數(shù)據(jù)分析的方法匯總十篇

序論：好文章的創(chuàng)作是一個(gè)不斷探索和完善的過(guò)程，我們?yōu)槟扑]十篇數(shù)據(jù)分析的方法范例，希望它們能助您一臂之力，提升您的閱讀品質(zhì)，帶來(lái)更深刻的閱讀感受。

篇（1）

企業(yè)數(shù)據(jù)分析編寫(xiě)過(guò)程中，常用的分析方法有對(duì)比分析法、趨勢(shì)分析法、結(jié)構(gòu)分析法和綜合分析法等。本文結(jié)合工作實(shí)際，對(duì)如何運(yùn)用這四種基本分析方法談點(diǎn)想法。

對(duì)比分析法

所謂對(duì)比分析法，是指將兩個(gè)或兩組以上的數(shù)據(jù)進(jìn)行比較，分析它們的差異性，從而揭示這些數(shù)據(jù)所代表的事物的發(fā)展變化情況和規(guī)律性。對(duì)比分析法是比較研究的一種方法，在企業(yè)數(shù)據(jù)分析中的應(yīng)用十分普遍。它的特點(diǎn)是，通過(guò)比較分析，可以非常直觀地看出企業(yè)某方面工作的變化或差距，并且可以準(zhǔn)確、量化地表示出這種變化或差距是多少。

在實(shí)際應(yīng)用中，企業(yè)數(shù)據(jù)的對(duì)比分析，一般有以下幾種具體情況：

一是將企業(yè)當(dāng)年的數(shù)據(jù)與歷年（去年或前幾年）的數(shù)據(jù)進(jìn)行對(duì)比分析，目的是為了搞清楚與去年或前幾年相比，企業(yè)某一方面或某些方面的發(fā)展變化情況。比如，某公司2006年利潤(rùn)100萬(wàn)元，2007年利潤(rùn)115萬(wàn)元，年增長(zhǎng)率為15%。通過(guò)這種對(duì)比，我們就可以公司利潤(rùn)的變化情況有一個(gè)更直觀、更清楚的認(rèn)識(shí)。當(dāng)然，在許多時(shí)候，這種對(duì)比分析不會(huì)局限在某一個(gè)數(shù)據(jù)，而是一組數(shù)據(jù)。比如，在對(duì)企業(yè)當(dāng)年的利潤(rùn)與去年利潤(rùn)進(jìn)行對(duì)比分析的同時(shí)，還可以將產(chǎn)量、銷售量、銷售額、成本、稅金、市場(chǎng)占有量、占有率等指標(biāo)進(jìn)行對(duì)比分析，從而更全面了解掌握企業(yè)的發(fā)展現(xiàn)狀。

二是將本單位數(shù)據(jù)與同行業(yè)（外單位、同行業(yè)平均水平）的數(shù)據(jù)進(jìn)行對(duì)比分析，目的是為了搞清楚與外單位、同行業(yè)平均水平，本單位某一方面或各方面的發(fā)展水平處于什么樣的位置，明確哪些指標(biāo)是領(lǐng)先的，哪些指標(biāo)是落后的，進(jìn)而找出下一步發(fā)展的方向和目標(biāo)。比如，2005年，某發(fā)電廠供電煤耗為340克/千瓦時(shí)，當(dāng)年全國(guó)火電行業(yè)平均煤耗指標(biāo)為310克/千瓦時(shí)，該發(fā)電廠的實(shí)際煤耗指標(biāo)比全國(guó)火電行業(yè)平均煤耗多了30克/千瓦時(shí)。通過(guò)這樣的對(duì)比分析，我們可以看出，該發(fā)電廠在能耗方面存在著比較突出問(wèn)題，如何節(jié)能降耗應(yīng)該成為企業(yè)下一步重點(diǎn)關(guān)注的一個(gè)工作內(nèi)容，也是提高企業(yè)經(jīng)濟(jì)效益的一條重要途徑。

為了一目了然地看出數(shù)據(jù)對(duì)比的直觀效果，對(duì)比分析一般可用柱式圖表表示。

趨勢(shì)分析法

所謂趨勢(shì)分析法，是指通過(guò)對(duì)某一個(gè)或幾個(gè)數(shù)據(jù)在一定階段的變化情況進(jìn)行分析，從而發(fā)現(xiàn)該數(shù)據(jù)所代表事物的發(fā)展趨勢(shì)和規(guī)律，并可進(jìn)一步分析形成這種趨勢(shì)的原因，為企業(yè)領(lǐng)導(dǎo)決策提供依據(jù)和參考。趨勢(shì)分析法實(shí)際上是一種歷史研究的方法，在企業(yè)數(shù)據(jù)分析的編寫(xiě)中，主要用來(lái)表示企業(yè)某一方面或某些方面的工作在一定時(shí)期內(nèi)的發(fā)展趨勢(shì)和規(guī)律。其特點(diǎn)是對(duì)某一時(shí)期的某一數(shù)據(jù)進(jìn)行持續(xù)性考察，進(jìn)而得出趨勢(shì)性的結(jié)論。

一般說(shuō)來(lái)，對(duì)數(shù)據(jù)進(jìn)行趨勢(shì)分析的結(jié)果不外乎以下四種情況：

一是某項(xiàng)數(shù)據(jù)的變化呈逐年加大的趨勢(shì)，稱為上升趨勢(shì)。比如某企業(yè)利潤(rùn)額：2001年為150萬(wàn)元、2002年173萬(wàn)元、2003年220萬(wàn)元、2004年360萬(wàn)元、2005年500萬(wàn)元。從對(duì)這組數(shù)據(jù)的分析中可以得出結(jié)論：該企業(yè)的利潤(rùn)呈逐年上升的趨勢(shì)。

二是某項(xiàng)數(shù)據(jù)的變化呈逐年減小的趨勢(shì)，稱為下降趨勢(shì)。例某企業(yè)產(chǎn)品的市場(chǎng)占有率：2001年為30%、2002年24%、2003年15%、2004年9%、2005年6%。從對(duì)這組數(shù)據(jù)的分析中可以得出結(jié)論：該企業(yè)產(chǎn)品的市場(chǎng)占有率呈逐年下降的趨勢(shì)，說(shuō)明該產(chǎn)品的市場(chǎng)競(jìng)爭(zhēng)力正在下降，企業(yè)應(yīng)該對(duì)該產(chǎn)品進(jìn)行升級(jí)換代，或者開(kāi)發(fā)生產(chǎn)新的產(chǎn)品。

三是某項(xiàng)數(shù)據(jù)或上升或下降，每年都有較大變化，稱為震蕩趨勢(shì)。比如某企業(yè)的經(jīng)營(yíng)成本：2001年為50萬(wàn)元、2002年83萬(wàn)元、2003年61萬(wàn)元、2004年46萬(wàn)元、2005年103萬(wàn)元。從對(duì)這組數(shù)據(jù)的分析中可以得出結(jié)論：該企業(yè)每年的經(jīng)營(yíng)成本變化較大，呈震蕩趨勢(shì)，說(shuō)明企業(yè)在控制經(jīng)營(yíng)成本方面還要進(jìn)一步采取措施。

四是某項(xiàng)數(shù)據(jù)幾年來(lái)基本不變，或變化很小，稱為穩(wěn)定趨勢(shì)。例如某企業(yè)的人均產(chǎn)值：2001年為60萬(wàn)元、2002年63萬(wàn)元、2003年61萬(wàn)元、2004年62萬(wàn)元、2005年63萬(wàn)元。從對(duì)這組數(shù)據(jù)的分析中可以得出結(jié)論：該企業(yè)的人均產(chǎn)值每年變化不大，呈穩(wěn)定趨勢(shì)。

為了更形象地看出數(shù)據(jù)在一定時(shí)期內(nèi)的變化軌跡，對(duì)數(shù)據(jù)的趨勢(shì)分析一般可以用曲線圖表表示。

結(jié)構(gòu)分析法

所謂結(jié)構(gòu)分析法，就是通過(guò)分析數(shù)據(jù)的構(gòu)成情況，即分析構(gòu)成某一數(shù)據(jù)的各子數(shù)據(jù)的情況和權(quán)重，從而揭示構(gòu)成某一事物的各方面因素在其中的作用大小和變化情況。結(jié)構(gòu)分析法也是常用的企業(yè)數(shù)據(jù)分析方法，通過(guò)這一分析方法，有利于我們發(fā)現(xiàn)和把握事物的主要矛盾和矛盾的主要方面，對(duì)企業(yè)而言，可以據(jù)此確定工作重點(diǎn)或經(jīng)營(yíng)的主攻方向。

在實(shí)際工作中，當(dāng)我們需要對(duì)企業(yè)的某一數(shù)據(jù)作深入分析時(shí)，常常需要用到結(jié)構(gòu)分析法。例如我們分析某供電局利潤(rùn)的結(jié)構(gòu)情況：2007年，企業(yè)利潤(rùn)為1000萬(wàn)元，其中主業(yè)占80%、三產(chǎn)占20%。這就是結(jié)構(gòu)分析的方法，從中我們就可以清楚地知道，主業(yè)和三產(chǎn)對(duì)企業(yè)利潤(rùn)的貢獻(xiàn)比例。在這個(gè)基礎(chǔ)上，我們還可以作進(jìn)一步的分析，在200萬(wàn)元的三產(chǎn)利潤(rùn)中：火電建設(shè)公司占35%、電力設(shè)計(jì)院占30%、電纜廠占15%、電表廠占10%、電桿廠占5%、賓館占5%。從而我們可以看出火電建設(shè)公司和電力設(shè)計(jì)院兩家對(duì)三產(chǎn)利潤(rùn)的貢獻(xiàn)率達(dá)到了65%，是發(fā)展三產(chǎn)的主力軍。從供電局的角度而言，抓好三產(chǎn)工作，重點(diǎn)是要抓好火電建設(shè)公司和電力設(shè)計(jì)院的工作。

為了直觀地反映某一數(shù)據(jù)的構(gòu)成情況，結(jié)構(gòu)分析法一般采用圓餅圖表來(lái)表示分析的結(jié)果。

綜合分析法

在編寫(xiě)企業(yè)數(shù)據(jù)分析時(shí)，往往不是單一地使用一種數(shù)據(jù)分析方法，為了使數(shù)據(jù)分析更透徹、更深入，更多時(shí)候我們都需要采用綜合分析的方法。所謂綜合分析法，就是將以上兩種或兩種以上的分析方法結(jié)合起來(lái)使用，從而多角度、多層次地分析揭示數(shù)據(jù)的變化、趨勢(shì)和結(jié)構(gòu)情況，以增加數(shù)據(jù)分析的深度。

綜合分析法在具體應(yīng)用中，有以下幾種情況：

一是對(duì)比分析與趨勢(shì)分析相結(jié)合的方法。就是通過(guò)對(duì)兩個(gè)或兩組以上的數(shù)據(jù)在一定階段的變化情況進(jìn)行比較分析，從而發(fā)現(xiàn)數(shù)據(jù)所代表事物的發(fā)展趨勢(shì)、差別和關(guān)系，并可進(jìn)一步分析原因，為企業(yè)領(lǐng)導(dǎo)決策提供依據(jù)和參考。比如，我們可以使用這一方法來(lái)分析一定階段企業(yè)利潤(rùn)和成本的變化和相互關(guān)系。再如，我們將“十五”期間本企業(yè)的利潤(rùn)指標(biāo)與其他企業(yè)的利潤(rùn)指標(biāo)進(jìn)行比較分析，所應(yīng)用的也就是對(duì)比分析與趨勢(shì)分析相結(jié)合的方法。

二是對(duì)比分析與結(jié)構(gòu)分析相結(jié)合的方法。就是對(duì)兩個(gè)或兩組以上的數(shù)據(jù)的構(gòu)成情況進(jìn)行分析比較，從而可以看出構(gòu)成這兩個(gè)或兩組以上的數(shù)據(jù)的各種因素的差異性，以此剖析產(chǎn)生這種差異的原因，并提出相應(yīng)的對(duì)策措施。比如，2006年，A供電局利潤(rùn)500萬(wàn)元，B供電局利潤(rùn)700萬(wàn)元。如果只采取對(duì)比分析的方法，我們獲得的結(jié)論就是：“B供電局利潤(rùn)比A供電局多200萬(wàn)元”。結(jié)合結(jié)構(gòu)分析：A供電局利潤(rùn)500萬(wàn)元中，主業(yè)為450萬(wàn)元，三產(chǎn)為50萬(wàn)元；B供電局利潤(rùn)700萬(wàn)元中，主業(yè)為560萬(wàn)元，三產(chǎn)為140萬(wàn)元。由此看出，A、B供電局在主業(yè)利潤(rùn)差距并不大，差距主要在三產(chǎn)上。因此，發(fā)展三產(chǎn)應(yīng)成為A供電局利潤(rùn)增長(zhǎng)的主要著力點(diǎn)。

