数据挖掘建模及其在电力决策支持中的应用研究

总序
论丛前言
第1章 引言
1．1 研究背景
1．1．1 行业背景
1．1．2 学术背景
1．1．3 研究意义
1．1．4 选题背景
1．2 数据挖掘与软计算综述
1．2．1 数据挖掘简介
1．2．2 软计算简介
1．2．3 软计算在数据挖掘中的应用
1．2．4 结论
1．3 数据挖掘在电力行业中的研究现状
1．3．1 数据挖掘在电力行业中的应用
1．3．2 结论
1．4 本书结构与安排
1．4．1 本书内容
1．4．2 技术路线
1．4．3 研究方法
1．5 本书主要创新
第2章 时序数据约简建模与应用
2．1 相关工作
2．2 多边形逼近约简
2．2．1 数学模型
2．2．2 理论证明
2．3 分段平均约简模型
2．3．1 数学模型
2．3．2 理论证明
2．4 实时约简算法
2．5 随机投影降维
2．5．1 数学模型
2．5．2 理论证明
2．6 模型验证试验
2．6．1 发电厂运载参数实验
2．6．2 实时分段平均算法实验
2．7 本章小结
第3章 新型距离测度模型与电力价格突变预测
3．1 电力价格预测
3．1．1 相关工作简述
3．1．2 电力价格预测方法论
3．2 电力价格突变
3．3 新型距离测度研究
3．3．1 动态时间弯曲
3．3．2 动态编程技术
3．4 快速动态时间弯曲
3．4．1 边界定理
3．4．2 分段平均动态时间弯曲
3．4．3 验证试验
3．5 基于相似搜索的突变预测
3．5．1 相似性搜索
3．5．2 突变发生器验证试验
3．6 本章小结
第4章 云特征挖掘模型与电价预测
4．1 云模型基本概念
4．1．1 云模型
4．1．2 云的数字特征
4．1．3 云发生器
4．2 云模型特征发现算法
4．2．1 定义
4．2．2 特征获取
4．3 带有突变分析的电价预测模型
4．4 云模型特征发现模型在电价突变中的应用
4．5 本章小结
第5章 容差粗集模型与客户信用度分析
5．1 粗集的基本知识
5．1．1 信息表
5．1．2 不可分辨关系
5．1．3 集合的下近似及上近似
5．1．4 约简与核
5．1．5 决策系统
5．2 容差粗集
5．3 遗传算法与参数选择
5．3．1 染色体表示
5．3．2 初始种群和适应函数选择
5．3．3 遗传操作
5．3．4 验证实验
5．4 容差粗集模型在电力用户信用度分析中应用
5．4．1 电力客户信用分析
5．4．2 基于容差粗集方法的客户信用分析
5．5 本章小结
第6章 电力企业决策支持应用平台实例
6．1 决策系统建设目标和要求
6．1．1 知识的存贮和提取
6．1．2 分析任务管理
6．1．3 新知识的反馈和存贮
6．2 PEDSS的基本架构
6．2．1 知识获取模块
6．2．2 反馈环
6．2．3 数据／知识预处理模块
6．2．4 知识仓库存贮模块
6．2．5 知识分析工作台
6．2．6 通信管理
6．3 PEDSS平台的技术设计
6．3．1 Web Services介绍
6．3．2 使用Web服务的优势
6．4 系统框架设计
6．4．1 用户接口
6．4．2 知识分析工作台
6．4．3 网络通信
6．5 系统实现
6．5．1 软件配置
6．5．2 实例举例
6．6 本章小结
第7章 结论与展望
7．1 本书的主要贡献
7．2 未来研究重点
参考文献
后记