基于多元统计的PM2.5分析与预测

随着网络的高速发展,海量的数据充斥着人们的生活。多元统计分析恰好是为了得到各类现象的内在规律而对多维数据集合进行收集、整理、显示、分析。本文以西安地区为例,收集了2017全年的PM2.5数据,运用多元统计分析方法进行分析及预测。通过绘制PM2.5和影响因素的散点图,发现存在线性关系,进一步建立多元线性回归模型,并对模型进行验证,选用逐步回归分析方法和调整R的平方最大的原则确定了最终模型。最后采用不同的不相等系数对模型的预测效果进行了检验,效果较好。     

计及Spark和属性权重的售电套餐推荐方法

针对电力市场用户群庞大，交易过程中售电套餐选择困难的问题，在Spark环境下设计了一种售电套餐推荐方法，同时也解决了售电套餐推荐过程中在大数据环境下的可扩展性及实时性问题。首先，计算出每个套餐属性的权重值，从而计算得到售电套餐综合相似度。然后，计及用户和套餐两方面提出一种售电套餐推荐方法，实现售电套餐的精准推荐。实验表明，提出的推荐方法能够明显提高推荐的准确度，并且在分布式环境下具有良好的推荐效率和可扩展性。     

时态神经网络模型及其在股票分类预测上应用

对具有时间属性的数据进行数据挖掘称为时态数据挖掘，用以发现数据在时间上的知识，当数据变化不规律时，如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点,可作为股票分类预测应用的一种方法。通过将股票数据与时态型相结合，将股票数据转换成时态型股票数据，提出时态神经网络模型的分类方法，对收集的若干上市公司十年内的股票数据进行分析，构建了时态股票数据神经网络分类器对股票进行分类预测。经过实验验证，相比改进前的神经网络和支持向量机方法，该分类器具有更高的分类准确率。结果证明，这种时态数据神经网络模型对于多只股票的分类预测是非常有效的，可以很好地运用到股票市场的分类预测中。     

浅谈大数据技术在城市电网立体规划中的应用

目前全球处于高速发展的信息时代,电能能够帮助社会更多样化的工作和运行,耗电总量也因此不断上升。以往的供电模式无法满足当前社会的电能需求,因此许多电力单位为了更好地对电力输配进行管理,采取了电网模式。加强电网规划,为城市电网进行改良升级,在此提出一种针对多元化信息融合的立体智能规划系统,为了保证此系统高效运作,改变传统电网存在的各类弊端和漏洞,特别将大数据技术和电力移动互联网技术加以融合。