数据挖掘在铁路客运客户关系管理中的应用

介绍了数据挖掘和客户关系管理概念,探讨了数据挖掘在铁路旅客运输分析型客户关系管理中的应用,并建立了一个简单的应用模型为企业的经营决策提供支持。通过分析型的客户关系管理(CRM)的运用,铁路旅客运输企业可以利用自身优势合理安排车流;尽量用最小的成本,对现有的服务渠道、方法和信息采集渠道等进行调整,从而提高铁路在运输市场的竞争力。     

行车安全监测数据关联规则的研究

主要研究如何利用数据挖掘技术进行报警的管理,详细叙述了报警序列数据的关联规则挖掘算法,并对沪宁线综合安全监控信息系统集成的车辆运行状态、地面安全监测系统报警数据进行了关联性分析.     

量纲分析与工程数据挖掘结合的掘进总载荷建模

近年来,越来越多的工程装备实现了施工过程中多维数据的检测与收集。同时,通过数据挖掘建模来实现工作参数的优化调控已成为一种发展趋势。如何将数据挖掘过程与所研究问题的内在机理结合,建立具有一定物理可解释性的参数预测模型并提高其泛化性,是该研究领域的难点问题之一。以全断面隧道掘进机的掘进总推力和总扭矩为研究对象,提出一种量纲分析与工程数据挖掘相结合的参数建模方法。该方法从各影响参量的物理力学本质出发,分析其中需要满足的量纲制约关系,构建具有一定可解释性和泛化性的显式模型框架,在其约束下进行工程数据挖掘建立定量预估模型。对模型在不同工况、不同工程中的预测效果进行评估,结果表明,提出的方法可以实现2类典型工况下的总推力和总扭矩建模,其计算结果在不同工程中均具有较好的适用性与预测准确度,模型可显示反映参量间的非线性影响关系。定量模型可为掘进机施工中的参数优化调控提供参考。同时,这种量纲分析与工程数据挖掘相结合的建模方法为工程装备的多参量数据挖掘建模提供了一种新思路。     

数据挖掘技术在轨道交通AFC系统中的应用

为改善城市轨道交通运营管理水平,提升轨道交通带来的企业经济效益和社会效益,主要探讨将数据挖掘技术应用于轨道交通领域的潜力及其价值。首先,分析目前AFC系统对于数据利用的不足;其次,总结数据挖掘的任务类型、处理过程以及数据挖掘过程中常用的方法,阐述数据挖掘的基本原理;最终,从运营管理的统计和预测两方面需求的角度,深入探讨数据挖掘技术在轨道交通客流、票务、收益、设备等管理内容中的应用前景,并通过实例论证实际运用过程中的可行性。     

数据挖掘的软分类方法

通过合理的分类进行识别、决策和控制等,在可拓集合的基础上提出了一种软分类方法,此种非经典集合的数据挖掘方法,弥补了经典数据挖掘方法的不足.     

数据挖掘技术在行车调整中的应用研究

在对行车调整问题进行分析的基础上,结合数据挖掘技术,采用决策树的方法,以寻找连带晚点时间总和最小的调整策略为目标,对以往积累的与运行图相关的数据资源进行分析重构,寻找各故障模式下较优的行车调整策略,并对数据挖掘模型的运行机制进行了论述。该模型在实验室中得到了应用,并取得了良好的效果。     

数据挖掘的软分类方法

通过合理的分类进行识别、决策和控制等，在可拓集合的基础上提出了一种软分类方法，此种非经典集合的数据挖掘方法，弥补了经典数据挖掘方法的不足。     

基于K-means算法模型的员工考核测评研究

基于数据挖掘技术中的聚类分析,将K-means算法模型运用到企业绩效考核体系中,对企业员工进行测评分析。通过引入实际数据进行测试、分析和验证,测试结果显示具有较高的准确率,验证该模型对考核企业员工具有一定的参考价值。     

基于关联规则挖掘的调车作业事故原因分析

数据挖掘技术在各行各业得到广泛的应用,铁路调车作业的安全是铁路系统中非常重要的方面,将数据挖掘技术中的关联规则挖掘运用到调车作业事故原因分析当中,能够找出事故因素之间的联系,管理部门可根据分析结果,有针对性地进行整改,以提高生产效率和降低调车事故发生率.     

基于数据挖掘技术的应答器报文分析方法研究

为对应答器报文有效性、可用性等做出判断,采用数据挖掘等信息技术,为应答器数据分析提供良好的思路。以便解决应答器数量庞大,其包含信息数量大、种类多,面对海量数据,选出不一致的信息,降低数据误差等问题,在此基础上讨论数据挖掘技术在应答器报文数据分析进行数据挖掘技术方法研究的尝试讨论。     

基于逻辑回归的轨头核伤检出概率预测分析

钢轨伤损危及高速铁路的安全运行。针对高速铁路的轨头核伤,通过设计不同类型的人工伤损,安排不同的检测设备按照不同的速度等级进行检测,以研究对轨头损伤的检出能力。制定了原始数据分析评判标准,进一步运用了逻辑回归数据挖掘和机器学习算法,研究了探伤车对高速铁路轨头核伤的检出能力,并在高速铁路进行了实际验证。研究结果为高速铁路安全评价提出了评估方法和标准建议,并为全路探伤管理改革提供相应的技术支撑。     

