导读:本文包含了预测性挖掘论文开题报告文献综述及选题提纲参考文献，主要关键词:大数据分析仓库,数据挖掘,预测性维护,天然气压缩机
预测性挖掘论文文献综述
黄飞飞[1]（2016）在《基于数据挖掘技术的油气设备预测性维护研究》一文中研究指出随着自动化和智能化油气设备得到不断地更新和应用,设备不间断运行的可靠性与油田各个生产环节密切相关。为了解决在传统维护方式下设备因过度保养和事后维护而存在的维护成本高、利用效率低等问题,文章结合西南油气田集输管线上压缩机的日常维护场景,基于生产信息化建设所采集的大量设备状态信息,运用数据挖掘技术对压缩机工况进行分析诊断,从而实现对设备的预测性维护,以达到降本减耗、提高油气集输效率的目的。(本文来源于《信息通信》期刊2016年10期）
石兆伟[2]（2016）在《基于文本挖掘的投资者情绪与股票市场相关性及预测性分析》一文中研究指出在大数据时代和人工智能快速发展的大背景下,本文尝试从专业投资者论坛语料数据入手,利用数据挖掘技术量化投资者情绪与股票市场波动的相关性以及更进一步的利用情感极性分析作为特征辅助预测股票市场未来趋势。我国处于经济产业结构调整和社会矛盾复杂多变的关键的转型期,进行社交网络的情绪挖掘分析有助于解决经济宏观调控甚至国家战略安全等多方面存在的问题。本文抽取专业投资论坛2015年11月份至2016年3月份针对上证指数,招商银行和比亚迪的相关评论的语料数据储存于MongoDB数据库。首先探索A股市场讨论热度靠前的股票标的的变化,发现短期内A股市场的热点股票变化并不显着,停牌股票的讨论热度并不会有显着下降以及将热点股票的价格与所在大盘的指数走势基本相同并进行OLS回归,参数的t检验显着,发现没有明显异常波动特征;接下来,本文探索根据语义情感分析得到的情绪信号与相关大盘和个股的Pearson相关性强弱,结果显示情绪极性信号与上证指数Pearson相关系数为0.7,与招商银行股价的相关系数为0.53而与比亚迪的相关系数为0.52,都具有明显的相关性;情感极性分析发出明显的波动性的情绪信号较为稀疏,信号基本发生在市场进行翻转或者趋势突破的时候。本文利用2015年11月2日至2016年3月4日的上证指数金融交易数据,每日的最高价、开盘价、最低价、收盘价,成交量、成交金额和标准化后的情绪信号共7个维度的数据作为支持向量机的输入变量,滞后期设为5天,利用遗传算法进行参数寻优,对未来的上证指数进行趋势预测,得到了MSE=0.00381,优于不添加情绪特征时MSE=0.004371,说明情绪信号对未来市场价格趋势的预测具有很好的辅助作用。情绪信号在一定程度上可以作为投资者的投资或者预警信号,同时也可以作为管理者进行市场舆情分析、监控管理的手段。(本文来源于《华中科技大学》期刊2016-05-01）
丁崧,黄上腾[3]（2001）在《预测性模型中的一种数据挖掘算法》一文中研究指出在数据挖掘中，预测性模型是一个重要的方面。文中提出一个基于N阶转移概率的数据挖掘规则。给出了基本模型和算法，并评估了该算法的复杂性和优缺点。根据该算法，结合序列树提出了一个改进算法。(本文来源于《计算机工程与应用》期刊2001年02期）
预测性挖掘论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在大数据时代和人工智能快速发展的大背景下,本文尝试从专业投资者论坛语料数据入手,利用数据挖掘技术量化投资者情绪与股票市场波动的相关性以及更进一步的利用情感极性分析作为特征辅助预测股票市场未来趋势。我国处于经济产业结构调整和社会矛盾复杂多变的关键的转型期,进行社交网络的情绪挖掘分析有助于解决经济宏观调控甚至国家战略安全等多方面存在的问题。本文抽取专业投资论坛2015年11月份至2016年3月份针对上证指数,招商银行和比亚迪的相关评论的语料数据储存于MongoDB数据库。首先探索A股市场讨论热度靠前的股票标的的变化,发现短期内A股市场的热点股票变化并不显着,停牌股票的讨论热度并不会有显着下降以及将热点股票的价格与所在大盘的指数走势基本相同并进行OLS回归,参数的t检验显着,发现没有明显异常波动特征;接下来,本文探索根据语义情感分析得到的情绪信号与相关大盘和个股的Pearson相关性强弱,结果显示情绪极性信号与上证指数Pearson相关系数为0.7,与招商银行股价的相关系数为0.53而与比亚迪的相关系数为0.52,都具有明显的相关性;情感极性分析发出明显的波动性的情绪信号较为稀疏,信号基本发生在市场进行翻转或者趋势突破的时候。本文利用2015年11月2日至2016年3月4日的上证指数金融交易数据,每日的最高价、开盘价、最低价、收盘价,成交量、成交金额和标准化后的情绪信号共7个维度的数据作为支持向量机的输入变量,滞后期设为5天,利用遗传算法进行参数寻优,对未来的上证指数进行趋势预测,得到了MSE=0.00381,优于不添加情绪特征时MSE=0.004371,说明情绪信号对未来市场价格趋势的预测具有很好的辅助作用。情绪信号在一定程度上可以作为投资者的投资或者预警信号,同时也可以作为管理者进行市场舆情分析、监控管理的手段。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
预测性挖掘论文参考文献
[1].黄飞飞.基于数据挖掘技术的油气设备预测性维护研究[J].信息通信.2016
[2].石兆伟.基于文本挖掘的投资者情绪与股票市场相关性及预测性分析[D].华中科技大学.2016
[3].丁崧,黄上腾.预测性模型中的一种数据挖掘算法[J].计算机工程与应用.2001