篇（2）

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2007)06-11651-01

1 引言

粗糙集（Rough Set）理論[1]是波蘭數(shù)學(xué)家Z.Pawlak于1982年提出的，它建立在完善的數(shù)學(xué)基礎(chǔ)之上，是一種新的處理含糊性和不確定性問(wèn)題的數(shù)學(xué)工具。其主要思想是在保持分類能力不變的前提下，通過(guò)知識(shí)約簡(jiǎn)，導(dǎo)出問(wèn)題的決策或分類規(guī)則[2]。由于粗糙集理論不需要任何預(yù)備或額外的有關(guān)數(shù)據(jù)信息，使得粗糙集理論成為研究熱點(diǎn)之一，被廣泛應(yīng)用與知識(shí)發(fā)現(xiàn)、機(jī)器學(xué)習(xí)、決策分析、模式識(shí)別、專家系統(tǒng)和數(shù)據(jù)挖掘等領(lǐng)域。

屬性約簡(jiǎn)是粗糙集理論中核心研究?jī)?nèi)容之一[3]。在眾多的屬性約簡(jiǎn)算法中，大致可以分為兩類：一類是基于信息熵的啟發(fā)式算法[4]，這類算法往往不能得到系統(tǒng)的所有約簡(jiǎn)．另一類是基于區(qū)分矩陣和區(qū)分函數(shù)構(gòu)造的算法[5]，這種算法直觀，易于理解，能夠計(jì)算出所有約簡(jiǎn)。但在區(qū)分矩陣中會(huì)出現(xiàn)大量的重復(fù)元素，造成時(shí)間和空間的浪費(fèi)，從而降低了屬性約簡(jiǎn)算法的效率。

本文基于數(shù)據(jù)分析方法[6]的屬性簡(jiǎn)約算法是在保持分類能力不變的前提下，逐個(gè)約去冗余的屬性，直到不再有冗余的屬性，此時(shí)得到的屬性集是最小屬性集，即為約簡(jiǎn)。該算法簡(jiǎn)單，能夠求出所有約簡(jiǎn)，不會(huì)出現(xiàn)區(qū)分矩陣中大

量的重復(fù)元素，從而提高了屬性約簡(jiǎn)的效率。

2 粗糙集概念

定義2.1設(shè)U為所討論對(duì)象的非空有限集合，稱為論域；R為建立在U上的一個(gè)等價(jià)關(guān)系族，稱二元有序組S=(U，R)為近似空間。

定義2.2令R為等價(jià)關(guān)系族，設(shè)P?哿R，且P≠?I，則P中所有等價(jià)關(guān)系的交集稱為P上的不可分辨關(guān)系，記作IND(P)，即有：[x] IND(P)= ∩ [x]R,顯然IND(P)也是等價(jià)關(guān)系。

定義2.3稱4元有序組K=(U，A，V，f)為信息系統(tǒng)，其中U為所考慮對(duì)象的非空有限集合，稱為論域；A為屬性的非空有限集合；V=∪Va，Va為屬性a的值域；f：U×AV是一個(gè)信息函數(shù)，?坌x∈U，a∈A，f(x,a)∈Va。對(duì)于給定對(duì)象x，f(x,a)賦予對(duì)象x在屬性a下的屬性值。信息系統(tǒng)也可簡(jiǎn)記為K=(U，A)。若A=C∪D且C∩D=?I，則S稱，為決策表，其中C為條件屬性集，D為決策屬性集。

顯然，信息系統(tǒng)中的屬性與近似空間中的等價(jià)關(guān)系相對(duì)應(yīng)。

定義2.4設(shè)K=(U，A，V，f)為信息系統(tǒng)，P?哿A且P≠?I，定義由屬性子集P導(dǎo)出的二元關(guān)系如下：

IND(P)={(x,y)|(x,y)∈U×U且?坌a∈P有f(x,a)=f(y,a)}

則IND(P)也是等價(jià)關(guān)系,稱其為由屬性集P導(dǎo)出的不可分辨關(guān)系。

定義2.5稱決策表是一致的當(dāng)且僅當(dāng)D依賴于C，即IND(C)?哿IND(D)，否則決策表是不一致的。一致決策表說(shuō)明：在不同個(gè)體的條件屬性值相同時(shí)，他們的決策屬性值也相同。

定義2.6設(shè)K=(U，A)為一個(gè)信息系統(tǒng)。若P?哿A是滿足IND(P)=IND(A)的極小屬性子集，則稱P為A的一個(gè)約簡(jiǎn)，或稱為信息系統(tǒng)的一個(gè)約簡(jiǎn)。

定義2.7設(shè)K=(U，CUD)為一個(gè)決策表，其中C為條件屬性集，D為決策屬性，若P?哿C為滿足POSC(D)=POSP(D)的極小屬性子集，則稱P為決策表K的一個(gè)約簡(jiǎn)。其中POSC(D)表示決策D關(guān)于屬性集C的正域。

定義2.8數(shù)據(jù)分析方法對(duì)于信息系統(tǒng)K=(U，A)，逐個(gè)移去A中的屬性，每移去一個(gè)屬性即刻檢查新得到的屬性子集的不可分辨關(guān)系，如果等于IND(A)，則該屬性可被約去，否則該屬性不可被約去；對(duì)于決策表K=(U，CUD)，逐個(gè)移去C中的屬性，每移去一個(gè)屬性即刻檢其決策表，如果不出現(xiàn)新的不一致，則該屬性可被約去，否則該屬性不可被約去。

3 基于數(shù)據(jù)分析方法的屬性簡(jiǎn)約算法

3.1 算法思路

利用函數(shù)的遞歸調(diào)用，逐個(gè)判定信息系K=(U，A)中屬性a(a∈A)，若IND(A)＝ND(A－{a})，則a可以約去，A‘=A－{a}，否則a不可以約去，繼續(xù)檢查A‘中的每個(gè)屬性是否能被約去，此過(guò)程一直進(jìn)行下去，直到出現(xiàn)某一屬性子集中的每個(gè)屬性都不可約去為止，此時(shí)該屬性子集即為所求的屬性簡(jiǎn)約。對(duì)于決策表，每次檢查是否增加了不一致的決策規(guī)則，作為是否約去屬性的依據(jù)。

算法如下：

輸入：信息系統(tǒng)K=(U，A)。

輸出：K的屬性約簡(jiǎn)。

Match(A') // A’=A-{a}//

begin

for i=1to|U|-1 //|U|表示U的基數(shù)//

for j=i+1to|U|

begin

r=|R|//|R|表示屬性個(gè)數(shù)//

if((f(ui，a1)= f(uj，a1))∧（f(ui，a2)= f(uj，a2)）∧….∧（f(ui，ar)= f(uj，ar)))

then a不可被約去，return0

end

a可以被約去return1

end

Reduce (A)

begin

flag=1

for i=1 to |R|//|R|表示屬性個(gè)數(shù)//

begin

a=ai

A'=A-{ai}

if match(A')thenflag =0 ， reduce (A’)

if (flag且A未被輸出)then

輸出A中所有元素//flag≠0，說(shuō)明A中所有元素不可移去，且不會(huì)被重復(fù)輸出//

End

end

以上給出的函數(shù)是求解信息系統(tǒng)的屬性約簡(jiǎn)算法；對(duì)于決策表，只要將Match(A’)函數(shù)中的if語(yǔ)句的條件換成(f(ui，a1)= f(uj，a1))∧（f(ui，a2)= f(uj，a2))∧….∧(f(ui，ar)= f(uj，ar))∧(f(ui，ag)≠f(uj，ag))，r=|C|是條件屬性個(gè)數(shù)，ag是決策屬性。Reduce (A)函數(shù)中|R|換成|C|即可。該算法適用于一致決策表，對(duì)非一致決策表，算法類似，也就是逐個(gè)移去屬性并檢查決策表是否出現(xiàn)新的不一致，作為約去此屬性的依據(jù)。

4 舉例

文獻(xiàn)[7]中決策表1，a，b，c，d，e是條件屬性，g是決策屬性，求出的約簡(jiǎn)是{a,b,d}

應(yīng)用本算法，求得的屬性約簡(jiǎn)為{a,e}和{a,b,d}，得到?jīng)Q策簡(jiǎn)化表2和表3。

表1 決策表表2簡(jiǎn)化表表3簡(jiǎn)化表

如果將決策表表1看作一信息系統(tǒng)，運(yùn)用本算法，求得的屬性約簡(jiǎn)有{c,d,e,g}, {b,e,g}, {a,c,d,g}, {a,c,d,e}, {a,b,g}, {a,b,e}h和{a,b,d}

5 結(jié)束語(yǔ)

本文通過(guò)數(shù)據(jù)分析方法討論了屬性約簡(jiǎn)問(wèn)題。該算法是基于不可分辨關(guān)系的，具有直觀、易于理解和完備性的特點(diǎn)。當(dāng)屬性和對(duì)象都較少時(shí)，效率較高，但當(dāng)屬性和對(duì)象較多時(shí)，計(jì)算的復(fù)雜度較高。實(shí)例表明，該算法是有效的。

參考文獻(xiàn)：

[1]PAWLAK z．Rough set[J]．International jom：ua ofcomputer and information science，1982，(11)：341―356．

[2]張文修，吳偉志，梁吉業(yè)等．粗糙集理論與方法[M]．北京：科學(xué)出版社，2001．

[3]Pawlak Z．Slowinski R．Rough set approach to muhiattribute decision analysis．Ivited Review[J]．European Journal of Operational Research．1994，72：443-459

[4]王國(guó)胤，于洪，楊大春．基于條件信息熵的決策表約簡(jiǎn)[J]．計(jì)算機(jī)學(xué)報(bào)，2002（7）：760―765．

[5]Skowron A，Rauszer C．The Discernibility Matrices and Functions in Information Systems[A]．I Slowinsk R．ntelligent Decision Support― Handbook of Applications and Advances of the Rough Sets Theory[c]．1991，331-362．

篇（3）

分析網(wǎng)站流量這是首要工作，如果是網(wǎng)站建設(shè)初期，那么此時(shí)的流量分析就只要記住網(wǎng)站登陸搜索引擎后的流量基數(shù)即可。如果是網(wǎng)站建設(shè)中期的話，就要記錄網(wǎng)站流量一周的平均值，如果是網(wǎng)站建設(shè)后期的話，就要記錄網(wǎng)站流量的階段性波動(dòng)值!記錄好了流量值之后，就可以很好的計(jì)劃出下一步優(yōu)化推廣的流量值了。

網(wǎng)站優(yōu)化數(shù)據(jù)分析方法二：關(guān)鍵詞分析

網(wǎng)站關(guān)鍵詞分析也是網(wǎng)站優(yōu)化的重要工作之一!分析現(xiàn)在網(wǎng)站關(guān)鍵詞的布局，分析網(wǎng)站有流量的關(guān)鍵詞，分析網(wǎng)站還沒(méi)有覆蓋的與網(wǎng)站業(yè)務(wù)相關(guān)的關(guān)鍵詞，分析出網(wǎng)站主關(guān)鍵詞的排名情況，分析關(guān)鍵詞的設(shè)計(jì)是否合理。分析頂級(jí)關(guān)鍵詞是否占據(jù)了搜索引擎首頁(yè)的排名，分析搜索關(guān)鍵詞的質(zhì)量高不高，與網(wǎng)站業(yè)務(wù)的相關(guān)度如何?!分析關(guān)鍵詞轉(zhuǎn)化率如何等等。

篇（4）

中圖分類號(hào)：TP274文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2008)15-20ppp-

The Research Content And Data Analysis Methods On the Gene Regulatory Networks

GUO Zhi-long1,2,JI Zhao-hua1,3,TU Hua-wei1,LIANG Yan-chun1

(1.College of Computer Science and Technology,Jilin University,Changchun 130012,China;2.Dalian Huaxin Software Corporation,DaLian 116000,China; 3.Inner Mongolia Xing'an Vocational and Technical College,Wulanhaote 137400,China)

Abstract:Gene regulatory networks,which reveals the complex phenomena of life from the view of the complex interactions of genes,is very important to understand the functional genomics for researchers.The article focuses on the research content and data analysis methods about gene regulatory networks.

