论文部分内容阅读
随着市场经济的进一步深化,成品油销售领域的竞争局面即将出现。为了能够在将来的竞争环境中占有更多的市场份额,最大程度稳定现有的客户,这就要求决策者在制定决策时能够充分了解客户的消费习惯,为客户提供良好的服务。另外,决策者还应该对市场销售行为作出准确的预测,合理调整库存,争取利益的最大化。
近几年在计算机研究领域比较热门的数据挖掘技术和神经网络技术为我们在辅助决策方面提供了有力的工具。其中数据挖掘研究将人工智能技术、数据库技术、数理统计技术、可视化技术以及逻辑等融为一体,是一个多学科相互交融所形成的一种新兴的、具有广泛应用前景的研究领域,其目标就是发现隐藏在大量数据之后的更重要的信息,这些信息在决策制定的过程中具有极高的参考价值。而神经网络技术作为人工智能的一个重要组成部分,已成为人工智能、神经科学、认知科学、心理学以及行为学等共同关心的焦点。神经网络技术目前已广泛应用于众多的领域中,并且取得了令人瞩目的成就。
本文在此背景下研究了关联模式挖掘算法和时间序列数据预测的神经网络模型,在此基础上设计并实现了一个智能辅助决策支持系统。本文的主要研究工作如下:
1.在对关联模式挖掘算法研究的基础上,将位矩阵的表示应用于关联模式挖掘中,并通过实验对其执行效率进行了验证。
2.通过对关联模式挖掘的增量式更新算法-IUA算法和FUP算法的研究,并把位矩阵的表示应用于关联模式增量挖掘中。
3.根据时间序列数据的统计方法预测模型,用基于经验的设计方法设计了单隐层、固定激活函数的时间序列数据的神经网络预测模型,并在给出网络结构评价方法的基础上,通过实验确定了神经网络预测模型隐层的结构和隐层的激活函数。
4.结合以上研究成果,设计并实现了大庆油田成品油销售智能辅助决策系统。