摘 要：當(dāng)前能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘關(guān)聯(lián)規(guī)則多為獨(dú)立形式，數(shù)據(jù)處理及挖掘的限制效果較差，導(dǎo)致數(shù)據(jù)挖掘查準(zhǔn)率下降，為此提出對(duì)基于灰靶理論與云模型的能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘方法的設(shè)計(jì)與驗(yàn)證分析。根據(jù)當(dāng)前的測(cè)定需求及標(biāo)準(zhǔn)，先進(jìn)行數(shù)據(jù)挖掘特征提取，采用多階方式，強(qiáng)化數(shù)據(jù)處理及挖掘的限制效果，制定多階數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則，以此為基礎(chǔ)，構(gòu)建灰靶理論+云模型物聯(lián)網(wǎng)數(shù)據(jù)挖掘結(jié)構(gòu)，采用遞歸處理實(shí)現(xiàn)數(shù)據(jù)挖掘。測(cè)試結(jié)果表明：對(duì)比于傳統(tǒng)屬性偏差控制能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘測(cè)試組、傳統(tǒng)K-means測(cè)算能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘測(cè)試組，此次所設(shè)計(jì)的灰靶理論與云模型能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘測(cè)試組最終得出的數(shù)據(jù)挖掘查準(zhǔn)率均可達(dá)60%以上，說(shuō)明在云模型和灰靶理論的輔助下，當(dāng)前的數(shù)據(jù)挖掘方法更加靈活、多變，自身具有較強(qiáng)的針對(duì)性，數(shù)據(jù)挖掘誤差可控，具有較大的實(shí)際應(yīng)用價(jià)值。

關(guān)鍵詞：灰靶理論；云模型；能源物聯(lián)網(wǎng)；數(shù)據(jù)挖掘特征提??；精準(zhǔn)挖掘；K-means

中圖分類號(hào)：TP301 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2024）06-0-03

0 引 言

能源物聯(lián)網(wǎng)的主要作用是進(jìn)行外部信息的采集或者外部環(huán)境的應(yīng)變性感知，所以多被應(yīng)用在外部系統(tǒng)控制、運(yùn)行計(jì)算等行業(yè)之中，初期取得了相對(duì)較好的效果。近年來(lái)，隨著能源物聯(lián)網(wǎng)應(yīng)用的擴(kuò)展與延伸，數(shù)據(jù)量逐漸龐大，難以實(shí)現(xiàn)更為精準(zhǔn)的挖掘處理。為解決上述存在的問題，相關(guān)人員設(shè)計(jì)了能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘方法，參考文獻(xiàn)[1]和文獻(xiàn)[2]，設(shè)定傳統(tǒng)屬性偏差控制能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘方法、傳統(tǒng)K-means測(cè)算能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘方法。由于實(shí)際數(shù)據(jù)挖掘處理的需求、標(biāo)準(zhǔn)的變化，針對(duì)目前的數(shù)據(jù)處理任務(wù)，制定對(duì)應(yīng)的挖掘方案。但是執(zhí)行的單元目標(biāo)無(wú)法協(xié)同處理，在不同的背景環(huán)境下，難以快速捕捉、采集能源物聯(lián)網(wǎng)所形成的海量數(shù)據(jù)與信息，穩(wěn)定性較低，嚴(yán)重的還會(huì)導(dǎo)致網(wǎng)絡(luò)陷入癱瘓、崩潰，造成不可控的經(jīng)濟(jì)損失[3]。此外，當(dāng)前能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘結(jié)構(gòu)多為單向，整體數(shù)據(jù)處理效率及質(zhì)量較低，在數(shù)據(jù)挖掘需求的背景下，也較難進(jìn)行挖掘基準(zhǔn)的制定，無(wú)法進(jìn)一步保證挖掘結(jié)果的可靠性[4]。為此提出對(duì)基于灰靶理論與云模型的能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘方法的設(shè)計(jì)與驗(yàn)證分析?；野性硎且环N復(fù)合式應(yīng)用實(shí)踐理論，主要指灰色系統(tǒng)理論與模糊靶理論的結(jié)合體，將其與云模型融合，可以一定程度擴(kuò)大當(dāng)前數(shù)據(jù)挖掘范圍，從多個(gè)角度強(qiáng)化挖掘效率，逐步構(gòu)建更為靈活、多變的挖掘結(jié)構(gòu)，為后續(xù)相關(guān)技術(shù)的發(fā)展和完善奠定基礎(chǔ)[5]。

