数据仓库和数据挖掘在供水企业中的应用
| 第一章 绪论 | 第1-18页 |
| ·引言 | 第13-14页 |
| ·数据仓库的研究现状与应用 | 第14-15页 |
| ·国内供水公司信息化建设现状 | 第15-16页 |
| ·本文所作的工作 | 第16-17页 |
| ·本文的基本框架 | 第17-18页 |
| 第二章 数据仓库系统概述 | 第18-27页 |
| ·数据仓库 | 第18-20页 |
| ·数据仓库的概念 | 第18-19页 |
| ·数据仓库系统 | 第19-20页 |
| ·OLAP技术 | 第20-24页 |
| ·OLAP和OLTP的区别 | 第21-22页 |
| ·OLAP的基本操作 | 第22页 |
| ·OLAP的体系结构 | 第22-23页 |
| ·OLAP的实现技术和分类 | 第23页 |
| ·OLAP基于Web的应用 | 第23-24页 |
| ·数据挖掘 | 第24-25页 |
| ·数据挖掘的概念 | 第24页 |
| ·数据挖掘的功能 | 第24页 |
| ·数据挖掘方法 | 第24-25页 |
| ·数据挖掘的过程 | 第25页 |
| ·决策支持系统 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 供水企业数据仓库系统设计 | 第27-34页 |
| ·系统设计原则 | 第27-28页 |
| ·系统总体构架 | 第28页 |
| ·系统需求分析 | 第28-29页 |
| ·联机分析系统功能需求 | 第28-29页 |
| ·用水量预测子系统 | 第29页 |
| ·SQL Server数据仓库环境 | 第29-30页 |
| ·ETL过程 | 第30页 |
| ·数据库设计 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 联机分析系统的设计和实现 | 第34-45页 |
| ·概述 | 第34页 |
| ·联机分析系统的开发 | 第34-44页 |
| ·联机分析系统简介 | 第34-35页 |
| ·Brio Intelligence平台特性 | 第35页 |
| ·联机分析系统需求 | 第35-36页 |
| ·联机分析系统的设计 | 第36-44页 |
| ·建立查询 | 第37-38页 |
| ·建立旋转透视列表 | 第38页 |
| ·建立图表 | 第38-40页 |
| ·建立EIS | 第40-41页 |
| ·建立报表 | 第41页 |
| ·Brio文档的脚本设计 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 数据挖掘在城市用水量预测中的应用 | 第45-68页 |
| ·数据挖掘在城市用水量预测中的应用 | 第45-48页 |
| ·日用水量变化及其影响因素 | 第45-47页 |
| ·常用用水量预测方法与预测模型 | 第47-48页 |
| ·支持向量机的基本理论 | 第48-57页 |
| ·关于统计学习理论 | 第48-49页 |
| ·统计学习理论的核心内容 | 第49-51页 |
| ·支持向量机及其回归估计 | 第51-57页 |
| ·优化算法 | 第57页 |
| ·基于支持向量机的用水量预测模型 | 第57-59页 |
| ·输入变量的选取 | 第58页 |
| ·核函数的选择 | 第58-59页 |
| ·模型参数优化 | 第59页 |
| ·实例分析 | 第59-64页 |
| ·SVM预测 | 第59-61页 |
| ·BP网络预测 | 第61-63页 |
| ·结果分析 | 第63-64页 |
| ·用水量预测系统 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第六章 总结 | 第68-70页 |
| ·总结 | 第68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