Key words:gene regulatory networks;Self-organizing Map;machine learning

基因調(diào)控網(wǎng)絡(luò)是計(jì)算機(jī)科學(xué)、數(shù)學(xué)、信息學(xué)向分子生物學(xué)滲透形成的交叉點(diǎn)，是運(yùn)用生物信息學(xué)的方法和技術(shù)通過(guò)數(shù)據(jù)采集、分析、建模、模擬和推斷等手段研究復(fù)雜的基因網(wǎng)絡(luò)關(guān)系。作為一種系統(tǒng)的、定量的研究方法建立在包括分子生物學(xué)，非線性數(shù)學(xué)和程序算法設(shè)計(jì)等知識(shí)等基礎(chǔ)上，運(yùn)用生物信息學(xué)的方法和技術(shù)通過(guò)數(shù)據(jù)采集、分析、建模、模擬和推斷等手段，整合已有的實(shí)驗(yàn)數(shù)據(jù)和知識(shí)，構(gòu)建生物基因調(diào)控網(wǎng)絡(luò)，從整體的層次，了解細(xì)胞的功能；從整體的角度，闡述基因參與的生物調(diào)控過(guò)程，在全基因組水平上以系統(tǒng)的、全局的觀點(diǎn)研究生命現(xiàn)象及其本質(zhì)，是后基因組時(shí)代研究的重要內(nèi)容。

1 基因調(diào)控網(wǎng)絡(luò)概念

基因調(diào)控網(wǎng)絡(luò)本質(zhì)上是一個(gè)連續(xù)而復(fù)雜的動(dòng)態(tài)系統(tǒng)，即復(fù)雜的動(dòng)力系統(tǒng)網(wǎng)絡(luò)。

1.1 基因調(diào)控網(wǎng)絡(luò)的定義

生物體任何細(xì)胞的遺傳信息、基因都是同樣的，但同一個(gè)基因在不同組織、不同細(xì)胞中的表現(xiàn)并不一樣。一個(gè)基因的表達(dá)既影響其它的基因，又受其它基因的影響，基因之間相互促進(jìn)、相互抑制，在特定的細(xì)胞內(nèi)和時(shí)間下綜合環(huán)境等因素這樣的大環(huán)境中呈現(xiàn)活化狀態(tài)，構(gòu)成一個(gè)復(fù)雜的基因調(diào)控網(wǎng)絡(luò)。

1.2 基因調(diào)控網(wǎng)絡(luò)的特性:

基因調(diào)控網(wǎng)絡(luò)是連續(xù)的多層次動(dòng)力系統(tǒng)模型，具有穩(wěn)定姓、層次性、復(fù)雜性、動(dòng)態(tài)性等。

1.2.1 復(fù)雜性

生物具有大量的基因，諸多基因組成各個(gè)模塊，不同的基因網(wǎng)絡(luò)模塊可以在不同層次上發(fā)生相互作用，同一個(gè)基因可能參與各種不同的分子機(jī)理，使得基因網(wǎng)絡(luò)有著高度的復(fù)雜性。

1.2.2 層次性

基因調(diào)控網(wǎng)絡(luò)具有一定層次結(jié)構(gòu)，按照調(diào)控元件、motif、模塊和整個(gè)網(wǎng)絡(luò)的四層結(jié)構(gòu)，將各個(gè)節(jié)點(diǎn)有規(guī)律的來(lái)接在一起。調(diào)控元件分為順式(cis-)和反式(trans-)兩種類型, 分別表示受調(diào)控基因的結(jié)合位點(diǎn)DNA 序列和結(jié)合在該序列上對(duì)基因起激活或者抑制作用的轉(zhuǎn)錄因子。Motif 和模塊都是由基因集合構(gòu)成的調(diào)控模式, 是分析網(wǎng)絡(luò)局部特征和網(wǎng)絡(luò)構(gòu)成以及研究調(diào)控機(jī)理的重要結(jié)構(gòu)。

1.2.3 動(dòng)態(tài)性

生物過(guò)程是動(dòng)態(tài)的，用來(lái)理解生物過(guò)程意義的基因調(diào)控網(wǎng)絡(luò)自然就動(dòng)態(tài)存在?；蛘{(diào)控網(wǎng)絡(luò)是隨著生物過(guò)程的動(dòng)態(tài)發(fā)生而具有動(dòng)態(tài)的特性，不同條件、不同時(shí)間的基因調(diào)控網(wǎng)絡(luò)是不同的。

1.2.4 穩(wěn)定性

基因調(diào)控網(wǎng)絡(luò)的穩(wěn)定性體現(xiàn)在生物體緩解突變的影響方面，功能上無(wú)關(guān)基因之間的相互作用可以抵抗系統(tǒng)突變；一個(gè)基因在突變中喪失的功能，有另外一個(gè)或更多具有相似功能的基因所補(bǔ)償，以減弱該突變對(duì)表型造成的影響，保持生物進(jìn)化中的穩(wěn)定性。

1.2.5 功能模塊性

基因調(diào)控相關(guān)的生物功能主要是通過(guò)網(wǎng)絡(luò)模塊來(lái)實(shí)現(xiàn)的，有適當(dāng)尺度下的動(dòng)力學(xué)特征和生物學(xué)功能解釋的模塊是由多個(gè)motif 構(gòu)成的，實(shí)現(xiàn)相同功能的基因或蛋白質(zhì)存在拓?fù)浣Y(jié)構(gòu)上是相關(guān)的。

1.3 基因調(diào)控網(wǎng)絡(luò)研究的目的

通過(guò)對(duì)基因調(diào)控網(wǎng)絡(luò)的研究，識(shí)別和推斷基因網(wǎng)絡(luò)的結(jié)構(gòu)、特性和調(diào)控關(guān)系，認(rèn)識(shí)復(fù)雜的分子調(diào)控過(guò)程，理解支配基因表達(dá)和功能的基本規(guī)則，揭示基因表達(dá)過(guò)程中的信息傳輸規(guī)律，清楚整體的框架下研究基因的功能。

2 基因調(diào)控網(wǎng)絡(luò)研究?jī)?nèi)容

基因調(diào)控網(wǎng)絡(luò)的研究是假設(shè)兩個(gè)基因列譜相似，則這兩個(gè)基因協(xié)作調(diào)控，并可能功能相近，有同樣表達(dá)模式的基因可能有同樣的表達(dá)過(guò)程?；蛘{(diào)控網(wǎng)絡(luò)主要在三個(gè)水平上進(jìn)行：DNA水平、轉(zhuǎn)錄水平、翻譯水平。DNA水平主要是研究基因在空間上的關(guān)系影響基因的表達(dá)；轉(zhuǎn)錄水平主要研究代謝或者是信號(hào)轉(zhuǎn)導(dǎo)過(guò)程決定轉(zhuǎn)錄因子濃度的調(diào)控過(guò)程；翻譯水平主要研究蛋白質(zhì)翻譯后修飾，從而影響基因產(chǎn)物的活性和種類的過(guò)程?；蜣D(zhuǎn)錄調(diào)控信息隱藏在基因組序列中，基因表達(dá)數(shù)據(jù)代表基因轉(zhuǎn)錄調(diào)控的結(jié)果，是轉(zhuǎn)錄調(diào)控信息的實(shí)際體現(xiàn)。

基因調(diào)控網(wǎng)絡(luò)試圖從DNA微陣列等海量數(shù)據(jù)中推斷基因之間的調(diào)控關(guān)系，對(duì)某一物種或組織中全部基因的表達(dá)關(guān)系進(jìn)行整體性研究。采用帶有反饋回路的基因網(wǎng)絡(luò)，首先是按照同步或反同步表達(dá)，以及表達(dá)強(qiáng)度的變化，系統(tǒng)地識(shí)別各基因的特點(diǎn)，再用聚類的方法將各基因歸類，在此基礎(chǔ)上構(gòu)建基因調(diào)控網(wǎng)絡(luò)，分析相關(guān)控制參數(shù)．利用其本身或調(diào)節(jié)位點(diǎn)或拓?fù)浣Y(jié)構(gòu)進(jìn)行不同的研究。

篇（5）

一、SOM算法介紹

由Kohonen提出的自組織映射（SOM）的神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)中適合用于對(duì)數(shù)據(jù)進(jìn)行分類的有效方法。SOM神經(jīng)網(wǎng)絡(luò)包含一個(gè)輸入層和一個(gè)輸出層，組織成一個(gè)二維的網(wǎng)格結(jié)構(gòu)（圖1.1）。該網(wǎng)絡(luò)能夠從任意一個(gè)隨機(jī)選擇輸入的結(jié)點(diǎn)開(kāi)始最終形成一個(gè)拓?fù)浣Y(jié)構(gòu)的映射，這個(gè)映射反映了輸入模式的內(nèi)在的關(guān)系。但是運(yùn)用SOM有一些參數(shù)的限制，首先需要指定類別數(shù)目，對(duì)映射空間結(jié)點(diǎn)進(jìn)行權(quán)值的初始化等。如（圖1.1）所示，SOM網(wǎng)絡(luò)是一個(gè)的映射，如果這個(gè)神經(jīng)元被安排在一個(gè)平面網(wǎng)格上面的話，這個(gè)神經(jīng)網(wǎng)絡(luò)就稱為二維神經(jīng)網(wǎng)絡(luò)，因?yàn)檫@個(gè)網(wǎng)絡(luò)將一個(gè)高維的輸入向量映射到一個(gè)二維的平面上面。給定一個(gè)網(wǎng)絡(luò)，輸入向量是一個(gè)維的向量，相應(yīng)的第個(gè)突觸向量的第個(gè)元素與輸入向量的第個(gè)元素相連，這樣，一個(gè)維的突觸向量就和第個(gè)神經(jīng)元實(shí)行連接。

圖1.1 SOM網(wǎng)絡(luò)的基本結(jié)構(gòu)

SOM算法描述如下：

（1）令網(wǎng)絡(luò)學(xué)習(xí)次數(shù)，賦予初始化權(quán)值向量一個(gè)小的隨機(jī)向量值，對(duì)拓?fù)溧徲颍ǎ?、學(xué)習(xí)率（）進(jìn)行初始化，設(shè)置網(wǎng)絡(luò)總的學(xué)習(xí)次數(shù)（）。

（2）當(dāng)學(xué)習(xí)次數(shù)（）小于總的學(xué)習(xí)次數(shù)（）時(shí)，重復(fù)步驟3至步驟6。

（3）隨機(jī)選一個(gè)輸入向量進(jìn)入網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

（4）確定獲勝神經(jīng)元，相應(yīng)的權(quán)值向量為與輸入向量距離最短的向量，成為獲勝神經(jīng)元，輸入向量與獲勝神經(jīng)元的最短距離為，定義如下：

（1.1）

（5）按照下式更新獲勝神經(jīng)元及其鄰域內(nèi)神經(jīng)元權(quán)值向量：

（1.2）

與函數(shù)定義如下：（1.3）

（6）令，如果，回到第（3）步繼續(xù)訓(xùn)練，否則結(jié)束訓(xùn)練。

二、數(shù)值模擬計(jì)算

本文以HUGEindex數(shù)據(jù)庫(kù)中人7000多條基因在19個(gè)正常組織中的表達(dá)情況這19個(gè)組織中表達(dá)的基因?yàn)闃颖緦?duì)其進(jìn)行分析。不同組織下的全基因表達(dá)數(shù)據(jù)構(gòu)成了一個(gè)7070x59的數(shù)據(jù)矩陣，其中每一個(gè)元素表示第個(gè)基因在第個(gè)組織中的表達(dá)水平值，行向量代表基因在19個(gè)人組織中的表達(dá)水平，成為基因的表達(dá)譜，列向量代表某一組織的各基因的表達(dá)水平。

（1.4）

本文運(yùn)用SOM方法對(duì)人基因19個(gè)組織的59個(gè)樣本進(jìn)行聚類，SOM網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)見(jiàn)（圖1.2）及參數(shù)選擇見(jiàn)表（表1.1）。

圖1.2 樣本聚類SOM網(wǎng)絡(luò)結(jié)構(gòu)圖

上圖中，根據(jù)Genechip得到的人體19個(gè)組織的59個(gè)微陣列數(shù)據(jù)所得到的信息，我們采用4x5的二維拓?fù)浣Y(jié)構(gòu)的SOM網(wǎng)絡(luò)對(duì)人體組織樣本進(jìn)行分類（其中第（4，5）個(gè)結(jié)點(diǎn)為空），圖中每個(gè)結(jié)點(diǎn)的位置（結(jié)點(diǎn)位置用與輸入模式維數(shù)相同的向權(quán)值向量表示，初始權(quán)值由系統(tǒng)自動(dòng)產(chǎn)生）為各個(gè)結(jié)點(diǎn)權(quán)值尺度化之后所得到的位置。

三、結(jié)論

通過(guò)分類可以將芯片實(shí)驗(yàn)的59個(gè)樣本按照人體組織類別分為19個(gè)類別，并且與采用層次聚類法所得結(jié)果進(jìn)行比較，可以看出自組織映射的聚類方法與層次聚類方法比較，可以看出采用SOM網(wǎng)絡(luò)聚類方法比層次聚類得到的結(jié)果更為明確，其分類正確率達(dá)到了92.2%，證明了SOM方法是有效的。

參考文獻(xiàn)：

[1]孫嘯，陸祖宏，謝建明.生物信息學(xué)基礎(chǔ)[M].北京：清華大學(xué)出版社，2005：282-285.

[2]許東，吳錚.基于matlab6.x的神經(jīng)網(wǎng)絡(luò)系統(tǒng)分析與設(shè)計(jì)[M].西安電了科技大學(xué)出版社，2002.

[3]閻凡平，張長(zhǎng)水.人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)化計(jì)算[M].北京：清華大學(xué)出版社，2005.：11-34，360-395.