1 設(shè)計(jì)能源物聯(lián)網(wǎng)數(shù)據(jù)灰靶+云模型精準(zhǔn)挖掘方法

1.1 數(shù)據(jù)挖掘特征提取

當(dāng)前的數(shù)據(jù)挖掘一般為獨(dú)立處理，雖然能夠?qū)崿F(xiàn)預(yù)期的挖掘任務(wù)及目標(biāo)，但是缺少針對(duì)性與穩(wěn)定性，對(duì)于數(shù)據(jù)的分類、整合以及存儲(chǔ)均難以達(dá)到預(yù)期效果，所以此次通過(guò)特征識(shí)別的發(fā)生，強(qiáng)化數(shù)據(jù)挖掘的應(yīng)用效果，形成可控性更高的挖掘引導(dǎo)[6]。能源物聯(lián)網(wǎng)處于異構(gòu)環(huán)境下，數(shù)據(jù)量較為龐大，需要先建立數(shù)據(jù)集，對(duì)多元化海量數(shù)據(jù)挖掘進(jìn)行遞歸分布處理[7]。構(gòu)建數(shù)據(jù)分布的遞歸迭代規(guī)則，具體如式（1）所示：

（1）

式中：c表示異構(gòu)環(huán)境數(shù)據(jù)遞歸特征值；v表示轉(zhuǎn)換特征量；x表示自變量；π表示匹配均值；b表示數(shù)據(jù)挖掘范圍；t表示可控挖掘頻次。結(jié)合當(dāng)前的測(cè)定，將上述得出的異構(gòu)環(huán)境數(shù)據(jù)遞歸特征值作為特征提取的引導(dǎo)目標(biāo)，結(jié)合初始的關(guān)聯(lián)規(guī)則，構(gòu)建基礎(chǔ)的數(shù)據(jù)挖掘匹配結(jié)構(gòu)，通過(guò)調(diào)整迭代次數(shù)和覆蓋單元形成數(shù)據(jù)處理的粗糙集，明確海量數(shù)據(jù)的熵信息特征量，相當(dāng)于數(shù)據(jù)的提取特征目標(biāo)，完成對(duì)基礎(chǔ)測(cè)試條件的搭建[8]。

1.2 制定多階數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則的制定是數(shù)據(jù)挖掘處理的重要支撐，一般可用于描述數(shù)據(jù)項(xiàng)之間有價(jià)值數(shù)據(jù)的處理過(guò)程，為后續(xù)數(shù)據(jù)挖掘處理提供便捷條件。現(xiàn)在能源物聯(lián)網(wǎng)和數(shù)據(jù)挖掘處理之間建立一個(gè)等效的關(guān)聯(lián)處理目標(biāo)，作為定向的挖掘引導(dǎo)，測(cè)定計(jì)算出此時(shí)關(guān)聯(lián)規(guī)則的置信度，設(shè)計(jì)公式（2）：

（2）

式中：Q代表規(guī)則置信度；δ代表挖掘距離；ω代表單元挖掘區(qū)域；l代表初始挖掘次數(shù)；ζ代表瞬態(tài)挖掘偏差；j代表挖掘定值。結(jié)合當(dāng)前的測(cè)定，依據(jù)置信度的變化，設(shè)置一個(gè)關(guān)聯(lián)規(guī)則的項(xiàng)集，通過(guò)數(shù)據(jù)挖掘支持度及提升度的變化，將能源物聯(lián)網(wǎng)與數(shù)據(jù)挖掘之間建立對(duì)應(yīng)的聯(lián)系，形成多階段的頻繁項(xiàng)集，設(shè)計(jì)各個(gè)階層項(xiàng)集的數(shù)據(jù)挖掘限制條件與規(guī)則，營(yíng)造基礎(chǔ)的數(shù)據(jù)挖掘環(huán)境[9]。

