| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 引言 | 第8-16页 |
| ·研究背景 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·电网数据关联性分析的研究 | 第9页 |
| ·电网数据预测的研究 | 第9-10页 |
| ·主要研究内容 | 第10-12页 |
| ·研究思路 | 第10-11页 |
| ·技术路线 | 第11-12页 |
| ·技术的选择 | 第12-14页 |
| ·JSP技术的选择 | 第12-13页 |
| ·SQL Server 2005数据库的选择 | 第13-14页 |
| ·论文组织 | 第14页 |
| ·本章小结 | 第14-16页 |
| 2 电网数据智能分析系统的体系结构 | 第16-29页 |
| ·数据挖掘技术 | 第16-20页 |
| ·数据挖掘的概念 | 第16页 |
| ·典型数据挖掘系统结构 | 第16-17页 |
| ·数据挖掘模式 | 第17-18页 |
| ·数据挖掘常用的基本技术 | 第18-19页 |
| ·数据挖掘应用领域 | 第19-20页 |
| ·电网数据智能分析系统的体系结构 | 第20-24页 |
| ·电网数据智能分析系统处理过程 | 第24-28页 |
| ·电网数据智能分析系统中的表结构 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 3 电网数据智能分析系统中的ETL | 第29-38页 |
| ·数据 ETL | 第29-31页 |
| ·数据的抽取 | 第29-30页 |
| ·数据的清洗和转换 | 第30-31页 |
| ·电网数据智能分析系统的数据 ETL | 第31-37页 |
| ·SSIS概述 | 第32-34页 |
| ·电力系统中应用SSIS实现ETL | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 4 电网数据智能分析系统的算法模型 | 第38-52页 |
| ·关联算法模型 | 第38-41页 |
| ·关联规则的基本概念与解决方法 | 第38-39页 |
| ·关联规则挖掘的经典算法 | 第39-41页 |
| ·电网数据关联规则挖掘算法 | 第41-45页 |
| ·基于类集的频繁项集挖掘算法对Apriori算法的改进 | 第42页 |
| ·基于类集的频繁项集挖掘算法处理过程 | 第42-45页 |
| ·时序预测算法模式 | 第45-51页 |
| ·预测概述 | 第45-47页 |
| ·电网数据智能分析的预测算法 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 5 电网数据智能分析系统的动态更新与测试结果 | 第52-60页 |
| ·电网数据智能分析系统的动态更新 | 第52-54页 |
| ·挖掘数据库数据的更新 | 第52页 |
| ·SSIS包的自动执行 | 第52-54页 |
| ·电网数据智能分析系统的测试结果 | 第54-59页 |
| ·关联性分析测试结果 | 第54-56页 |
| ·时序预测测试结果 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 6 结论 | 第60-62页 |
| ·结论 | 第60-61页 |
| ·电网智能分析系统的框架模型 | 第60页 |
| ·系统实现中的关键技术 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-83页 |
| 附录 1: 基于类集的频繁项集挖掘算法 | 第65-79页 |
| 附录 2: 指数平滑算法 | 第79-83页 |
| 致谢 | 第83页 |