大数据背景下的装备制造企业能耗预测

发布时间：2017-03-24 15:14

  本文关键词：大数据背景下的装备制造企业能耗预测，由笔耕文化传播整理发布。

【摘要】：信息技术在近几年的发展当中,不断的渗透于经济、社会与生活等各个领域,在此过程当中不断创新,诞生了一系列的新兴技术,如移动互联网,云计算与物联网技术等。在这些创新技术的不断发展与应用之下,不同的新型应用模式极力推动着人类信息利用的范围与形式的发展,如虚拟服务、社交网络与协同优化制造等。这种基于信息与互联网的生产创新发展方式,使得人类社会进入了“第三次工业革命”的发展时期。由于信息技术的不断推陈出新与新兴应用模式的不断呈现,全世界的数据总量出现爆发式的扩张,IDC(国际数据公司)在其公布的数字宇宙研究报告当中指出,继2011年全球的数据总量超过1.8ZB之后,在2020年全球的数据总量预计将达到35ZB,增长速度大约每两年翻一番,遵循新的摩尔定律。在数据量不断增长的过程当中,其复杂性、多样性、实时性等复杂的特征也越来越显著,“大数据”的时代己经到来。本文在回顾相关研究成果的基础上,首先,对当前关于大数据的研究与应用进行了详细的阐述与分析,包括大数据的概念与内涵、大数据的处理模式与基本处理流程以及大数据的核心技术等方面;其次,结合当前大数据的实际背景以及对CM公司的实地调研情况,进行了大数据背景下的装备制造企业能源预测的现状与可行性分析,并提出了基于全集数据的大数据分析模式与技术架构设计体系;之后,对目前装备制造企业制造过程能源消耗状况进行了分析,根据相关文献研究总结了装备制造企业制造过程的能源消耗影响因素,作为之后全要素的能耗预测模型输入变量的类型,并通过对CM公司进行实地调研,获得相应的因素的原始数据;最后,基于支持向量机方法构建装备制造企业能耗预测模型,采用改进的三步搜索法作为支持向量机的参数寻优方法,针对装备制造企业,对其生产过程的能耗进行了回归预测,之后对不同的预测方法与参数寻优方法进行了横向对比,结果表明支持向量机回归预测方法预测效果最优,改进的三步搜索方法对其参数搜索的效果最好。
【关键词】：大数据 装备制造企业 能耗预测 支持向量机 三步搜索法
【学位授予单位】：河北工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F426.4;F273
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-15
• 1.1 研究背景10-11
• 1.2 研究内容与研究意义11-12
• 1.2.1 研究内容11
• 1.2.2 研究意义11-12
• 1.3 研究方法与论文结构12-15
• 1.3.1 研究方法与技术路线12-13
• 1.3.2 论文结构安排13-15
• 第二章 理论基础及研究综述15-23
• 2.1 装备制造企业产品制造过程能源消耗状况与特性15-19
• 2.1.1 装备制造企业概论15
• 2.1.2 装备制造企业的能源消耗状况15-16
• 2.1.3 装备制造企业的能源消耗特点16-17
• 2.1.4 装备制造业企业节能策略分析17-19
• 2.2 能耗预测的相关理论与研究19-22
• 2.2.1 能耗预测的理论与方法19-21
• 2.2.2 能耗预测的相关研究21-22
• 2.3 本章小结22-23
• 第三章 大数据及相关处理技术23-41
• 3.1 大数据的概念与内涵23-28
• 3.1.1 大数据的概念23-25
• 3.1.2 装备制造企业与大数据25-28
• 3.2 大数据处理框架28-31
• 3.2.1 大数据处理模式28-29
• 3.2.1.1 流处理28
• 3.2.1.2 批处理28-29
• 3.2.2 大数据处理的基本流程29-31
• 3.2.2.1 数据采集29-30
• 3.2.2.2 数据处理与集成30
• 3.2.2.3 数据分析30-31
• 3.2.2.4 数据解释31
• 3.3 大数据核心技术31-40
• 3.3.1 云计算和MAPREDUCE31-32
• 3.3.2 分布式文件系统32-33
• 3.3.3 分布式并行数据库系统33-36
• 3.3.4 大数据可视化36-37
• 3.3.5 大数据处理工具37-40
• 3.4 本章小结40-41
• 第四章 大数据背景下的能耗预测架构设计41-53
• 4.1 现代装备制造企业的大数据背景分析41-53
• 4.1.1 现代装备制造企业生产过程的大数据环境41-43
• 4.1.2 现代装备制造企业生产过程的大数据分析架构43-50
• 4.1.3 现代装备制造企业生产过程的能源大数据流50-53
• 第五章 大数据环境下的装备制造能源消耗影响因素分析53-72
• 5.1 装备制造企业能源消耗影响因素分析53-56
• 5.2 能源消耗影响因素的数据获取56-67
• 5.2.1 能源影响因素的计算方式56-57
• 5.2.2 计算数据的获取57-67
• 5.3 能源消耗影响因素的数据分析67-71
• 5.3.1 电力消耗影响因素的数据挖掘67-69
• 5.3.2 天然气消耗影响因素的数据挖掘69-71
• 5.4 本章小结71-72
• 第六章 基于支持向量机理论的能源消耗预测模型72-88
• 6.1 支持向量机的基本理论72-76
• 6.1.1 基本概念72
• 6.1.2 支持向量机回归算法72-74
• 6.1.3 核函数74-75
• 6.1.4 损失函数75-76
• 6.2 基于支持向量机的能耗预测模型架构76-78
• 6.2.1 模型架构76-77
• 6.2.2 模型输入输出77-78
• 6.3 基于支持向量机的装备制造企业能耗预测78-87
• 6.3.1 数据预处理78-81
• 6.3.2 模型参数选择算法81-82
• 6.3.3 仿真实验82-84
• 6.3.4 性能对比84-87
• 6.4 本章小结87-88
• 第七章 总结与展望88-90
• 7.1 论文总结88
• 7.2 研究局限与展望88-90
• 7.2.1 研究局限88-89
• 7.2.2 研究展望89-90
• 参考文献90-95
• 攻读硕士学位期间所取得的相关科研成果95-96
• 致谢96