篇（6）

一、數(shù)據(jù)統(tǒng)計(jì)分析的內(nèi)涵

數(shù)據(jù)分析是指運(yùn)用一定的分析方法對(duì)數(shù)據(jù)進(jìn)行處理，從而獲得解決管理決策或營(yíng)銷研究問(wèn)題所需信息的過(guò)程。所謂的數(shù)據(jù)統(tǒng)計(jì)分析就是運(yùn)用統(tǒng)計(jì)學(xué)的方法對(duì)數(shù)據(jù)進(jìn)行處理。在實(shí)際的市場(chǎng)調(diào)研工作中，數(shù)據(jù)統(tǒng)計(jì)分析能使我們挖掘出數(shù)據(jù)中隱藏的信息，并以恰當(dāng)?shù)男问奖憩F(xiàn)出來(lái)，并最終指導(dǎo)決策的制定。

二、數(shù)據(jù)統(tǒng)計(jì)分析的原則

（1）科學(xué)性。科學(xué)方法的顯著特征是數(shù)據(jù)的收集、分析和解釋的客觀性，數(shù)據(jù)統(tǒng)計(jì)分析作為市場(chǎng)調(diào)研的重要組成部分也要具有同其他科學(xué)方法一樣的客觀標(biāo)準(zhǔn)。（2）系統(tǒng)性。市場(chǎng)調(diào)研是一個(gè)周密策劃、精心組織、科學(xué)實(shí)施，并由一系列工作環(huán)節(jié)、步驟、活動(dòng)和成果組成的過(guò)程，而不是單個(gè)資料的記錄、整理或分析活動(dòng)。（3）針對(duì)性。就不同的數(shù)據(jù)統(tǒng)計(jì)分析方法而言，無(wú)論是基礎(chǔ)的分析方法還是高級(jí)的分析方法，都會(huì)有它的適用領(lǐng)域和局限性。（4）趨勢(shì)性。市場(chǎng)所處的環(huán)境是在不斷的變化過(guò)程中的，我們要以一種發(fā)展的眼光看待問(wèn)題。（5）實(shí)用性。市場(chǎng)調(diào)研說(shuō)到底是為企業(yè)決策服務(wù)的，而數(shù)據(jù)統(tǒng)計(jì)分析也同樣服務(wù)于此，在保證其專業(yè)性和科學(xué)性的同時(shí)也不能忽略其現(xiàn)實(shí)意義。

三、推論性統(tǒng)計(jì)分析方法

（1）方差分析。方差分析是檢驗(yàn)多個(gè)總體均值是否相等的一種統(tǒng)計(jì)方法，它可以看作是t檢驗(yàn)的一種擴(kuò)展。它所研究的是分類型自變量對(duì)數(shù)值型因變量的影響，比如它們之間有沒(méi)有關(guān)聯(lián)性、關(guān)聯(lián)性的程度等，所采用的方法就是通過(guò)檢驗(yàn)各個(gè)總體的均值是否相等來(lái)判斷分類型自變量對(duì)數(shù)值型因變量是否有顯著影響。（2）回歸分析。在數(shù)據(jù)統(tǒng)計(jì)分析中，存在著大量的一種變量隨著另一種變量的變化而變化的情況，這種對(duì)應(yīng)的因果變化往往無(wú)法用精確的數(shù)學(xué)公式來(lái)描述，只有通過(guò)大量觀察數(shù)據(jù)的統(tǒng)計(jì)工作才能找到他們之間的關(guān)系和規(guī)律，解決這一問(wèn)題的常用方法是回歸分析?；貧w分析是從定量的角度對(duì)觀察數(shù)據(jù)進(jìn)行分析、計(jì)算和歸納。

四、多元統(tǒng)計(jì)分析方法

（1）相關(guān)分析。相關(guān)分析是描述兩組變量間的相關(guān)程度和方向的一種常用的統(tǒng)計(jì)方法。值得注意的是，事物之間有相關(guān)關(guān)系，不一定是因果關(guān)系，也可能僅僅是伴隨關(guān)系；但如果事物之間有因果關(guān)系，則兩者必然存在相關(guān)關(guān)系。（2）主成分分析。在大部分?jǐn)?shù)據(jù)統(tǒng)計(jì)分析中，變量之間是有一定的相關(guān)性的，人們自然希望找到較少的幾個(gè)彼此不相關(guān)的綜合指標(biāo)盡可能多地反映原來(lái)眾多變量的信息。所謂的主成分分析就是利用降維的思想，把多指標(biāo)轉(zhuǎn)化為幾個(gè)綜合指標(biāo)的多元統(tǒng)計(jì)分析方法，很顯然在一個(gè)低維空間識(shí)別系統(tǒng)要比在一個(gè)高維空間容易的多。（3）因子分析。因子分析的目的是使數(shù)據(jù)簡(jiǎn)單化，它是將具有錯(cuò)綜復(fù)雜關(guān)系的變量綜合為數(shù)量較少的幾個(gè)因子，以再現(xiàn)原始變量與因子之間的相互關(guān)系，同時(shí)根據(jù)不同因子，對(duì)變量進(jìn)行分類。這些因子是不可觀測(cè)的潛在變量，而原先的變量是可觀測(cè)的顯在變量。（4）聚類分析。在市場(chǎng)調(diào)研中，市場(chǎng)細(xì)分是最常見(jiàn)的營(yíng)銷術(shù)語(yǔ)之一，它按照一定的標(biāo)準(zhǔn)將市場(chǎng)分割為不同的族群，并使族群之間具有某種特征的顯著差異，而族群內(nèi)部在這種特征上具有相似性。聚類分析就是實(shí)現(xiàn)分類的一種多元統(tǒng)計(jì)分析方法，它根據(jù)聚類變量將樣本分成相對(duì)同質(zhì)的族群。聚類分析的主要優(yōu)點(diǎn)是，對(duì)所研究的對(duì)象進(jìn)行了全面的綜合分析，歸類比較客觀，有利于分類指導(dǎo)。（5）判別分析。判別分析是判別樣品所屬類型的一種多元統(tǒng)計(jì)方法。若在已知的分類下，遇到新的樣本，則可利用此法選定一種判別標(biāo)準(zhǔn)，以判定將該新樣品放置于哪個(gè)類中。由定義我們可以知道判別分析區(qū)別于聚類分析的地方，而在判別分析中，至少要有一個(gè)已經(jīng)明確知道類別的“訓(xùn)練樣本”，從而利用這個(gè)數(shù)據(jù)建立判別準(zhǔn)則，并通過(guò)預(yù)測(cè)變量來(lái)為未知類別的觀測(cè)值進(jìn)行判別。與聚類分析相同的地方是，判別分析也是利用距離的遠(yuǎn)近來(lái)把對(duì)象歸類的。

參考文獻(xiàn)

篇（7）

doi：10.3969/j.issn.1006-1010.2015.10.004 中圖分類號(hào)：TN929.53 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-1010（2015）10-0022-06

引用格式：李梅，杜翠鳳，沈文明. 基于大數(shù)據(jù)分析的移動(dòng)通信網(wǎng)絡(luò)規(guī)劃方法[J]. 移動(dòng)通信， 2015，39（10）： 22-27.

1 引言

隨著移動(dòng)通信網(wǎng)絡(luò)的發(fā)展和移動(dòng)互聯(lián)網(wǎng)業(yè)務(wù)的增長(zhǎng)，移動(dòng)通信網(wǎng)絡(luò)的各類相關(guān)數(shù)據(jù)呈爆炸式增長(zhǎng)。借助大數(shù)據(jù)強(qiáng)大的數(shù)據(jù)處理能力和數(shù)據(jù)挖掘技術(shù)，通過(guò)分析用戶行為、基于用戶價(jià)值和用戶感知規(guī)劃設(shè)計(jì)網(wǎng)絡(luò)，成為運(yùn)營(yíng)商提升網(wǎng)絡(luò)競(jìng)爭(zhēng)力的關(guān)鍵環(huán)節(jié)。

傳統(tǒng)的移動(dòng)通信網(wǎng)絡(luò)規(guī)劃需要借助海量的測(cè)試，分析總結(jié)網(wǎng)絡(luò)存在的問(wèn)題，再基于對(duì)市場(chǎng)和業(yè)務(wù)的經(jīng)驗(yàn)預(yù)測(cè)，制定規(guī)劃方案。該過(guò)程中，測(cè)試結(jié)果的普遍性和業(yè)務(wù)預(yù)測(cè)的準(zhǔn)確性制約了規(guī)劃方案的合理性，高昂的測(cè)試成本和冗長(zhǎng)的測(cè)試工期影響了規(guī)劃效率。

基于此，提出了基于大數(shù)據(jù)分析的移動(dòng)通信網(wǎng)絡(luò)規(guī)劃方法，通過(guò)大數(shù)據(jù)工具分析海量數(shù)據(jù)，實(shí)現(xiàn)用戶業(yè)務(wù)趨勢(shì)預(yù)測(cè)、用戶價(jià)值挖掘、用戶感知評(píng)估分析，進(jìn)而能夠以用戶為中心、面向具體業(yè)務(wù)場(chǎng)景展開(kāi)通信網(wǎng)絡(luò)規(guī)劃。同時(shí)，該方法能夠綜合分析CQT（Call Quality Test，呼叫質(zhì)量撥打測(cè)試）、DT（Drive Test，路測(cè)）等多種前端測(cè)試數(shù)據(jù)和信令數(shù)據(jù)、位置數(shù)據(jù)、用戶業(yè)務(wù)信息等大量后臺(tái)數(shù)據(jù)，克服單一數(shù)據(jù)分析的局限，不僅能夠大規(guī)模降低測(cè)試成本、縮短方案制定時(shí)間，而且還提高了方案的科學(xué)合理性。

2 基于大數(shù)據(jù)分析的移動(dòng)通信網(wǎng)絡(luò)規(guī)劃

體系

如圖1所示，本文提出的移動(dòng)通信網(wǎng)絡(luò)規(guī)劃體系可分為數(shù)據(jù)層、管理層、業(yè)務(wù)層和展示層，各層均與大數(shù)據(jù)密切相關(guān)。

2.1 大數(shù)據(jù)數(shù)據(jù)層

該層采用HDFS數(shù)據(jù)庫(kù)和Hbase數(shù)據(jù)庫(kù)管理通信網(wǎng)絡(luò)相關(guān)的結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)主要來(lái)自于網(wǎng)管側(cè)和計(jì)費(fèi)側(cè)，包括：核心網(wǎng)管數(shù)據(jù)、詳單數(shù)據(jù)、網(wǎng)優(yōu)平臺(tái)數(shù)據(jù)、投訴數(shù)據(jù)、用戶信息表等，這些數(shù)據(jù)經(jīng)過(guò)預(yù)處理、算法處理后，按照標(biāo)準(zhǔn)數(shù)據(jù)格式存放在Hbase里面。

2.2 大數(shù)據(jù)管理層

該層基于Hadoop管理平臺(tái)建立特定的數(shù)據(jù)預(yù)處理腳本和算法模型，實(shí)現(xiàn)對(duì)用戶價(jià)值和用戶感知數(shù)據(jù)的分析管理。

數(shù)據(jù)的預(yù)處理主要包括確實(shí)數(shù)據(jù)處理以及噪音數(shù)據(jù)處理。為分析用戶價(jià)值和用戶感知，本系統(tǒng)用到的大數(shù)據(jù)分析算法模型主要有層次分析法和聚類閾值法。

2.3 大數(shù)據(jù)業(yè)務(wù)層

該層是對(duì)用戶價(jià)值和用戶感知業(yè)務(wù)實(shí)施梳理與管理，對(duì)影響用戶價(jià)值和感知業(yè)務(wù)的各維度進(jìn)行分析并找出其關(guān)聯(lián)關(guān)系。例如：用戶價(jià)值與收入、終端、業(yè)務(wù)、套餐的各維度關(guān)聯(lián)關(guān)系的梳理；用戶感知與回落之間的關(guān)系梳理等。

2.4 大數(shù)據(jù)展示層

該層是以圖表進(jìn)行展示數(shù)據(jù)分析結(jié)果，輔助開(kāi)展通信規(guī)劃，重點(diǎn)是對(duì)用戶價(jià)值與感知進(jìn)行地理化展現(xiàn)、相關(guān)圖表的輸出。

3 用戶價(jià)值與感知評(píng)價(jià)分析方法構(gòu)建

3.1 用戶價(jià)值評(píng)價(jià)體系構(gòu)建

通信領(lǐng)域中的用戶價(jià)值評(píng)估是一個(gè)多層次、多因素的問(wèn)題，需要針對(duì)相關(guān)的業(yè)務(wù)構(gòu)建評(píng)價(jià)指標(biāo)體系，能夠全面考慮用戶的收入特征、層次結(jié)構(gòu)、業(yè)務(wù)特征相互聯(lián)系。

（1）建立用戶價(jià)值評(píng)價(jià)體系結(jié)構(gòu)模型――AHP分析法

采用AHP法評(píng)價(jià)用戶價(jià)值時(shí)，首先是把用戶價(jià)值進(jìn)行梳理，建立出以業(yè)務(wù)為基礎(chǔ)的層次結(jié)構(gòu)模型，然后將用戶價(jià)值分解成收入、套餐、業(yè)務(wù)和終端4部分。具體如圖2所示：

