幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

能源大數據分析理論與實踐(能源數智管理精品教材)

  • 作者：編者:漸令//王信敏|責編:杜軍
  • 出版社：電子工業
  • ISBN：9787121483851
  • 出版日期：2024/06/01
  • 裝幀：平裝
  • 頁數：240
人民幣：RMB 55 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書介紹了能源大數據分析的理論知識與實踐方法，主要內容包括大數據處理與分析理論、能源系統與能源大數據應用、能源大數據處理與分析實踐三個部分。大數據處理與分析理論包括大數據的基本概念、應用流程、平台技術、採集與處理，還包括回歸分析、分類分析、聚類分析和深度學習等機器學習的基本理論。能源系統與能源大數據應用介紹了能源系統的基本概念和能源大數據的典型應用，能源系統的基本概念包括能源分類、能源互聯網、智慧能源等，能源大數據的典型應用選取能源經濟與管理大數據應用、煤炭大數據應用、油氣大數據應用和電力大數據應用進行了介紹。能源大數據處理與分析實踐選取了8個具體案例對能源大數據的具體應用方法進行了編程實現和介紹。
    本書可以作為高校信息管理與信息系統、能源經濟與管理等相關專業能源大數據處理與分析課程的教材，也可以作為其他專業的本科生、研究生及能源領域相關應用和研究人員的參考書。
作者介紹
編者:漸令//王信敏|責編:杜軍
目錄
第一部分  大數據處理與分析理論
  第1章  大數據概述
    1.1  大數據概念
      1.1.1  大數據定義與內涵
      1.1.2  大數據的特徵
      1.1.3  數據類型
    1.2  大數據的應用
    1.3  大數據的處理流程
      1.3.1  大數據處理的基本流程
      1.3.2  數據採集
      1.3.3  數據預處理
      1.3.4  數據統計分析和數據挖掘
      1.3.5  數據可視化
    1.4  大數據平台技術
      1.4.1  大數據系統生態
      1.4.2  大數據存儲與管理
      1.4.3  大數據計算與處理
    思考題
    本章參考文獻
  第2章  數據獲取與預處理
    2.1  數據獲取與預處理概述
      2.1.1  數據獲取
      2.1.2  數據清洗與數據轉換
      2.1.3  數據載入
    2.2  數據獲取技術
      2.2.1  數據獲取技術概述
      2.2.2  網路爬蟲
    2.3  數據預處理
      2.3.1  數據質量
      2.3.2  數據清洗
      2.3.3  數據集成
      2.3.4  數據轉換
      2.3.5  數據歸約
    2.4  數據集的構建
      2.4.1  數據集的劃分
      2.4.2  重抽樣方法
    思考題
    本章參考文獻
  第3章  回歸分析
    3.1  回歸分析概述
    3.2  線性回歸
    3.3  非線性回歸
    3.4  分位數回歸
    思考題
    本章參考文獻
  第4章  分類分析
    4.1  分類分析概述
    4.2  貝葉斯分類
      4.2.1  貝葉斯分類的原理
      4.2.2  貝葉斯分類的應用與實例

    4.3  Logistic回歸
      4.3.1  Logistic回歸的原理
      4.3.2  Logistic回歸模型的訓練
      4.3.3  帶正則項的Logistic回歸
      4.3.4  Logistic回歸的應用
    4.4  KNN
    4.5  支持向量機
      4.5.1  線性可分離數據的支持向量機
      4.5.2  不可分離數據的支持向量機
      4.5.3  非線性支持向量機
    4.6  決策樹
      4.6.1  決策樹簡介
      4.6.2  ID3演算法
      4.6.3  C4.5演算法
      4.6.4  CART演算法
    4.7  集成學習
      4.7.1  集成學習概述
      4.7.2  隨機森林
      4.7.3  AdaBoost
      4.7.4  GBDT
      4.7.5  XGBoost
    4.8  分類器評估
    思考題
    本章參考文獻
  第5章  聚類分析
    5.1  聚類的特徵提取
      5.1.1  過濾器模型
      5.1.2  包裝器模型
    5.2  基於代表的聚類
      5.2.1  K-Means演算法
      5.2.2  核K-Means演算法
      5.2.3  K-Medians演算法
      5.2.4  K-Medoids演算法
    5.3  層次聚類
      5.3.1  自下而上的聚類
      5.3.2  自上而下的聚類
    5.4  基於網格和密度的聚類
      5.4.1  基於網格的聚類演算法
      5.4.2  DBSCAN演算法
      5.4.3  DENCLUE演算法
    5.5  聚類的有效性
      5.5.1  內部驗證方法
      5.5.2  外部驗證方法
    思考題
    本章參考文獻
  第6章  深度學習
    6.1  深度學習概述
    6.2  BP神經網路
      6.2.1  激活函數
      6.2.2  BP演算法的基本原理