1.3 構(gòu)建灰靶理論+云模型物聯(lián)網(wǎng)數(shù)據(jù)挖掘結(jié)構(gòu)

基于灰靶理論，先結(jié)合提取的數(shù)據(jù)挖掘特征，設(shè)定一個(gè)數(shù)據(jù)挖掘的序列，將最接近的特征值數(shù)據(jù)設(shè)定為標(biāo)準(zhǔn)模靶心，通過(guò)靶心度來(lái)衡量數(shù)據(jù)挖掘情況。當(dāng)前可結(jié)合云模型進(jìn)行數(shù)據(jù)挖掘極值標(biāo)準(zhǔn)的設(shè)置，具體如公式（3）所示：

（3）

式中：C0表示數(shù)據(jù)挖掘極值標(biāo)準(zhǔn)；表示基準(zhǔn)值。結(jié)合當(dāng)前的設(shè)定，綜合云模型對(duì)周期內(nèi)的能源物聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行匯總與整合處理，同時(shí)構(gòu)建對(duì)應(yīng)的數(shù)據(jù)挖掘結(jié)構(gòu)，如圖1所示。

根據(jù)圖1完成對(duì)灰靶理論+云模型物聯(lián)網(wǎng)數(shù)據(jù)挖掘結(jié)構(gòu)的設(shè)計(jì)與實(shí)踐應(yīng)用，將當(dāng)前的數(shù)據(jù)挖掘目標(biāo)逐一導(dǎo)入結(jié)構(gòu)，在云模型的數(shù)據(jù)處理輔助下完成數(shù)據(jù)挖掘。

1.4 遞歸處理實(shí)現(xiàn)數(shù)據(jù)挖掘

所謂遞歸處理，主要指采用遞歸分布處理方式，在模型進(jìn)行數(shù)據(jù)挖掘的過(guò)程中，將其分類匯總，簡(jiǎn)化整體數(shù)據(jù)挖掘環(huán)節(jié)，縮短處理時(shí)間，提升整體效率。設(shè)定3個(gè)階段進(jìn)行遞歸控制指標(biāo)設(shè)置，見表1所列。

結(jié)合表1完成對(duì)階段性遞歸控制指標(biāo)的設(shè)置，依據(jù)設(shè)定的控制規(guī)則及數(shù)據(jù)挖掘需求，結(jié)合模型完成數(shù)據(jù)挖掘任務(wù)，最終實(shí)現(xiàn)挖掘目標(biāo)。

2 方法測(cè)試

為保證測(cè)試的真實(shí)性與實(shí)踐穩(wěn)定，選擇對(duì)比方法進(jìn)行多維測(cè)定與研究分析，對(duì)基于灰靶理論與云模型的能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘方法作出多方向驗(yàn)證。基于上述數(shù)據(jù)挖掘結(jié)構(gòu)的設(shè)計(jì)，制定基礎(chǔ)性的處理挖掘測(cè)試計(jì)劃。設(shè)定傳統(tǒng)屬性偏差控制能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘測(cè)試組、傳統(tǒng)K-means測(cè)算能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘測(cè)試組以及此次所設(shè)計(jì)的灰靶理論與云模型能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘測(cè)試組。根據(jù)當(dāng)前的測(cè)定要求，進(jìn)行基礎(chǔ)測(cè)試環(huán)境的關(guān)聯(lián)搭建[10]。

