数据挖掘技术在钢铁企业销售管理中的应用
发布时间:2022-09-29 11:36
由于早期钢铁企业对自动化、信息化的重视,企业信息系统建设较早。现在这些系统积累了大量的数据,这些数据为数据挖掘提供了良好的基础。近些年钢材市场竞争日趋激烈,钢材销售利润微薄,企业采用多种手段开源节流。面对大量的数据,如果企业可以从中发现蕴含其中可以辅助决策的知识规律,将会给企业带来巨大的管理、经济效益。本文针对一个钢铁企业集团提升销售管理水平、预测分析产品市场价格规律的需求,把钢铁产品的价格的预测作为一个数据挖掘主题,利用企业积累的大量历史销售数据,通过数据挖掘得到的知识提升企业管理水平。本文数据挖掘功能模块采用Oracle数据仓库,以Java作为开发语言,使用递归型贝叶斯动态价格模型,利用仿真图形曲线来预测钢材市场的价格波动情况。其中数据挖掘功能模块的算法基于朴素贝叶斯理论。整个挖掘过程中,首先获取了钢厂近十年的销售数据,依据行业经验确定挖掘主题。确定挖掘主题后,进行了数据准备,挖掘模块算法选择、实现、训练,最后对挖掘的结果向最终用户进行了图形化的展示。在数据准备过程中,由于采用了较好的数据约减规则和有效数据特征分析去噪方法,得到的数据质量高、压缩效果明显,保证了挖掘工作的顺利进行。...
【文章页数】:52 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 课题背景
1.2 国内外研究发展状况
1.3 论文结构
2 相关技术
2.1 数据挖掘概念
2.2 功能及过程
2.2.1 数据挖掘的功能
2.2.2 数据挖掘流程
2.3 数据挖掘技术
2.4 朴素贝叶斯理论介绍
3 总体设计
3.1 体系结构
3.2 数据挖掘过程
3.3 贝叶斯动态模型
3.4 开发环境
4 基于销售数据的预测挖掘
4.1 数据挖掘工作流程
4.2 数据获取
4.3 数据清洗
4.4 数据准备
4.4.1 选择数据表
4.4.2 属性减约
4.4.3 数据转换
4.5 贝叶斯动态模型在数据挖掘模块中的建立
4.5.1 单变量动态线性模型的建立
4.5.2 完全季节效应DML
5 系统应用
5.1 应用案例
5.2 分析与讨论
5.2.1 螺纹钢产品数据挖掘结果分析
5.2.2 汽车结构用钢产品数据挖掘结果分析
5.2.3 造船用钢产品数据挖掘结果分析
结论
参考文献
附录A 数据库字段代码含义说明
致谢
【参考文献】:
期刊论文
[1]基于贝叶斯模型加权平均法的径流序列高频分量预测研究[J]. 王斌,张洪波,辛琛,兰甜. 水力发电学报. 2016(05)
[2]基于贝叶斯网络的复杂系统动态故障树定量分析方法[J]. 房丙午,黄志球,李勇,王勇. 电子学报. 2016(05)
[3]基于Oracle的数据库性能优化研究[J]. 贺鹏程. 电子设计工程. 2016(09)
[4]一种基于朴素贝叶斯分类的车道数量探测[J]. 唐炉亮,杨雪,阚子涵,王雪浩,李清泉,SHAW S L. 中国公路学报. 2016(03)
[5]基于聚类的朴素贝叶斯分类无监督学习方法[J]. 葛顺,夏学知. 舰船科学技术. 2016(01)
[6]大数据背景下医学数据挖掘的研究进展及应用[J]. 秦文哲,陈进,董力. 中国胸心血管外科临床杂志. 2016(01)
[7]浅析数据挖掘概念与技术[J]. 穆瑞辉,付欢. 新乡教育学院学报. 2008(03)
[8]基于权重的朴素贝叶斯分类器设计与实现[J]. 代磊,马卫东,王凌楠,马建国. 情报理论与实践. 2008(03)
硕士论文
[1]集团企业的数据交换服务和应用研究[D]. 马瑞娟.浙江理工大学 2013