用戶價(jià)值評(píng)價(jià)模型的層次一般分為：

最高層：用戶價(jià)值。

中間層：用戶潛力和消費(fèi)能力。

最底層：用戶潛力包括用戶的套餐指標(biāo)與終端指標(biāo)；消費(fèi)能力包括用戶的收入指標(biāo)與業(yè)務(wù)指標(biāo)。

基于以上的維度進(jìn)行評(píng)分，可將評(píng)分落到各基站扇區(qū)，根據(jù)評(píng)分做出扇區(qū)化的圖層，并將網(wǎng)絡(luò)的價(jià)值扇區(qū)進(jìn)行地理化呈現(xiàn)。

（2）確定用戶價(jià)值評(píng)價(jià)模型各指標(biāo)權(quán)重

以AHP法確定用戶價(jià)值評(píng)價(jià)模型各指標(biāo)的權(quán)重分為以下兩步：

首先，構(gòu)建遞階層次結(jié)構(gòu)。如圖2所示，目標(biāo)層是用戶價(jià)值，該層是建立評(píng)價(jià)模型的目的和追求的最終結(jié)果。一級(jí)指標(biāo)層為{用戶潛力，消費(fèi)能力}；二級(jí)指標(biāo)層包括套餐、終端、收入、業(yè)務(wù)等。

其次，要建立判斷矩陣。根據(jù)模型同一層級(jí)的相關(guān)指標(biāo)體系指標(biāo)可構(gòu)造判斷矩陣，將同一層次的指標(biāo)元素按照其上層指標(biāo)元素的重要性進(jìn)行兩兩比較，判斷相對(duì)重要程度。一般都會(huì)邀請(qǐng)通信專業(yè)人士和資深人員組成專家小組，依據(jù)他們的通信專業(yè)知識(shí)和研究經(jīng)驗(yàn)進(jìn)行評(píng)估，構(gòu)造判斷矩陣。

（3）綜合權(quán)重計(jì)算用戶價(jià)值

針對(duì)移動(dòng)通信系統(tǒng)，服從一定社會(huì)（地理和邏輯）分布的具有不同消費(fèi)能力、行為和移動(dòng)特征的客戶群體，在通信過(guò)程中形成的具有運(yùn)營(yíng)價(jià)值的業(yè)務(wù)活動(dòng)區(qū)域叫做價(jià)值區(qū)域。

價(jià)值區(qū)域可以采用收入、終端、用戶、業(yè)務(wù)（數(shù)據(jù)和語(yǔ)音）“四維度”，基于各自評(píng)分標(biāo)準(zhǔn)進(jìn)行評(píng)分；將評(píng)分落到各基站扇區(qū)，再根據(jù)評(píng)分做出扇區(qū)化的圖層，就可以將網(wǎng)絡(luò)的價(jià)值扇區(qū)進(jìn)行地理化呈現(xiàn)。

根據(jù)AHP法得出的權(quán)重以及各維度的評(píng)分標(biāo)準(zhǔn)，可以算出各小區(qū)的綜合評(píng)分；再根據(jù)綜合評(píng)分，可定義TOP30%為高價(jià)值扇區(qū)，TOP30%～TOP50%為中價(jià)值扇區(qū)，TOP50%～TOP80%為一般價(jià)值扇區(qū)，TOP80%以上為低價(jià)值扇區(qū)；最后，根據(jù)高低價(jià)值區(qū)域的評(píng)定，可以將網(wǎng)絡(luò)的價(jià)值扇區(qū)進(jìn)行地理化呈現(xiàn)。

該價(jià)值分析結(jié)果在規(guī)劃中可進(jìn)一步拓展到區(qū)域?qū)用妗⑽⒕W(wǎng)格層面，從而實(shí)現(xiàn)網(wǎng)絡(luò)建設(shè)目標(biāo)精準(zhǔn)定位，以更好地指導(dǎo)網(wǎng)絡(luò)資源投放。

3.2 用戶感知分析方法

（1）建立用戶感知評(píng)價(jià)體系結(jié)構(gòu)模型

如圖3所示，與用戶價(jià)值評(píng)價(jià)體系結(jié)構(gòu)模型建立的方法相似，仍采用AHP分析法，用戶感知評(píng)價(jià)模型可分為：

最高層：用戶感知。

中間層：網(wǎng)絡(luò)覆蓋和網(wǎng)絡(luò)質(zhì)量。

最底層：網(wǎng)絡(luò)覆蓋主要為MR（Measurement Report，測(cè)量報(bào)告）覆蓋指標(biāo)；網(wǎng)絡(luò)質(zhì)量包括HSDPA（High Speed Downlink Packet Access，高速下行分組接入）用戶速率與3G回落指標(biāo)。

（2）確定用戶感知評(píng)價(jià)模型各指標(biāo)權(quán)重

與用戶價(jià)值評(píng)價(jià)模型各指標(biāo)權(quán)重計(jì)算方法相似。

首先，構(gòu)建遞階層次結(jié)構(gòu)。如圖3所示，目標(biāo)層是用戶感知，該層是建立用戶感知評(píng)價(jià)模型的目的和追求的最終結(jié)果。一級(jí)指標(biāo)層為{網(wǎng)絡(luò)覆蓋，網(wǎng)絡(luò)質(zhì)量}；二級(jí)指標(biāo)層包括MR覆蓋指標(biāo)、HSDPA用戶速率、3G回落指標(biāo)等。

其次，建立判斷矩陣。由專家根據(jù)經(jīng)驗(yàn)確定權(quán)重。

（3）綜合權(quán)重計(jì)算用戶感知

用戶感知可以采用MR覆蓋指標(biāo)、HSDPA用戶速率、3G回落指標(biāo)“三維度”，按照評(píng)分標(biāo)準(zhǔn)進(jìn)行評(píng)分，再將評(píng)分結(jié)果落到各基站扇區(qū)，做出扇區(qū)化圖層實(shí)現(xiàn)網(wǎng)絡(luò)感知的地理化呈現(xiàn)。

3.3 價(jià)值與感知聯(lián)合評(píng)估

為了更好地指導(dǎo)網(wǎng)絡(luò)規(guī)劃建設(shè)，可將用戶價(jià)值分析方法和用戶感知分析方法聯(lián)合起來(lái)，建立4×3的價(jià)值與感知聯(lián)合評(píng)估矩陣，針對(duì)不同矩陣中的網(wǎng)格分別制定對(duì)應(yīng)的資源投放策略。

價(jià)值與感知聯(lián)合評(píng)估矩陣中，不同網(wǎng)格的資源投放策略建議如表1所示（紅色、綠色區(qū)域?yàn)橹攸c(diǎn)投資區(qū)域）。

4 應(yīng)用案例

在某運(yùn)營(yíng)商本地網(wǎng)的無(wú)線網(wǎng)絡(luò)規(guī)劃中，運(yùn)用上述的分析方法對(duì)2014年6月的7 000萬(wàn)條語(yǔ)音原始詳單、5億條數(shù)據(jù)原始詳單、238萬(wàn)條用戶原始信息詳單進(jìn)行了大數(shù)據(jù)分析。

4.1 價(jià)值區(qū)域分析

（1）終端分布分析

網(wǎng)上現(xiàn)有用戶約110萬(wàn)戶，其中支持3G業(yè)務(wù)的終端56萬(wàn)戶，占比50.7%，僅支持2G業(yè)務(wù)的終端54萬(wàn)戶，占比49.3%；約一半用戶終端不支持3G業(yè)務(wù)，3G終端使用者中有一半終端使用的是2G套餐。

（2）業(yè)務(wù)分布分析

現(xiàn)網(wǎng)用戶的業(yè)務(wù)分布統(tǒng)計(jì)情況是：語(yǔ)音業(yè)務(wù)63%承載在2G網(wǎng)絡(luò)上，37%承載在3G網(wǎng)絡(luò)上；數(shù)據(jù)流量2G承載24%，3G承載76%?？紤]到3G網(wǎng)絡(luò)的業(yè)務(wù)體驗(yàn)更好，且網(wǎng)絡(luò)資源更為豐富，應(yīng)通過(guò)各種措施加快業(yè)務(wù)的遷移，促進(jìn)2G/3G網(wǎng)絡(luò)的融合發(fā)展。

（3）套餐分布分析

現(xiàn)有用戶的套餐數(shù)據(jù)統(tǒng)計(jì)結(jié)果如圖4所示：

從圖4統(tǒng)計(jì)分布可知，低端用戶貢獻(xiàn)了61%的收入，但占用了73%的流量資源和65%的語(yǔ)音資源。低端用戶單位收入消耗的網(wǎng)絡(luò)資源更高，說(shuō)明高流量不一定帶來(lái)高收入；市場(chǎng)營(yíng)銷策略是影響用戶規(guī)模、用戶行為以及網(wǎng)絡(luò)資源使用的主要因素，為此，建議規(guī)劃與市場(chǎng)應(yīng)緊密結(jié)合，以計(jì)劃為先、網(wǎng)絡(luò)先行，市場(chǎng)與建設(shè)互相配合、逐步推進(jìn)。

（4）用戶收入分布分析

從用戶收入角度分析，結(jié)果如表2所示：

從表2統(tǒng)計(jì)分析可知，使用2G套餐2G終端ARPU（Average Revenue Per User，每用戶平均收入）值低于2G套餐3G終端，3G套餐2G終端ARPU值低于3G套餐3G終端，3G套餐ARPU值整體高于2G套餐，3G終端ARPU值整體高于2G終端。

從以上“收入、套餐、終端、業(yè)務(wù)”四維度進(jìn)行扇區(qū)化統(tǒng)計(jì)，各扇區(qū)統(tǒng)計(jì)結(jié)果如圖5所示：

從圖5統(tǒng)計(jì)分布可知，高價(jià)值小區(qū)數(shù)占比為30%，收入占比達(dá)到72%；中價(jià)值小區(qū)數(shù)占比為20%，收入占比達(dá)到16%；高/中價(jià)值全網(wǎng)小區(qū)數(shù)占比為50%，收入占比達(dá)到88%，高價(jià)值小區(qū)各維度占比均接近70%，各維度評(píng)估合理。

4.2 用戶感知分析

（1）用戶速率分析

網(wǎng)絡(luò)單用戶下載速率統(tǒng)計(jì)分布如圖6所示：

從圖6統(tǒng)計(jì)分布可知，全網(wǎng)速率大于1Mbps的扇區(qū)占比為90.3%，需重點(diǎn)關(guān)注低于1Mbps區(qū)域的速率改善。

（2）3G用戶回落分析

3G用戶回落指標(biāo)統(tǒng)計(jì)分布如圖7所示：

從圖7統(tǒng)計(jì)分布可知，全網(wǎng)回落評(píng)估指標(biāo)差的扇區(qū)占比為23.2%，需重點(diǎn)關(guān)注回落評(píng)估指標(biāo)差的扇區(qū)的深度覆蓋問(wèn)題。

（3）用戶感知MR覆蓋分析

對(duì)MR數(shù)據(jù)中扇區(qū)級(jí)的RSCP（Received Signal Code Power，接收信號(hào)碼功率）進(jìn)行統(tǒng)計(jì)，其分布如圖8所示：

從圖8統(tǒng)計(jì)分布可知，全網(wǎng)MR覆蓋指標(biāo)差的扇區(qū)占比為20.87%，需重點(diǎn)關(guān)注MR覆蓋指標(biāo)差的扇區(qū)的深度覆蓋問(wèn)題。

4.3 價(jià)值與感知聯(lián)合分析

綜合以上價(jià)值區(qū)域及用戶感知分析，按照專家法取定的權(quán)重對(duì)各維度指標(biāo)進(jìn)行綜合評(píng)分，得到全網(wǎng)各小區(qū)的綜合評(píng)估分析結(jié)果，統(tǒng)計(jì)各類小區(qū)占比如圖9所示：

從圖9統(tǒng)計(jì)分布可知，全網(wǎng)綜合評(píng)估高/中價(jià)值扇區(qū)中感知中/差的扇區(qū)占比為34%，這部分區(qū)域?qū)⑹潜敬我?guī)劃中需要重點(diǎn)投入網(wǎng)絡(luò)資源的區(qū)域。具體分布如圖10所示：

5 結(jié)束語(yǔ)

綜上所述，通過(guò)對(duì)現(xiàn)網(wǎng)用戶的收入分布、終端分布、套餐、業(yè)務(wù)、用戶感知等多維度分析，可精準(zhǔn)定位高價(jià)值扇區(qū)及高價(jià)值區(qū)域，以進(jìn)一步指導(dǎo)網(wǎng)絡(luò)的精準(zhǔn)化規(guī)劃設(shè)計(jì)，引導(dǎo)投資的精準(zhǔn)投放。除此之外，基于用戶價(jià)值和用戶感知的多維度分析還可以應(yīng)用于市場(chǎng)營(yíng)銷、渠道規(guī)劃等領(lǐng)域。

基于大數(shù)據(jù)的價(jià)值分析對(duì)運(yùn)營(yíng)商而言，是市場(chǎng)驅(qū)動(dòng)、精細(xì)化管理的重要途徑，有利于改變傳統(tǒng)的經(jīng)營(yíng)模式，改善用戶感知、增強(qiáng)自身競(jìng)爭(zhēng)力，從而能夠有效應(yīng)對(duì)來(lái)自于虛擬運(yùn)營(yíng)和OTT業(yè)務(wù)的沖擊。

參考文獻(xiàn)：

[1] 黃勇軍，馮明，丁圣勇，等. 電信運(yùn)營(yíng)商大數(shù)據(jù)發(fā)展策略探討[J]. 電信科學(xué)， 2013（3）： 6-11.