2.1 測(cè)試準(zhǔn)備

結(jié)合灰靶理論與云模型對(duì)能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘方法測(cè)試環(huán)境進(jìn)行搭建與驗(yàn)證分析。當(dāng)前需要先明確能源物聯(lián)網(wǎng)實(shí)際的覆蓋控制范圍，并在選定的區(qū)域模塊之中布設(shè)定向云識(shí)別檢測(cè)節(jié)點(diǎn)。當(dāng)前的節(jié)點(diǎn)一般設(shè)置為獨(dú)立形式，需要將節(jié)點(diǎn)采用特殊的方式關(guān)聯(lián)，營(yíng)造穩(wěn)定、具體的循環(huán)監(jiān)測(cè)區(qū)域，便于采集數(shù)據(jù)和信息，以待后續(xù)使用。接下來(lái)，將云計(jì)算平臺(tái)與測(cè)試能源物聯(lián)網(wǎng)進(jìn)行搭接，并設(shè)置基礎(chǔ)測(cè)試指標(biāo)及參數(shù)，具體見表2所列。

根據(jù)表2，完成對(duì)測(cè)試云計(jì)算平臺(tái)基礎(chǔ)測(cè)試指標(biāo)及參數(shù)的設(shè)置與實(shí)踐分析。依據(jù)能源物聯(lián)網(wǎng)，設(shè)定6個(gè)測(cè)試周期，每一個(gè)周期均需要進(jìn)行數(shù)據(jù)、信息的采集，匯總整合后，以待后續(xù)使用。接下來(lái)，結(jié)合云模型和灰靶理論，設(shè)計(jì)一個(gè)數(shù)據(jù)挖掘多維矩陣，并測(cè)定計(jì)算出初始的數(shù)據(jù)挖掘頻譜值，具體如公式（4）所示：

（4）

式中：F表示初始數(shù)據(jù)挖掘頻譜值；k表示數(shù)據(jù)時(shí)域分布；β表示單元挖掘頻次；a表示周期數(shù)據(jù)量；y表示模糊聚類挖掘差值；l表示序列長(zhǎng)度。結(jié)合當(dāng)前的測(cè)定結(jié)果，將該數(shù)據(jù)挖掘頻譜值設(shè)置為可控限制的精準(zhǔn)條件。當(dāng)前完成對(duì)測(cè)試區(qū)域的劃分與指標(biāo)的修正調(diào)整，隨即進(jìn)行后續(xù)測(cè)定和驗(yàn)證。

2.2 設(shè)計(jì)實(shí)驗(yàn)過(guò)程且分析實(shí)驗(yàn)結(jié)果

根據(jù)當(dāng)前所設(shè)計(jì)的測(cè)試標(biāo)準(zhǔn)及要求，結(jié)合灰靶理論和云模型，對(duì)能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘方法進(jìn)行測(cè)定與驗(yàn)證研究。選定的5個(gè)區(qū)域作為比對(duì)的目標(biāo)對(duì)象，可以先根據(jù)當(dāng)前的數(shù)據(jù)挖掘狀態(tài)，調(diào)整數(shù)據(jù)的采集標(biāo)準(zhǔn)。同時(shí)結(jié)合灰靶理論和云計(jì)算應(yīng)變標(biāo)準(zhǔn)，設(shè)計(jì)數(shù)據(jù)挖掘流程，流程如圖2所示。

圖2 數(shù)據(jù)挖掘測(cè)試流程

綜合圖2的設(shè)計(jì)，實(shí)踐應(yīng)用數(shù)據(jù)挖掘測(cè)試流程結(jié)構(gòu)。針對(duì)選定的5個(gè)區(qū)域進(jìn)行海量數(shù)據(jù)的處理與挖掘，通過(guò)云模型進(jìn)行數(shù)據(jù)遞歸處理，并結(jié)合灰靶理論測(cè)定計(jì)算出數(shù)據(jù)挖掘靶心度，具體見公式（5）：

（5）

式中：L表示數(shù)據(jù)挖掘靶心度；表示灰靶覆蓋范圍；S表示遞歸次數(shù)；D表示數(shù)據(jù)挖掘特征值；χ表示堆疊挖掘值；Q表示聚類函數(shù)；表示轉(zhuǎn)換比。結(jié)合當(dāng)前的測(cè)定，完成對(duì)數(shù)據(jù)挖掘靶心度的計(jì)算。當(dāng)數(shù)據(jù)挖掘靶心度達(dá)到1.5時(shí)，說(shuō)明此時(shí)的數(shù)據(jù)處理及挖掘差值可控，隨即將當(dāng)前5個(gè)區(qū)域采集的數(shù)據(jù)匯總轉(zhuǎn)換，設(shè)置單元性的數(shù)據(jù)挖掘目標(biāo)，測(cè)算出最終的數(shù)據(jù)挖掘查準(zhǔn)率，具體見公式（6）：