【相似文献】

中国期刊全文数据库 前10条

1 李玉洁;;积极采取措施扭转企业能耗上升状况[J];上海节能;2010年09期

2 黄萍;浅谈企业能耗的经济意义[J];江汉石油职工大学学刊;1997年03期

3 戴志雄;节能不只是话题[J];有色金属工业;2004年10期

4 张全;刘渺;凌振华;高敏;;钢铁企业能耗预测系统的设计[J];冶金动力;2006年02期

5 杜捷;;详解电力企业能耗预测实施方案[J];数据;2010年11期

6 岑佩莉;;从重点企业能耗看节能[J];能源工程;1985年04期

7 杨志荣;;企业能耗计算方法论中的几个主要问题[J];中国能源;1991年09期

8 刘宏雄;;应用系统节能方法 全面降低企业能耗[J];冶金能源;2006年04期

9 马福民;王坚;;基于改进资源分配网络的企业能耗单元输入输出模型[J];计算机应用;2008年10期

10 焦大威;;企业能耗在线监测与预警系统的应用分析[J];科技与企业;2013年15期

中国重要会议论文全文数据库 前1条

1 唐滨源;;钢铁企业能耗与经济效益问题的研究[A];1997中国钢铁年会论文集（上）[C];1997年

中国重要报纸全文数据库 前10条

1 魏林 金世哲 记者 桑蕾;工业企业能耗创历史新低[N];黑龙江日报;2012年

2 记者　孟为;本市造纸水泥企业能耗未达标将淘汰[N];北京日报;2006年

3 通讯员 贾继平;礼县企业能耗呈下降趋势[N];甘肃经济日报;2007年

4 周有升;互助重点企业能耗水平下降[N];西海农民报;2011年

5 袁方;我市重点耗能企业能耗增幅持续下降[N];淮安日报;2011年

6 记者 邹春蕾;2013年多数企业能耗水平明显改善[N];中国电力报;2014年

7 记者 谈燕;重点企业能耗实行月报[N];解放日报;2007年

8 王庭君;靖江给64家企业能耗设限[N];泰州日报;2007年

9 周建豪;企业能耗要“瘦身”[N];中国现代企业报;2007年

10 张家口市统计局;2011年上半年各县区及重点耗能企业能耗指标公报[N];张家口日报;2011年

中国硕士学位论文全文数据库 前3条

1 平安生;大数据背景下的装备制造企业能耗预测[D];河北工业大学;2015年

2 张华美;企业能耗智能组合预测系统应用研究[D];湖南大学;2007年

3 张刚刚;钢铁企业能耗指标体系的研究与应用[D];东北大学;2013年

  本文关键词：大数据背景下的装备制造企业能耗预测，由笔耕文化传播整理发布。

，

本文编号：265791