[2] 劉旭峰，耿慶鵬，許立群. 運(yùn)營(yíng)商獲取移動(dòng)互聯(lián)網(wǎng)用戶價(jià)值的策略研究[J]. 郵電設(shè)計(jì)技術(shù)， 2012（8）： 9-12.

[3] 袁首. 多網(wǎng)協(xié)同下的電信無(wú)線網(wǎng)絡(luò)規(guī)劃方法研究[D]. 北京： 北京郵電大學(xué)， 2012.

[4] 曹艷艷. 3G無(wú)線網(wǎng)絡(luò)規(guī)劃[D]. 濟(jì)南： 山東大學(xué)， 2005.

[5] 李勇輝. 大數(shù)據(jù)概念辨析及應(yīng)對(duì)措施[J]. 互聯(lián)網(wǎng)天地， 2014（1）： 11-14.

[6] 龍青良，李巍，呂非彼. 基于用戶感知的WCDMA無(wú)線資源效能評(píng)估方法研究[J]. 郵電設(shè)計(jì)技術(shù)， 2014（9）： 33-39.

[7] 朱強(qiáng). 3G無(wú)線網(wǎng)絡(luò)規(guī)劃和優(yōu)化的探討[J]. 通信世界， 2005（30）： 57.

[8] 任毅. 3G無(wú)線網(wǎng)絡(luò)規(guī)劃流程[J]. 電信工程技術(shù)與標(biāo)準(zhǔn)化， 2005（11）： 15-18.

篇（8）

0.引言

為了評(píng)測(cè)區(qū)域內(nèi)電網(wǎng)調(diào)度能力，根據(jù)調(diào)度能力評(píng)測(cè)結(jié)果，調(diào)整輸變電調(diào)度方案，提高變壓器等主要設(shè)備的可靠運(yùn)行，合理利用電網(wǎng)中各項(xiàng)資源和設(shè)備。本發(fā)明的目的是提供一種基于計(jì)算機(jī)實(shí)現(xiàn)的評(píng)測(cè)電網(wǎng)調(diào)度能力的方法，該方法通過(guò)對(duì)電壓、有功功率、無(wú)功功率的分析，保持各個(gè)變壓器都處于最佳工作狀態(tài)，提高設(shè)備使用壽命，降低設(shè)備故障率，降低設(shè)備運(yùn)行的電能損耗，提高電網(wǎng)運(yùn)行的可靠性，提升電網(wǎng)調(diào)度水平。

1.大數(shù)據(jù)分析評(píng)測(cè)電網(wǎng)的現(xiàn)狀

隨著我國(guó)城市化的發(fā)展逐漸加快，我國(guó)對(duì)電力的需求也在逐漸的增多，未來(lái)十幾甚至幾十年，電力需求的增長(zhǎng)主要集中在城市地區(qū)。這也就對(duì)我國(guó)的電網(wǎng)帶來(lái)很大的挑戰(zhàn)，城市電網(wǎng)是城市的重要基礎(chǔ)設(shè)施，也是電力網(wǎng)的重要組成部分。建設(shè)好城市電網(wǎng)對(duì)滿足城市經(jīng)濟(jì)發(fā)展、人民生活水平提高具有重大意義。但是，由于我國(guó)長(zhǎng)期以來(lái)收著“重主網(wǎng)、輕配網(wǎng)”的思想，導(dǎo)致我國(guó)很長(zhǎng)一段時(shí)間內(nèi)，對(duì)電網(wǎng)的投資非常的少，城市的電網(wǎng)發(fā)展普遍落后于高壓電網(wǎng)[1]。導(dǎo)致我國(guó)在很長(zhǎng)一段時(shí)間內(nèi)，處于用電不平衡的情況，很多的地方在年前或者重大節(jié)日之前就會(huì)出現(xiàn)的停電的現(xiàn)象。

2.大數(shù)據(jù)分析評(píng)測(cè)電網(wǎng)調(diào)度能力的具體方法

2.1獲取兩卷變或三卷變高低壓側(cè)的監(jiān)控?cái)?shù)據(jù)

該方法主要是用根據(jù)變壓器端的終端設(shè)備，來(lái)獲取的，首先通過(guò)各地市部署的調(diào)度EMS系統(tǒng)，將變電站中各變壓器的運(yùn)行情況準(zhǔn)確的監(jiān)控，通過(guò)變壓器內(nèi)的監(jiān)控元件，對(duì)變壓器的的運(yùn)行情況、采集電壓、有功負(fù)荷、無(wú)功負(fù)荷等檢測(cè)數(shù)據(jù)，按指定頻率采集。然后將采集的數(shù)據(jù)通過(guò)生產(chǎn)區(qū)的專用網(wǎng)絡(luò)進(jìn)行傳輸，通過(guò)生產(chǎn)區(qū)的安全交換機(jī)制放置到電力系統(tǒng)信息內(nèi)網(wǎng)，開(kāi)始清洗、篩選，去除設(shè)備檢測(cè)的異常數(shù)據(jù)，保留有效數(shù)據(jù)用于負(fù)載率分析該評(píng)測(cè)電網(wǎng)調(diào)度能力工具通過(guò)在信息內(nèi)網(wǎng)中載入電網(wǎng)運(yùn)行的監(jiān)控?cái)?shù)據(jù)[2]。

2.2得到變壓器實(shí)際功率與額定功率的比值

通過(guò)對(duì)變壓器內(nèi)高低壓側(cè)的檢測(cè)數(shù)據(jù)，計(jì)算變壓器實(shí)際功率與額定功率的比值，負(fù)責(zé)率分析，接下來(lái)對(duì)采集的調(diào)度EMS系統(tǒng)的電網(wǎng)運(yùn)行數(shù)據(jù)進(jìn)行計(jì)算，負(fù)載率有兩種計(jì)算方法，一是根據(jù)選定的地區(qū)、時(shí)間段，使用公式二“有功負(fù)荷與無(wú)功負(fù)荷平方根/容量”計(jì)算每個(gè)時(shí)點(diǎn)該地區(qū)各個(gè)變壓器的負(fù)載率；二是根據(jù)選定的地區(qū)、時(shí)間段，使用公式“有功負(fù)荷/（容量*0.95）”計(jì)算每個(gè)時(shí)點(diǎn)該地區(qū)各個(gè)變壓器的負(fù)載率[3]。

2.3計(jì)算各個(gè)變壓器的平均負(fù)載率以及平均負(fù)載率的平均值

首先要通過(guò)選定的地區(qū)、時(shí)間段，得到該地區(qū)在本時(shí)間段內(nèi)各個(gè)變壓器的平均負(fù)載率以及平均負(fù)載率的平均值。然后再計(jì)算各個(gè)變壓器平均負(fù)載率的均方差，由變壓器的均方差，判斷選定區(qū)域在該時(shí)間段的調(diào)度運(yùn)行能力。主變不均衡度分析，根據(jù)選定地區(qū)和時(shí)間段，統(tǒng)計(jì)負(fù)載率分析結(jié)果，得出平均負(fù)載率[4]。根據(jù)平均負(fù)載率計(jì)算各個(gè)變壓器平均負(fù)載率的均方差，作為變壓器的不均衡度，將結(jié)果逐級(jí)放大，能夠得出變壓器、變電站、縣公司、市公司乃至網(wǎng)省公司在該時(shí)間段的調(diào)度健康情況，從而有效的調(diào)整調(diào)度策略和計(jì)劃，改善電網(wǎng)運(yùn)行情況。

3.大數(shù)據(jù)分析評(píng)測(cè)電網(wǎng)調(diào)度能力的應(yīng)用

3.1調(diào)度EMS數(shù)據(jù)采集

要對(duì)EMS數(shù)據(jù)采集，首先要制定EMS系統(tǒng)監(jiān)控?cái)?shù)據(jù)的格式，然后加載指定格式的調(diào)度數(shù)據(jù)，其中指定數(shù)據(jù)額格式要求主要為：（1）按“變電站+地區(qū)+變電站電壓等級(jí)+主變名稱+時(shí)間”的順序排序，每小時(shí)記錄一次，主要記錄每個(gè)整點(diǎn)、時(shí)點(diǎn)的有功、無(wú)功負(fù)荷該數(shù)據(jù)容量的單位是MVA，負(fù)荷的單位是MW。（2）時(shí)間，變電站，地區(qū)，變電站電壓等級(jí)，主變名稱，繞組電壓，容量，有功負(fù)荷值，無(wú)功負(fù)荷值。（3）變電站的數(shù)據(jù)采集按照一定的順序進(jìn)行，不可以同時(shí)多個(gè)變電站的數(shù)據(jù)進(jìn)行采集。

在這個(gè)過(guò)程中還要對(duì)數(shù)據(jù)進(jìn)行“清洗”。清洗的流程為：（1）使用8個(gè)逗號(hào)作為數(shù)據(jù)的分隔符，分別隔開(kāi)不同字段的數(shù)據(jù)。如果有多余逗號(hào)或缺逗號(hào)或兩個(gè)逗號(hào)中間為空的行，則該行數(shù)據(jù)無(wú)效。（2）在計(jì)算的過(guò)程中除了容量、有功負(fù)荷值及無(wú)功負(fù)荷值外，其他各字段如數(shù)據(jù)超長(zhǎng)，則頁(yè)面拋出提示錯(cuò)誤，結(jié)束導(dǎo)入。（3）廠站電壓等級(jí)為110kV的變壓器容量小于等于100MVA（系統(tǒng)用戶可以在管理端修改此值大?。?，否則該行數(shù)據(jù)無(wú)效。

3.2負(fù)載率計(jì)算

負(fù)載率計(jì)算有兩種情況，分別是近似計(jì)算和精確計(jì)算，其中近似計(jì)算效率高，能夠很快得到近似結(jié)果。但是在常規(guī)檢查時(shí)可使用本公式計(jì)算；精確計(jì)算算法相對(duì)復(fù)雜、比較耗時(shí)，但是計(jì)算準(zhǔn)確，通常用于分析調(diào)度情況時(shí)使用。

簡(jiǎn)便公式為：

計(jì)算要求：

1、選定地區(qū)、場(chǎng)站或主變和時(shí)間段；

2、根據(jù)選定的地區(qū)、時(shí)間段，使用公式計(jì)算每個(gè)時(shí)點(diǎn)該地區(qū)各個(gè)變壓器的負(fù)載率；

3、使用意義在于根據(jù)負(fù)載率大小得出各變壓器負(fù)載率的最高或最低時(shí)點(diǎn)，從而判斷當(dāng)前電網(wǎng)的負(fù)荷情況。

精確公式：

計(jì)算方法：

1、選定地區(qū)、場(chǎng)站或主變和時(shí)間段；

2、根據(jù)選定的地區(qū)、時(shí)間段，使用公式二計(jì)算每個(gè)時(shí)點(diǎn)該地區(qū)各個(gè)變壓器的負(fù)載率；

3、使用意義在于根據(jù)負(fù)載率大小得出各變壓器負(fù)載率的最高或最低時(shí)點(diǎn)，從而判斷當(dāng)前電網(wǎng)的負(fù)荷情況。

4.結(jié)語(yǔ)

該發(fā)明可及時(shí)調(diào)整調(diào)度方案，從而均衡電網(wǎng)的運(yùn)行負(fù)荷，保持各個(gè)變壓器都處于最佳工作狀態(tài)，提高設(shè)備使用壽命，降低設(shè)備故障率，降低設(shè)備運(yùn)行的電能損耗，提高電網(wǎng)運(yùn)行的可靠性，提升電網(wǎng)調(diào)度水平，對(duì)提高大數(shù)據(jù)分析電網(wǎng)調(diào)度能力具有顯著的作用。

參考文獻(xiàn)

[1]李庚銀，羅艷，周明，等.基于數(shù)學(xué)形態(tài)學(xué)和網(wǎng)格分形的電能質(zhì)量擾動(dòng)檢測(cè)及定位[J].中國(guó)電機(jī)工程學(xué)報(bào)，2012，26（03）：25-30.

