发数据库为底层数据支持,主要包括数据清洗、数据转换、数据抽取、基于神经网络方法的数据挖掘、结果评估和知识表示等功能,实现了水淹层的自动识别。