朱成文 任凤

摘要：我国制冷空调行业的发展时间较短，虽然积累了一定的经验，但是在市场发展上依旧存在诸多问题，对制冷空调行业发展的影响因素也相对较多，导致制冷空调行业的发展速度一直较为缓慢。同时，大部分制冷空调企业都没有自身的技术，且综合实力较弱，极大制约了制冷空调行业的持续发展。而数据挖掘技术可以对各种数据进行有效提取，将这些有用信息服务于制冷空调行业中，能够有效推动制冷空调行业的进步和发展。鉴于此，本文就针对数据挖掘技术进行深入分析，结合实际情况对数据挖掘技术在制冷空调行业的应用进行详细阐述，希望能为数据挖掘技术在制冷空调行业中的应用提供有效参考依据。

关键词：数据挖掘技术；制冷空调行业；应用

在科学技术的迅速发展背景下，数据挖掘技术被广泛应用到各个行业领域中，对我国人民的生活生产造成了较大影响，不仅提高了我国人民的信息交流效率，也促进了我国社会经济的快速发展。随着数据进入爆炸式增长的阶段中，数据的存储能力和计算能力也得到了显著提高，在各种信息化技术的应用条件下，我国逐渐进入了大数据时代。在制冷空调行业的发展过程中，各个企业和部门对大数据的重视性日益提高，逐渐加强了对数据挖掘技术的研究和实践，期望能够以此促进制冷空调行业与信息技术行业的融合及发展，使我国制冷空调行业的发展现状得到有效改善，有效提高我国制冷空调行业的整体素质。因此，有必要对数据挖掘技术进行分析，对数据挖掘技术在制冷空调行业的应用进行详细阐述，以此为制冷空调行业的发展提供更多的技术支持。

1.数据挖掘技术

就目前来看，数据挖掘技术涉及到的学科较多，主要由数据库技术、信息检索、统计学、人工智能、机器学习等各种先进技术共同组成，其主要作用就是对海量的数据进行分析，将其中的有用信息提取出来，以此为人类的生活生产提供有利依据。在制冷空调行业的发展过程中，积累了大量的物流、运营、管理及产品等不同类型的数据，对其进行数据挖掘的过程可以分为数据预处理、数据挖掘及结果解释与应用等三个阶段。

1.1数据预处理

在制冷空调行业中，对于数据的采集都是选择人为记录或传感器测量等方式进行的，并选择本地保存或远程传输方式，将其存储到数据库。但是在进行数据采集的时候，常常会出现许多不稳定因素，这就很容易影响到数据的准确性和完整性，显著降低了数据的整体质量，对数据挖掘中的性能和精度存在着较大影响。面对这种情况，就需要做好数据预处理，对某些异常的数据进行正确处理，以此提高数据的整体质量[1]。一般数据预处理是数据挖掘中不可或缺的步骤，整个过程包括了数据清理、数据集成、数据变换及数据归约等多个步骤，其中数据清理就是对不一致的数据进行纠正，并减少孤立数据、清除数据噪声、填充数据中的缺失值，以此提高数据的整体质量；其中数据集成就是对同一类型、不同数据源的数据进行集中保存，整个数据集成过程要充分考虑到数据值的冲突、冗余属性 及模式集成等问题；其中数据变换就是对数据的形式进行转换，比如数据类型和数据标准化的转换等等，确保其能够满足数据挖掘的需求；其中数据归约就是在保持原始数据重要特征的基础上，通过数值压缩、数据压缩及数据降维等方法对数据进行压缩，为数据的后续处理提供有利条件。