    6.3  卷積神經網路
      6.3.1  從全連接到卷積
      6.3.2  卷積層
      6.3.3  匯聚層
      6.3.4  典型的卷積神經網路
    6.4  循環神經網路
      6.4.1  RNN的展開
      6.4.2  RNN的結構
      6.4.3  雙向RNN
      6.4.4  基於門控的RNN
    6.5  Word2Vec
    6.6  圖神經網路
      6.6.1  圖的概念
      6.6.2  節點的中心性
      6.6.3  圖嵌入
      6.6.4  圖卷積神經網路
    思考題
    本章參考文獻
第二部分  能源系統與能源大數據應用
  第7章  能源系統
    7.1  能源的定義和分類
    7.2  能源系統及其演化
      7.2.1  能源系統概述
      7.2.2  典型的能源系統
      7.2.3  能源系統的演化
    7.3  能源互聯網與智慧能源
      7.3.1  能源互聯網的內涵
      7.3.2  能源互聯網的功能
      7.3.3  能源互聯網的技術框架
      7.3.4  智慧能源的內涵
      7.3.5  智慧能源的體系架構
      7.3.6  智慧能源的發展趨勢
    思考題
    本章參考文獻
  第8章  能源大數據應用
    8.1  能源大數據的內涵
    8.2  能源經濟與管理大數據應用
      8.2.1  能源經濟與管理大數據應用概況
      8.2.2  國內外能源經濟與管理大數據平台介紹
    8.3  煤炭大數據應用
      8.3.1  煤炭大數據應用概況
      8.3.2  智能礦山平台
      8.3.3  國內外應用情況
    8.4  油氣大數據應用
      8.4.1  油氣大數據應用概況
      8.4.2  油氣大數據體系架構
      8.4.3  油田應用情況
    8.5  電力大數據應用
      8.5.1  電力大數據應用概況
      8.5.2  電力大數據體系架構

      8.5.3  國內外應用情況
    思考題
    本章參考文獻
第三部分  能源大數據處理與分析實踐
  第9章  能源經濟與管理大數據處理與分析案例
    9.1  能源政策文本分析
      9.1.1  案例描述
      9.1.2  能源政策文本數據採集
      9.1.3  能源政策詞雲圖
    9.2  國際LNG貿易網路分析
      9.2.1  案例描述
      9.2.2  數據預處理與圖的生成
      9.2.3  LNG貿易網路節點中心性
      9.2.4  LNG貿易網路的圖嵌入
  第10章  煤炭大數據分析案例
    10.1  煤炭類型識別
      10.1.1  案例描述
      10.1.2  實現步驟
      10.1.3  程序實現與結果分析
    10.2  煤礦地震預測
      10.2.1  案例描述
      10.2.2  模型方法與數據集
      10.2.3  程序實現與結果分析
  第11章  油氣大數據分析案例
    11.1  油氣消費量的影響因素分析
      11.1.1  案例描述
      11.1.2  回歸分析
      11.1.3  結果分析
    11.2  石油管線事故損失預測
      11.2.1  案例描述
      11.2.2  隨機森林回歸的步驟
      11.2.3  程序實現與結果分析
  第12章  電力大數據分析案例
    12.1  基於LSTM方法的家庭用電量預測
      12.1.1  案例描述
      12.1.2  家庭用電量數據集
      12.1.3  LSTM模型的應用與實現
    12.2  基於Stacking融合方法的電網負荷預測
      12.2.1  案例描述
      12.2.2  Stacking融合方法
      12.2.3  電網負荷數據集
      12.2.4  Stacking模型的應用與實現

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032