篇（9）

所謂的交通事故預(yù)測(cè)是根據(jù)已發(fā)生交通事故的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，在對(duì)事故原因進(jìn)行分析的基礎(chǔ)上，探尋事故規(guī)律，以針對(duì)交通事故做出更為合理的推測(cè)和判斷。當(dāng)前，交通事故預(yù)測(cè)方法相對(duì)較為多樣，如回歸分析、時(shí)間序列等，雖然都能對(duì)交通事故做出科學(xué)合理的決策性指導(dǎo)，但各具優(yōu)缺點(diǎn)和適用條件，因而有關(guān)人員應(yīng)在遵循交通事故預(yù)測(cè)思想的基礎(chǔ)上，對(duì)幾種主要預(yù)測(cè)方法進(jìn)行分析，確保交通部門(mén)人員能夠根據(jù)實(shí)際情況而合理選擇交通事故預(yù)測(cè)方法。

1 交通事故預(yù)測(cè)思想

交通事故對(duì)人類造成的危害相對(duì)較大，對(duì)人類產(chǎn)生嚴(yán)重的威脅。從我國(guó)發(fā)展實(shí)踐中可知，交通事故在一定程度上制約我國(guó)經(jīng)濟(jì)的發(fā)展進(jìn)程，尤其對(duì)人類社會(huì)福利、醫(yī)療保險(xiǎn)等方面的影響較大。據(jù)不完全統(tǒng)計(jì)，2015年全年間，我國(guó)交通事故約為10597358起，死亡人數(shù)約為68432人，財(cái)產(chǎn)損失高達(dá)10億元以上?？梢?jiàn)，交通事故威脅隱患相對(duì)較大。交通事故預(yù)測(cè)能夠根據(jù)已發(fā)生交通事故進(jìn)行統(tǒng)計(jì)、分析、處理，在遵循規(guī)律的基礎(chǔ)上，對(duì)未來(lái)可能發(fā)生的交通事故作出科學(xué)合理的預(yù)測(cè)，該預(yù)測(cè)結(jié)果以科學(xué)邏輯推斷為基礎(chǔ)。就交通事故原因而言，道路環(huán)境、交通條件、車輛、駕駛員等都是影響因素。通過(guò)交通事故預(yù)測(cè)，我國(guó)交通部門(mén)人員能夠?qū)煌ㄊ鹿首鞒隹茖W(xué)合理的判斷和制定有效的預(yù)防策略，以最大限度降低和消除交通事故隱患。

2 交通事故主要預(yù)測(cè)方法

2.1 回歸分析預(yù)測(cè)法

回歸分析預(yù)測(cè)法在交通事故預(yù)測(cè)中的有效應(yīng)用，主要分為線性回歸和非線性回歸兩種方法。首先，背景交通工程研究所人員提出線性回歸分析預(yù)測(cè)法，通過(guò)對(duì)自變量和因變量之間關(guān)系問(wèn)題的探討，對(duì)因變量趨勢(shì)加以預(yù)測(cè)，其模型為：

Y=3577.79+93.3028lgX1+824.921lgX3+326.777lgX4+800.454lgX5-1149.051lgX6-224.902lgX8-45.0499lgX9-152.6081lgX10-287.191lgX11。

其中X1-X11分別表示臨時(shí)人口、常住人口、機(jī)動(dòng)車輛、自行車、道路長(zhǎng)度、道路面積、燈控路口、交通標(biāo)志、交通標(biāo)線、失控部位、交警人數(shù)。

其次，英國(guó)倫敦大學(xué)SemeedR.J教授對(duì)歐洲國(guó)家十余載的交通事故資料進(jìn)行研究，提出非線性回歸分析預(yù)測(cè)法。對(duì)此，他建立冪函數(shù)曲線事故模型，

即：D=0.0003。其中D為交通事故死亡人數(shù)；N是機(jī)動(dòng)車保有量；P為人口數(shù)量。

回歸分析預(yù)測(cè)法能夠?qū)煌ㄊ鹿视绊懸蛩亻g的因果關(guān)系加以反應(yīng)，以達(dá)到預(yù)測(cè)結(jié)果的目的，但對(duì)變化趨勢(shì)的反應(yīng)可能較為遲鈍。該預(yù)測(cè)方法適用于樣本量較大、數(shù)據(jù)波動(dòng)小和極具規(guī)律性的預(yù)測(cè)實(shí)踐中。

2.2 時(shí)間序列預(yù)測(cè)法

時(shí)間序列預(yù)測(cè)法主要有兩種類型，分別為移動(dòng)平均預(yù)測(cè)法和指數(shù)平滑預(yù)測(cè)法。首先，移動(dòng)平均預(yù)測(cè)法是比較簡(jiǎn)單的平滑預(yù)測(cè)技術(shù)，通過(guò)計(jì)算項(xiàng)數(shù)時(shí)序平均值，對(duì)長(zhǎng)期發(fā)展趨勢(shì)變化做出科學(xué)合理的預(yù)測(cè)。內(nèi)蒙古科技大學(xué)韋麗琴、徐勇勇利用時(shí)間序列ARIMA模型做出科學(xué)合理的預(yù)測(cè)分析，對(duì)交通事故加以預(yù)測(cè)。其次，指數(shù)平滑預(yù)測(cè)法的通式為：

Ft+1=αxt+（1-α）Ft

時(shí)間序列預(yù)測(cè)法屬于定量預(yù)測(cè)方法，擬合效果良好，但在短期預(yù)測(cè)中，受諸多因素干擾影響較大，使預(yù)測(cè)結(jié)果具有不確定性。該方法適用于國(guó)內(nèi)縣區(qū)等區(qū)域范圍較小的預(yù)測(cè)實(shí)踐中。

2.3 灰色馬爾科夫鏈預(yù)測(cè)法

道路交通系統(tǒng)屬于動(dòng)態(tài)時(shí)變系統(tǒng)，但影響交通安全的因素多且復(fù)雜。在灰色馬爾科夫鏈預(yù)測(cè)法的指導(dǎo)下，相關(guān)人員能夠通過(guò)灰色預(yù)測(cè)模型，做出短期預(yù)測(cè)，以縮小預(yù)測(cè)區(qū)間，提高預(yù)測(cè)效率。云南交通職業(yè)技術(shù)學(xué)院王剛對(duì)灰色馬爾科夫鏈預(yù)測(cè)法而建立模型，對(duì)交通事故進(jìn)行預(yù)測(cè)，根據(jù)實(shí)踐可知，基于該模型的預(yù)測(cè)精確度十分高，取得良好的預(yù)測(cè)成效。

灰色預(yù)測(cè)以短期預(yù)測(cè)為主，馬爾科夫鏈預(yù)測(cè)以長(zhǎng)期預(yù)測(cè)為主，通過(guò)二者結(jié)合，可提高預(yù)測(cè)精度，但如若數(shù)據(jù)變化大，則灰色模型的吻合度和精度下降。借助該預(yù)測(cè)方法，能夠?qū)顟B(tài)下的轉(zhuǎn)移規(guī)律加以預(yù)測(cè)，并揭示交通事故時(shí)序變化總趨勢(shì)。

2.4 貝葉斯預(yù)測(cè)法

貝葉斯預(yù)測(cè)法主要相對(duì)于交通事故中的車速問(wèn)題而言。在交通事故中，車速是重要影響因素，如若車輛速度過(guò)快，則駕駛員反應(yīng)的時(shí)間較少，其應(yīng)急策略不足，造成重大交通安全隱患。貝葉斯預(yù)測(cè)法能夠?qū)ξ磥?lái)交通事故發(fā)生的可能性進(jìn)行預(yù)測(cè)。該預(yù)測(cè)方法應(yīng)用中，必須建立在交通事故和車速有關(guān)聯(lián)的基礎(chǔ)之上，有助于交通部門(mén)人員更好開(kāi)展數(shù)據(jù)統(tǒng)計(jì)和交通流進(jìn)行觀測(cè)。

2.5 灰關(guān)聯(lián)分析及神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法

就灰關(guān)聯(lián)分析及神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法而言，哈爾濱工業(yè)大學(xué)交通研究所和中國(guó)城市規(guī)劃設(shè)計(jì)研究院的裴玉龍與張宇提出該方法，旨在通過(guò)交通事故影響因素分析，對(duì)事故進(jìn)行進(jìn)一步解析，并建立合理的模型理論和確定預(yù)測(cè)指標(biāo)，對(duì)未來(lái)交通事故發(fā)展趨勢(shì)加以預(yù)測(cè)。該預(yù)測(cè)方法的適應(yīng)性較強(qiáng)，在我國(guó)交通事故預(yù)測(cè)工作實(shí)踐中有著較為有效的運(yùn)用，可解決傳統(tǒng)預(yù)測(cè)方法難以解決的問(wèn)題，建立在BP網(wǎng)絡(luò)基礎(chǔ)之上，并利用計(jì)算機(jī)開(kāi)展輔計(jì)算活動(dòng)。

2.6 多層遞階預(yù)測(cè)方法

多層遞階預(yù)測(cè)方法能夠規(guī)避傳統(tǒng)統(tǒng)計(jì)預(yù)測(cè)方法的缺陷，以現(xiàn)代控制理論“系統(tǒng)辨識(shí)”為重要基礎(chǔ)，對(duì)對(duì)象的未來(lái)狀態(tài)做科學(xué)的預(yù)測(cè)。動(dòng)態(tài)系統(tǒng)數(shù)學(xué)模型為：y（k）=。在交通事故預(yù)測(cè)中，多層遞階預(yù)測(cè)方法是大數(shù)據(jù)時(shí)代背景下的重要處理方式，有利于增強(qiáng)預(yù)測(cè)效果。

3 結(jié)論

交通部門(mén)對(duì)交通事故進(jìn)行合理的預(yù)測(cè)，有利于提高道路交通系統(tǒng)的安全系數(shù)。所以，相關(guān)人員合理選擇交通事故預(yù)測(cè)方法具有必要性，為規(guī)避交通事故而做出科學(xué)合理的決策。目前，使用較多的交通事故預(yù)測(cè)方法主要有：回歸分析預(yù)測(cè)法、時(shí)間序列預(yù)測(cè)法、灰色馬爾科夫鏈預(yù)測(cè)法、貝葉斯預(yù)測(cè)法、灰關(guān)聯(lián)分析及神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法等，因其各具優(yōu)缺點(diǎn)和適用條件，因而要求相關(guān)人員必須對(duì)系列問(wèn)題進(jìn)行深入探究，確保公路交通事故預(yù)測(cè)的有效性。

參考文獻(xiàn)

[1]李景文，高桂清.交通事故預(yù)測(cè)分析[J].中國(guó)安全科學(xué)學(xué)報(bào)，2015，6（01）：20-23.

[2]劉志強(qiáng).道路交通事故預(yù)測(cè)方法比較研究[J].交通與計(jì)算機(jī)，2013，19（05）：7-10.

篇（10）

0引言

Web技術(shù)的飛速發(fā)展產(chǎn)生了海量的用戶生成內(nèi)容，大量信息蘊(yùn)藏其中，是潛在用戶決策支持的有價(jià)值資源。如何挖掘海量用戶生成內(nèi)容催生了數(shù)據(jù)分析人才的市場(chǎng)需求。麥肯錫全球研究院報(bào)告預(yù)計(jì)，美國(guó)在2018年數(shù)據(jù)分析人才缺口將達(dá)到50%～60%，甚至可能更大。我國(guó)政府提出的“互聯(lián)網(wǎng)+”行動(dòng)計(jì)劃，使得數(shù)據(jù)幾乎滲透到每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域。在大數(shù)據(jù)時(shí)代，具有豐富經(jīng)驗(yàn)的數(shù)據(jù)分析人才需求倍增。

1數(shù)據(jù)分析人才必備的重要素質(zhì)

數(shù)據(jù)分析人才能對(duì)行業(yè)已有數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分析、預(yù)測(cè)，能為企業(yè)經(jīng)營(yíng)決策提供科學(xué)量化的分析依據(jù)。2007年，復(fù)旦大學(xué)首先在國(guó)內(nèi)開(kāi)始培養(yǎng)數(shù)據(jù)分析人才，隨后香港中文大學(xué)、北京航空航天大學(xué)等高等院校也相繼開(kāi)設(shè)了相關(guān)課程。分析上述高校人才培養(yǎng)計(jì)劃可知，數(shù)據(jù)分析人才應(yīng)該系統(tǒng)地掌握數(shù)據(jù)分析相關(guān)技能（主要包括數(shù)學(xué)、統(tǒng)計(jì)學(xué)、數(shù)據(jù)分析、商業(yè)分析和自然語(yǔ)言處理等），應(yīng)具有較寬的知識(shí)面、獨(dú)立獲取知識(shí)的能力及較強(qiáng)的實(shí)踐能力和創(chuàng)新意識(shí)，是一種復(fù)合型專業(yè)人才?！吨袊?guó)大數(shù)據(jù)技術(shù)與產(chǎn)業(yè)發(fā)展白皮書(shū)》在數(shù)據(jù)人才一章中明確指出，數(shù)據(jù)分析人才的培養(yǎng)要從本科階段開(kāi)始，要注重運(yùn)用算法分析問(wèn)題、解決問(wèn)題，由此可見(jiàn)，計(jì)算思維能力是數(shù)據(jù)分析人才必須具備的重要素質(zhì)之一。

