1. Trang chủ
  2. Luận Văn - Báo Cáo

Áp dụng khai phá dữ liệu (data mining) trong phân tích, quản lý sử dụng điện

162 49 0
Áp dụng khai phá dữ liệu (data mining) trong phân tích, quản lý sử dụng điện

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

... tơi thực đề tài nghiên cứu cấp ĐHQG-HCM trọng điểm với tên đề tài:? ?Áp dụng khai phá liệu (data mining) phân tích, quản lý sử dụng điện? ??, mã số đề tài B2012-20-06TĐ, tận tình hướng dẫn thủ tục, quy... trên, Chiu [14] (1994) đề xuất phương pháp chỉnh sửa từ phương pháp Mountain Clustering, gọi trừ nhóm Trong điểm liệu mắt lưới xem tâm nhóm Sử dụng phương pháp làm cho số điểm mắt lưới hiệu (effective... 159 TÀI LIỆU THAM KHẢO 160 PHụ LụC 163 TÓM TẮT Với tên gọi ? ?Áp dụng khai phá liệu vào phân tích tiêu thụ điện? ??, đề tài tập trung nghiên cứu áp dụng Wavelet Fuzzy

Ngày đăng: 23/01/2021, 10:34

Xem thêm: Áp dụng khai phá dữ liệu (data mining) trong phân tích, quản lý sử dụng điện

Từ khóa liên quan

Mục lục

  • CHƯƠNG 1. DỰ BÁO THEO FUZZY-WAVELET: MÔ HÌNH DỰBÁO THEO CHUỖI THỜI GIAN CHO ĐỒ THỊ PHỤ TẢI

    • 1.1 Biến đổi wavelet rời rạc phủ toàn diện (MODWT)

    • 1.2 Xây dựng các luật mờ dựa trên giải thuật ước lượng nhóm (Cluster Estimation)

      • 1.2.1 Giới thiệu giải thuật ước lượng nhóm

      • 1.2.2 Phân nhóm dữ liệu dựa trên giải thuật Moutain Clustering

      • 1.2.3 Mô hình nhận dạng mờ (Fuzzy Model Identification)

      • 1.3 Mô hình dự báo mạng Fuzzy-Wavelet

      • 1.4 Dự báo đồ thị phụ tải

        • 1.4.1 Xây ma trận input-output

        • 1.5 Các mô hình khác được khảo sát trong đề tài

        • 1.6 Áp dụng cho thành phố Hồ Chí Minh

          • 1.6.1 Khi tập đồ thị phụ tải được coi là một chuỗi thời gian

          • 1.6.2 Tập đồ thị phụ tải là hai chuỗi thời gian

          • 1.6.3 Tập đồ thị phụ tải là 24 chuỗi thời gian

          • 1.6.4 So sánh với các mô hình khác

          • 1.7 Kết luận

          • CHƯƠNG 2. MÔ HÌNH DỰ BÁO THEO HÀM TƯƠNG QUAN VỚICÁC ĐẠI LƯỢNG TƯƠNG QUAN

            • 2.1 Dựa trên fuzzy-wavelet

            • 2.2 Dựa trên Fuzzy logic

            • 2.3 Áp dụng Wavelet và Fuzzy khi có dạng hàm tường minh thường gặp trong dựbáo tải

              • 2.3.1 Khảo sát chuỗi dữ liệu tăng có hàm y ax b= + (x tăng theo thời gian)

              • 2.3.2 Dự báo cho chuỗi dữ liệu tăng có hàm dạng log(y)=alog(x) +b

              • 2.3.3 Khảo sát chuỗi dữ liệu tăng có hàm dạng y ax bx cx d= + + +   (vớix ,x ,x   tăng theo thời gian) với ví dụ y x x x= + + +   

              • 2.3.4 Dự báo cho hàm tăng có hàm dạnglog(y) alog(x ) alog(x ) alog(x ) d

              • 2.3.5 Khảo sát chuỗi dữ liệu không tăng có hàm y ax b= + (x dao động)

              • 2.3.6 Dự báo chuỗi dữ liệu không tăng có hàm dạng log(y)=alog(x)+b

Tài liệu cùng người dùng

Tài liệu liên quan