1.2数据挖掘

在完成数据预处理之后，就要通过数据挖掘获取数据的有用价值，将制冷空调领域的专业知识作为核心基础，结合计算机技术和数学理论等先进技术，通过Python、MATLAB等应用软件进行数据分析和处理。在进行数据分析的时候，需要建立好数学算法模型，便于对数据进行分类、回归和聚类，深入挖掘各种数据之间的隐藏关系，有效获取数据中的有用价值。同时，数据挖掘算法可以区分为无监督学习算法和有监督学习算法，一般在制冷空调行业中使用的有监督学习算法包括了贝叶斯网络、BP神经网络、支持向量机及决策树等等，无监督学习算法则包括了关联规则分析及聚类分析等等[2]。其中有监督学习算法就是在已经知道输出和部分输出的对应关系时，建立一个数学模型，将输入映射到预期的输出中，通过训练模型对输出数据进行准确分析；其中无监督学习算法就是在不知道输出和输入关系的情况下，对输入数据进行数学模型的建立，对数据特征进行全面分析。

1.3结果解释与应用

一般数据挖掘结果都是以表格或图形形式进行呈现，虽然在数学方面能够得到较好的解释效果，但是在物理方面很难进行有效解释，这就需要结合制冷空调领域的专业知识对其物理意义进行有效解释，继而将其中具有价值的知识和信息提取出来，并将其使用到制冷空调行业中，为制冷空调行业的发展提供可靠的信息支持[3]。

2.數据挖掘技术在制冷空调行业中的应用分析

2.1故障检测和诊断中的应用

就目前来看，我国制冷空调行业利用数据挖掘技术进行数据研究的信息资料较少，大部分都是关于对制冷空调系统故障检测和诊断及节能优化等几个方面的文献资料。在进行数据挖掘技术的研究过程中，研究人员对人工神经网络和粗糙理论进行了结合运用，通过这种数据挖掘方法对空调系统中的传感器进行了全面的故障检测及诊断，并对其诊断结果进行了科学分析，发现空调机组的温湿度测量值能够有效区分回水温度及供水温度传感器的并发故障，整个检测过程所消耗的时间相对较短，体现出较好的应用优势[4]。同时，有关人员利用概率神经网络算法进行故障检测及诊断的时候，需要选择人工引入故障方式进行模型建立，在样本数量符合相关要求之后，其故障检测的整体效率能够得到有效提高，使制冷空调行业的各项要求得到有效满足。

2.2在产品开发中的应用

制冷空调行业中产生的海量数据具有较高的使用价值，对其中的有用数据进行科学处理和使用，不仅能够提高制冷空调行业的生产效率和质量，也能够为制冷空调行业的产品开发提供可靠的信息依据，使制冷空调行业的产品开发更具有合理性、科学性及可靠性。在针对制冷空调行业的数据进行研究时，需要充分发挥数据挖掘技术的作用，通过数据挖掘技术对产品数据进行有效分析，继而根据企业的发展要求对其进行合理调整，使企业产品开发的效率和质量得到有效提高[5]。同时，在进行产品开发的时候，制冷空调企业可以根据客户的实际需求进行综合考虑，通过对产品数据进行分析，把握产品创新的可行性，继而对空调产品的功能结构进行合理优化，将各种先进技术应用到空调产品的开发过程中，使空调产品的智能化水平得到有效提高，为客户提供更加便利、舒适的使用体验，有效促进制冷空调行业的稳定发展。

3.结语

综上所述，我国制冷空调行业处于关键的转型发展时期，从传统的制造行业逐渐转变向多元化的服务行业，对数据挖掘技术的应用有着较高的需求，需要准确把握数据挖掘技术的应用方法、思路和流程，充分发挥数据挖掘技术在制冷空调行业中的应用价值，为我国制冷空调行业的进步和发展提供有利支持。

参考文献：

[1]杨天翔.数据挖掘技术在制冷空调行业的应用研究[J].智能城市，2017，3（03）：240.

[2]梁志豪.基于数据挖掘的房间空调器长效性能研究[D].华南理工大学，2016.

[3]陈焕新，孙劭波，刘江岩，李冠男.数据挖掘技术在制冷空调行业的应用[J].暖通空调，2016，46（03）：20-26.

[4]侯聪.数据挖掘在短期空调负荷预测中的应用研究[D].中原工学院，2016.

[5]陈焕新，刘江岩，胡云鹏，李冠男.大数据在空调领域的应用[J].制冷学报，2015，36（04）：16-22.