2計(jì)算思維能力培養(yǎng)現(xiàn)狀

自2002年以來(lái)，我國(guó)計(jì)算機(jī)教育專家將計(jì)算思維能力歸結(jié)為計(jì)算機(jī)專業(yè)人才必備的4大專業(yè)基本能力，并且強(qiáng)調(diào)計(jì)算思維能力是其他3項(xiàng)能力（算法設(shè)計(jì)與分析、程序設(shè)計(jì)與實(shí)現(xiàn)以及系統(tǒng)能力）的基石。那么，如何在大數(shù)據(jù)時(shí)代背景下，依托應(yīng)用型本科軟件工程試點(diǎn)專業(yè)建設(shè)，培養(yǎng)軟件工程專業(yè)學(xué)生的計(jì)算思維能力，為社會(huì)輸送高質(zhì)量數(shù)據(jù)分析人才？計(jì)算思維能力的強(qiáng)弱主要表現(xiàn)為學(xué)生能否正確運(yùn)用抽象與分解、遞歸、啟發(fā)式等方法解決計(jì)算求解問(wèn)題。訓(xùn)練學(xué)生的計(jì)算思維能力可在算法與數(shù)據(jù)結(jié)構(gòu)以及算法設(shè)計(jì)與分析課程（以下簡(jiǎn)稱算法類課程）的教學(xué)中進(jìn)行，因而算法類課程是本科階段培養(yǎng)數(shù)據(jù)分析人才的重要課程。

然而，在算法類課程的實(shí)際教學(xué)過(guò)程中，存在兩個(gè)較為常見(jiàn)的問(wèn)題：

（1）學(xué)生理論聯(lián)系實(shí)際的能力薄弱。學(xué)生要達(dá)到靈活運(yùn)用算法解決實(shí)際問(wèn)題，必須掌握算法的核心思想，但由于算法類課程中許多概念抽象，一些經(jīng)典算法較為復(fù)雜，在這兩門(mén)課程的學(xué)習(xí)和實(shí)踐中，能體會(huì)到理論學(xué)習(xí)意義和動(dòng)手實(shí)踐樂(lè)趣的學(xué)生很少。

（2）系統(tǒng)能力培養(yǎng)沒(méi)有受到教師的足夠重視。由于算法類課程相關(guān)的綜合設(shè)計(jì)課內(nèi)學(xué)時(shí)少，教師無(wú)法引導(dǎo)學(xué)生從系統(tǒng)的角度認(rèn)知綜合設(shè)計(jì)，并對(duì)其進(jìn)行分析、開(kāi)發(fā)與應(yīng)用。

由此可見(jiàn)，在算法類課程的現(xiàn)有教學(xué)環(huán)節(jié)中，訓(xùn)練學(xué)生計(jì)算思維能力的機(jī)會(huì)較少，必須結(jié)合當(dāng)前數(shù)據(jù)分析人才市場(chǎng)需求的發(fā)展趨勢(shì)，重新審視算法類課程的定位和內(nèi)容，以達(dá)到夯實(shí)學(xué)生計(jì)算思維能力的目的。

3在算法類課程教學(xué)中培養(yǎng)學(xué)生計(jì)算思維能力的方法

從整體上，一個(gè)較高層次的數(shù)據(jù)分析人才應(yīng)該掌握7大版塊的知識(shí)結(jié)構(gòu)，分別是數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)提取、數(shù)據(jù)挖掘、數(shù)據(jù)分析、數(shù)據(jù)展現(xiàn)以及數(shù)據(jù)應(yīng)用。以數(shù)據(jù)分析人才驅(qū)動(dòng)為導(dǎo)向，培養(yǎng)軟件工程專業(yè)學(xué)生計(jì)算思維能力的算法類教學(xué)方法主要是把算法類課程中算法分析與設(shè)計(jì)的思想融入數(shù)據(jù)分析中，用數(shù)據(jù)分析中的實(shí)際需求驅(qū)動(dòng)學(xué)生學(xué)習(xí)書(shū)本上抽象的理論知識(shí)。以7大版塊中最重要的數(shù)據(jù)挖掘版塊作為載體，在算法類課程教學(xué)中培養(yǎng)學(xué)生的計(jì)算思維能力。

3.1基于實(shí)際數(shù)據(jù)分析任務(wù)的實(shí)驗(yàn)項(xiàng)目設(shè)計(jì)

目前，國(guó)際權(quán)威學(xué)術(shù)組織IEEE International Conference on Data Mining（ICDM）已評(píng)選出數(shù)據(jù)挖掘的10大經(jīng)典算法：C4.5、k-means、SVM、Apriori、EM、PageRank、AdaBoost、kNN、Navie Bayes和CART。在教學(xué)過(guò)程中，可以根據(jù)不同類型的應(yīng)用問(wèn)題，結(jié)合這些經(jīng)典數(shù)據(jù)挖掘算法布置實(shí)驗(yàn)任務(wù)，對(duì)每一實(shí)驗(yàn)任務(wù)制定實(shí)現(xiàn)該任務(wù)的實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)要求、實(shí)驗(yàn)內(nèi)容、實(shí)驗(yàn)步驟和預(yù)期實(shí)驗(yàn)結(jié)果，讓學(xué)生清晰地理解并實(shí)現(xiàn)這些實(shí)驗(yàn)任務(wù)。

以2013級(jí)軟件工程專業(yè)學(xué)生參加中國(guó)好創(chuàng)意的“互聯(lián)網(wǎng)情緒指標(biāo)和生豬價(jià)格的關(guān)聯(lián)關(guān)系挖掘和預(yù)測(cè)”為例，說(shuō)明實(shí)驗(yàn)項(xiàng)目的設(shè)計(jì)。

（1）實(shí)驗(yàn)?zāi)康模横槍?duì)來(lái)自國(guó)內(nèi)互聯(lián)網(wǎng)的生豬歷年消費(fèi)者情緒數(shù)據(jù)，挖掘消費(fèi)者情緒指標(biāo)和生豬價(jià)格之間的關(guān)聯(lián)關(guān)系。

（2）實(shí)驗(yàn)要求：采用Apriori算法，對(duì)近期國(guó)內(nèi)五花肉價(jià)格及生豬價(jià)格進(jìn)行預(yù)測(cè)。

（3）實(shí)驗(yàn)內(nèi)容及步驟：首先，對(duì)原始的生豬數(shù)據(jù)清洗是分析消費(fèi)者情緒與生豬價(jià)格之間的關(guān)聯(lián)關(guān)系的第一個(gè)階段，其目的是刪除無(wú)關(guān)數(shù)據(jù)；其次，統(tǒng)計(jì)與消費(fèi)者正面情緒或消費(fèi)者負(fù)面情緒同時(shí)出現(xiàn)的相關(guān)指標(biāo)，并根據(jù)自定義的最小支持度閾值獲得正面情緒或負(fù)面情緒的頻繁項(xiàng)集；最后，根據(jù)自定義的置信度對(duì)獲得的頻繁項(xiàng)集進(jìn)行篩選，得到有意義的頻繁項(xiàng)集。

（4）預(yù)期實(shí)驗(yàn)結(jié)果：解讀最終得到的頻繁項(xiàng)集，將挖掘的結(jié)果反饋到生豬養(yǎng)殖戶，讓其掌握生豬市場(chǎng)的供求關(guān)系。

個(gè)別有能力的學(xué)生還可以對(duì)以上內(nèi)容進(jìn)行拓展，從互聯(lián)網(wǎng)大數(shù)據(jù)中找出其他一些具有參考價(jià)值的生豬價(jià)格預(yù)測(cè)先導(dǎo)指標(biāo)。

實(shí)驗(yàn)任務(wù)的編碼完成后，還要求學(xué)生從軟件開(kāi)發(fā)的角度撰寫(xiě)規(guī)范的項(xiàng)目報(bào)告，內(nèi)容包括項(xiàng)目的需求分析、總體設(shè)計(jì)、詳細(xì)設(shè)計(jì)、編碼與測(cè)試等。教師可通過(guò)報(bào)告清楚了解學(xué)生是否有良好的計(jì)算思維能力。針對(duì)計(jì)算思維能力薄弱的學(xué)生，教師可以再布置另外的實(shí)驗(yàn)項(xiàng)目讓其訓(xùn)練。例如，在“互聯(lián)網(wǎng)情緒指標(biāo)和生豬價(jià)格的關(guān)聯(lián)關(guān)系挖掘和預(yù)測(cè)”實(shí)踐項(xiàng)目中，要求項(xiàng)目報(bào)告中有目標(biāo)場(chǎng)景、需求理解、方案創(chuàng)意說(shuō)明、模型數(shù)據(jù)選取、數(shù)據(jù)分析、算法設(shè)計(jì)、實(shí)驗(yàn)設(shè)計(jì)、結(jié)果分析、原型系統(tǒng)介紹等。

3.2算法類課程教學(xué)內(nèi)容拓展

由于本科階段算法類課程的教學(xué)內(nèi)容只涉及完成基于實(shí)際數(shù)據(jù)分析任務(wù)的基礎(chǔ)知識(shí)，不包括數(shù)據(jù)挖掘算法，這就需要教師在算法類課程中拓展教學(xué)內(nèi)容。因此，在教學(xué)過(guò)程中需要將經(jīng)典的數(shù)據(jù)挖掘算法與算法類課程的理論知識(shí)巧妙融合。為此，教師需要詳細(xì)分析實(shí)現(xiàn)每個(gè)數(shù)據(jù)分析任務(wù)需要的基本理論知識(shí)，然后按照書(shū)本相關(guān)內(nèi)容的先后順序串聯(lián)起來(lái)并編寫(xiě)授課計(jì)劃，體現(xiàn)算法類課程精華內(nèi)容與實(shí)際數(shù)據(jù)分析任務(wù)的融合。為了保證學(xué)生對(duì)數(shù)據(jù)挖掘算法的深入理解，需要鼓勵(lì)其利用課余時(shí)間廣泛查閱相關(guān)資料，進(jìn)行自主學(xué)習(xí)。

在2013級(jí)軟件工程專業(yè)學(xué)生參加中國(guó)好創(chuàng)意的“互聯(lián)網(wǎng)情緒指標(biāo)和生豬價(jià)格的關(guān)聯(lián)關(guān)系挖掘和預(yù)測(cè)”競(jìng)賽中，指導(dǎo)教師們利用課外時(shí)間給學(xué)生講解關(guān)聯(lián)規(guī)則挖掘算法的思想、原理、特點(diǎn)等。學(xué)生在學(xué)習(xí)關(guān)聯(lián)規(guī)則挖掘算法的過(guò)程中進(jìn)一步掌握了遞歸與分治思想、回溯法思想；理解了樹(shù)型存儲(chǔ)結(jié)構(gòu)對(duì)關(guān)聯(lián)規(guī)則挖掘算法性能的改進(jìn)。通過(guò)這樣的實(shí)踐，參賽學(xué)生完成的作品清晰展示了他們?cè)趯W(xué)習(xí)算法類課程中培養(yǎng)的計(jì)算思維能力。

3.3計(jì)算思維能力培養(yǎng)的跟蹤

為了改進(jìn)軟件工程學(xué)生計(jì)算思維能力培養(yǎng)中可能存在的問(wèn)題，收集應(yīng)用于13級(jí)軟件工程專業(yè)學(xué)生的實(shí)驗(yàn)項(xiàng)目、授課計(jì)劃、項(xiàng)目報(bào)告、算法類課程的理論成績(jī)與實(shí)踐成績(jī)。通過(guò)跟蹤他們畢業(yè)設(shè)計(jì)的完成情況，分析曾在算法類課程上得到較好計(jì)算思維能力培養(yǎng)的學(xué)生的畢業(yè)設(shè)計(jì)情況，檢驗(yàn)提出的方法。由于本研究的對(duì)象還沒(méi)有進(jìn)入畢業(yè)設(shè)計(jì)環(huán)節(jié)，故只進(jìn)行算法類課程的理論成績(jī)與基于實(shí)際數(shù)據(jù)分析任務(wù)的實(shí)驗(yàn)項(xiàng)目完成情況的分析。通過(guò)兩門(mén)課程期末考試成績(jī)可以看出，認(rèn)真完成實(shí)驗(yàn)項(xiàng)目的學(xué)生理論考試成績(jī)普遍高于不認(rèn)真的學(xué)生，這充分說(shuō)明基于實(shí)際數(shù)據(jù)分析任務(wù)的實(shí)驗(yàn)項(xiàng)目能有效改進(jìn)目前算法類教學(xué)課程中存在的問(wèn)題。

此外，還準(zhǔn)備通過(guò)學(xué)院學(xué)生管理部門(mén)跟蹤2013級(jí)軟件工程專業(yè)學(xué)生的就業(yè)情況和用人單位的反饋意見(jiàn)，了解學(xué)生的專業(yè)能力，及時(shí)修改計(jì)算思維能力的培養(yǎng)方法，為探索應(yīng)用型本科軟件工程試點(diǎn)專業(yè)建設(shè)提供有力支撐。

3.4充分利用移動(dòng)平臺(tái)