聚类分析数据挖掘方法在企业补充医疗保险中的应用

首先对涉及到的数据挖掘相关理论知识进行简要介绍。再按数据挖掘分流程,从系统中收集、抽取职工医疗补助结算数据,完成数据理解、集成等准备工作,再通过数据挖掘平台对企业补充医疗保险信息系统的结算数据进行统计分析,研究数据反应的规律性信息。最后,对补助结算数据进行了聚类分析,总结分析结果,根据结果提出应用建议。     

数据挖掘技术及在铁道牵引供电系统中的应用

本文概述了数据挖掘的基本原理和方法,及其在铁道牵引供电系统中的作用,提出了挖掘过程中应采用的相关步骤和方法。数据挖掘技术对科学地安排行车调度、电力系统的负荷预测、设备故障诊断具有重要的指导意义。     

印刷企业生产数据的智能演化分析与应用

印刷生产企业的资源管理和生产流程管理基于ERP系统,但缺乏对大量数据的分析和挖掘。采用智能演化思想,运用先进的算法模型、MATLAB强大的数据处理能力及MATLAB相关工具箱的强大数据分析能力,建立数据挖掘的手段和分析的模型,进行数据的演化和全局性直接搜索,在企业数据分析的宏观层面和特定领域探索其良好的应用,获得了较好的方法和途径。     

基于数据挖掘技术的铁路货运安全数据管理系统

在进行数据挖掘基本算法研究的基础上研制开发了一个应用于铁路货运安全的数据管理系统TMIS。通过信息技术的应用,以及基于关联规则发现、无序矩阵判定等基本数据挖掘操作,对货运装载的超限数据实行了数字化管理,并建立了分析超限数据的智能化软件系统。能够对存储的数据结果进行超限原因分析。通过数据库技术的应用,实现了对挖掘操作的基本管理和结果的图形化显示。实验结果表明,该系统能够在大规模数据库上成功地完成用户所指定的数据挖掘操作。     

道路工程SOM-RBF神经网络估价模型研究

研究从道路工程全生命周期造价的角度,运用自适应(SOM)和径向基(RBF)神经网络的模型与全生命显著性造价(WLCS)结合的预测模型对已完工程造价信息进行数据挖掘,估算工程造价。建立WLCS模型并分析计算。运用自组织SOM网络对WLCS模型分析结果进行特征抽取,验证其对类似工程的确定。在此基础上,运用基于自组织RBF网络对投资估算进行预测。结果表明,WLCS应用可以减少造价估算的工作量,SOM网络可以对道路工程的显著性成本项目(CSIs)造价数据进行特征提取,WLCS的SOM-RBF网络模型减少了估价计算量,并提高了估价精度。本研究成果适用于道路工程造价管理研究和应用领域。     

基于大数据平台的线网中心运营指挥系统的运营指标分析技术

在城市轨道交通运营管理中,如何通过线网中心运营指挥系统提升运营指标综合分析及辅助决策得到越来越多的关注。对基于大数据平台的地铁线网中心运营指挥系统的运营指标分析技术进行了研究。通过与传统的数据仓库进行对比,得出通过大数据平台的数据统计及数据挖掘可以更深程度地揭示数据之间的关联,为后续运营指标分析提供基础。以车站进站量及车站内温度这一对运营指标为例,通过确定数据分析的一些规则及使用数据挖掘算法——Apriori算法,得出进站量与站内温度之间相互变化的关系,并通过关联对温度变化趋势进行预测,从而为后期预调温度进行能效管理提供有力的理论支撑。     

基于大数据技术的高铁运营安全规律分析系统设计与应用

以我国高铁开通以来的运营数据为基础,结合大数据应用技术与数据挖掘方法,设计并建立了高铁运营安全规律分析系统,实现对运营安全相关的结构化、非结构化数据的科学高效管理,利用文本分析和数据挖掘工具对数据进行深层挖掘与关联分析,对数据统计及相关分析结果进行综合交互性展示。该系统能够满足铁路移动装备、工务、电务、供电等专业对高铁运营安全相关数据的管理和分析需求,有力支撑高铁运营安全规律分析工作。     

数据挖掘及其在铁路电子商务中的应用

基手数据挖掘的基础上, 阐述了铁路货票系统及客票系统与电子商务之间的关系,论述了数据挖掘在铁路电子商务中的客票信息系统和货票信息系统中的应用模型。通过此模型对客流、货流进行分析、预测,从而合理地组织分配运力资源。     

基于数据挖掘的铁路货运量预测方法

随着铁路部门信息化的建设,海量的数据积累使得采用数据挖掘技术对铁路货运量进行预测十分必要.通过系统分析、数据预处理、数据挖掘及知识提取,提出了预测铁路货运量的三种算法:线性回归、BP神经网络及支持向量回归机,并通过实例验证比较了算法的有效性.