梁海栋

摘 要：近年来，随着科学技术的不断进图，数据挖掘技术的研究与应用越来越多的受到国内外的企业界及学术界的关注。对计算机数据挖掘技术的概念、方法与任务进行了详细的介绍，同时对数据挖掘技术在燃气负荷以及燃气客户管理等系统中的应用进行分析与研究。

关键词：数据挖掘技术 燃气系统 燃气负荷预测 燃气客户管理 应用分析

中图分类号：TP3 文献标识码：A 文章编号：1672-3791（2013）03（c）-0032-01

1 数据挖掘技术概况

通过各种技术手段，从大量的数据库中，对人们所需要的知识及信息进行数据的提取，所提取的数据有模糊、不完全以及随机的可能性，这种提取的数据就被称为数据挖掘。对计算机数据挖掘技术的概念、方法与任务进行了详细的介绍，对数据挖掘技术在燃气负荷以及燃气客户管理等系统中的应用进行分析与研究[1]。

从广义方面来说，数据挖掘实际上就是观察数据与实事的集合，对其模式决策寻找依据。

1.1 数据挖掘的任务

（1）数据挖掘的相关分析。

对数据库中所存在的自变量与自变量的关系进行分析，从而得出自变量存在着依存的关系。

（2）数据的聚类。

把数据群体进行一个到多个的划分，通常情况下，会用不规则的抽取计算方法，同時，为数据库提供切实可行的信息。在对数据群体的分类中，原则上要求同类的个体要在最大程度上相似，而不同类的个体要在最大程度上相反，对数据的聚类技术主要包括：概念聚类法、模式识别法、神经网络法以及数学分类法等[2]。

（3）数据挖掘的概念。

描述数据库中的某一个对象含义，对其主要的特性进行详细的概括。对其内涵的描述主要包括辨别性描述以及特性描述。在辨别性的描述中，其主要的描述方式分为：遗传算法、决策树法以及神经网络法。

（4）数据库的偏差检测。

检测数据库中不正常的数据，其所检测的模式偏差对象主要有拐点、极值点、边界点以及断点和零点等等。其数据偏差主要包括例外的模式、反常实力、观察室的偏差预测、由于时间变化而出现的量值预测偏差等等[2]。

1.2 数据挖掘的方法

因为统计学分析法主要包括回归、因子、相关、判别、差异以及聚类等方面的分析。而仿生物技术的方式主要包括遗传算法与网络算法等等。除此之外，对数据挖掘进行信息分析的方式还有IBLE算法以及ID3算法，而在集合论方式中，主要包括决策树、粗集和覆盖排斥反例等各种方法。此外，可视化技术及模糊论方法都有被运用[3]。

2 数据挖掘技术在燃气系统中的应用

2.1 应用于在燃气负荷预测中

从对事物本质与规律的研究来看，在对燃气负荷的预测规律中，其核心内容就是对负荷本质特点的研究。因为城市中的燃气负荷有其固有的随机性与复杂性，所以对其实质性的研究很难有明显的进展，在这种状况下，更多的研究工作者投身于对燃气预测模型以及预测算法的分析与研究中[5]。从而对某些研究负荷的性能造成了忽略，造成在后来的研究工作中，不得不人为的添加一些经验因素，这也在一定程度上造成了预测科学性的降低。这些因素体现在燃气负荷样本的分类上、预测参数的选取上以及对节假日的解决上。所以，通过科学的角度分析，运用数据挖掘方式，首先着手于负荷固有的性能，对其潜在的负荷数据及数据与数据之间存在的关系，特殊时期的负荷特征、以及不同的变量值对负荷所缠身的影响与作用进行挖掘，这样，在负荷预测中所出现的问题就能有效的解决。

2.2 应用于燃气客户管理系统中

2.2.1 燃气客户关系管理与数据挖掘

燃气的客户关系管理系统中，对数据挖掘的应用，实际上就是定制化，这种定制化是企业营销数据库能力的集中体现。通过对数据库的挖掘，一方面企业要获得大量的数据，使数据的条目更清晰。另一方面，还要有很强的对数据挖掘进行分析的能力，通过数据对客户的信息进行更多的获得，已达到客户的满意。燃气客观关系管理系统主要包括三个方面：销售、市场以及客户管理。通过数据挖掘技术与理论实现预测及描述客户举动模型的创建，使燃气客户关系系统的流程得到优化，能有效的管理燃气公司中客户的关系。

2.2.2 数据的获取

（1）客户数据。

这种数据在通常情况下主要靠直接客户或者天然气的供应商进行获取，传统的客户数据主要有三大类，即：交易性数据、描述性数据以及促销性数据。

（2）交易数据。

燃气公司与客户有了交易关系后而出现的数据，就是交易性数据，这种数据主要包括以下几个方面，即：消耗燃气的地点、时间、产品规格、付款的方式以及金额等等。

（3）描述数据。

燃气公司客户处于静止状态的数据，就是描述数据，这种数据主要包括客户的姓名、年龄、性别以及经济收入等各种最基本的信息，此外还含有客户的兴趣爱好以及消费习惯、客户类型、燃气消费情况以及信用等级等各方面的信息[5]。

3 结语

对燃气各个系统的应用与研究是一项比较复杂的工作，数据挖掘技术在燃气系统中的应用，大大提高了对燃气数据的研究与管理，对分析传统数据影响负荷因素及性能的定性与定性有很大的帮助，同时也受到了国内企业界和学术界科研工作者的广泛关注。

参考文献

[1]Han JW，Kam berM，著.数据挖掘概念与技术[M].范明，孟小峰，译.北京：机械工业出版社，2001.

[2]谭羽非，陈家新，焦文玲，等.基于人工神经网络的城市煤气短期负荷预测[J].煤气与热力，2001，21（3）：199-202.

[3]肖文晖，刘亚斌，王思存.燃气小时负荷的模糊神经网络预测[J].煤气与热力，2002，22（1）：16-18.

[4]张月钦.信息技术在大庆燃气的开发与应用[A].第二届中国城市燃气论坛——燃气青年工程师论坛资料汇编[C]，2009.

[5]谭羽非.城市燃气季节性负荷预测模型的建立及求解[J].煤气与热力，2003，23（3）：131-133.