[2]数据挖掘与网站运营管理[D]. 王仁彦.华东师范大学 2010
[3]ICA-EJB构件在数据挖掘框架中的应用研究[D]. 周国梁.大连理工大学 2008
[4]数据挖掘的若干新方法及其在我国证券市场中应用[D]. 彭智军.重庆大学 2005
[5]基于分类频繁模式树的关联分类算法的研究与应用[D]. 黄晶晶.河海大学 2005
[6]基于数据挖掘的智能客户关系管理系统研究[D]. 涂继亮.哈尔滨理工大学 2005
本文编号:3682519
【文章页数】:52 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 课题背景
1.2 国内外研究发展状况
1.3 论文结构
2 相关技术
2.1 数据挖掘概念
2.2 功能及过程
2.2.1 数据挖掘的功能
2.2.2 数据挖掘流程
2.3 数据挖掘技术
2.4 朴素贝叶斯理论介绍
3 总体设计
3.1 体系结构
3.2 数据挖掘过程
3.3 贝叶斯动态模型
3.4 开发环境
4 基于销售数据的预测挖掘
4.1 数据挖掘工作流程
4.2 数据获取
4.3 数据清洗
4.4 数据准备
4.4.1 选择数据表
4.4.2 属性减约
4.4.3 数据转换
4.5 贝叶斯动态模型在数据挖掘模块中的建立
4.5.1 单变量动态线性模型的建立
4.5.2 完全季节效应DML
5 系统应用
5.1 应用案例
5.2 分析与讨论
5.2.1 螺纹钢产品数据挖掘结果分析
5.2.2 汽车结构用钢产品数据挖掘结果分析
5.2.3 造船用钢产品数据挖掘结果分析
结论
参考文献
附录A 数据库字段代码含义说明
致谢
【参考文献】:
期刊论文
[1]基于贝叶斯模型加权平均法的径流序列高频分量预测研究[J]. 王斌,张洪波,辛琛,兰甜. 水力发电学报. 2016(05)
[2]基于贝叶斯网络的复杂系统动态故障树定量分析方法[J]. 房丙午,黄志球,李勇,王勇. 电子学报. 2016(05)
[3]基于Oracle的数据库性能优化研究[J]. 贺鹏程. 电子设计工程. 2016(09)
[4]一种基于朴素贝叶斯分类的车道数量探测[J]. 唐炉亮,杨雪,阚子涵,王雪浩,李清泉,SHAW S L. 中国公路学报. 2016(03)
[5]基于聚类的朴素贝叶斯分类无监督学习方法[J]. 葛顺,夏学知. 舰船科学技术. 2016(01)
[6]大数据背景下医学数据挖掘的研究进展及应用[J]. 秦文哲,陈进,董力. 中国胸心血管外科临床杂志. 2016(01)
[7]浅析数据挖掘概念与技术[J]. 穆瑞辉,付欢. 新乡教育学院学报. 2008(03)
[8]基于权重的朴素贝叶斯分类器设计与实现[J]. 代磊,马卫东,王凌楠,马建国. 情报理论与实践. 2008(03)
硕士论文
[1]集团企业的数据交换服务和应用研究[D]. 马瑞娟.浙江理工大学 2013
[2]数据挖掘与网站运营管理[D]. 王仁彦.华东师范大学 2010
[3]ICA-EJB构件在数据挖掘框架中的应用研究[D]. 周国梁.大连理工大学 2008
[4]数据挖掘的若干新方法及其在我国证券市场中应用[D]. 彭智军.重庆大学 2005
[5]基于分类频繁模式树的关联分类算法的研究与应用[D]. 黄晶晶.河海大学 2005
[6]基于数据挖掘的智能客户关系管理系统研究[D]. 涂继亮.哈尔滨理工大学 2005
本文编号:3682519
本文链接:https://www.wllwen.com/projectlw/yjlw/3682519.html