（6）

式中：N表示數(shù)據(jù)挖掘查準(zhǔn)率；表示核定挖掘差值；ε表示挖掘頻次；W表示數(shù)據(jù)整合范圍；η代表挖掘單元差值。對(duì)測(cè)試結(jié)果做出分析，通過(guò)圖3解析。

通過(guò)圖3的分析，可以得出以下結(jié)果：

對(duì)比傳統(tǒng)屬性偏差控制能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘測(cè)試組、傳統(tǒng)K-means測(cè)算能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘測(cè)試組，此次所設(shè)計(jì)的灰靶理論與云模型能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘測(cè)試組最終得出的數(shù)據(jù)挖掘查準(zhǔn)率均可達(dá)到60%以上，說(shuō)明在云模型和灰靶理論的輔助下，當(dāng)前的數(shù)據(jù)挖掘方法更加靈活、多變，自身具有較強(qiáng)的針對(duì)性，數(shù)據(jù)挖掘誤差可控，具有較大的實(shí)際應(yīng)用價(jià)值。

3 結(jié) 語(yǔ)

綜合上述分析，完成對(duì)基于灰靶理論與云模型的能源物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘方法的設(shè)計(jì)與驗(yàn)證分析，與初始物聯(lián)網(wǎng)數(shù)據(jù)精準(zhǔn)挖掘形式相比對(duì)，此次融合灰靶理論與云模型的測(cè)試組一定程度上能夠更好地延伸數(shù)據(jù)挖掘的實(shí)際范圍，不斷調(diào)整、轉(zhuǎn)換當(dāng)前的數(shù)據(jù)挖掘目標(biāo)，將其作為挖掘處理的引導(dǎo)，構(gòu)建具體的數(shù)據(jù)挖掘結(jié)構(gòu)。此外，還可以通過(guò)對(duì)數(shù)據(jù)特征的提取，明確多項(xiàng)挖掘目標(biāo)，形成具體完整的挖掘結(jié)構(gòu)，進(jìn)行數(shù)據(jù)挖掘的分組與挖掘可靠性判斷，提升實(shí)際的數(shù)據(jù)挖掘查準(zhǔn)率與查全率，強(qiáng)化挖掘效率。

參考文獻(xiàn)

[1]王茜，孟翔鵬，李文舉，等.基于屬性偏差控制的大數(shù)據(jù)挖掘方法研究[J].科技創(chuàng)新與應(yīng)用，2023，13（12）：63-66.

[2]袁蒙蒙，熊文靜.基于K-means算法的關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘方法[J].信息與電腦（理論版），2023，35（7）：72-74.

[3]杜紅居，鄭志民，王永銓.大數(shù)據(jù)背景下高校精準(zhǔn)育人路徑及實(shí)現(xiàn)策略[J].現(xiàn)代商貿(mào)工業(yè)，2023，44（9）：119-121.

[4]杜玉昌.基于差分隱私的網(wǎng)絡(luò)圖像敏感數(shù)據(jù)挖掘方法[J].新鄉(xiāng)學(xué)院學(xué)報(bào)，2023，40（3）：30-33.

[5]劉曉偉，謝楓，王莉，等.電力互聯(lián)網(wǎng)運(yùn)行過(guò)程中重復(fù)需求數(shù)據(jù)挖掘方法[J].電子設(shè)計(jì)工程，2023，31（6）：43-47.

[6]馮強(qiáng)，劉偉.基于庫(kù)岸邊坡監(jiān)測(cè)的數(shù)據(jù)挖掘方法研究[J].水利技術(shù)監(jiān)督，2023，31（3）：46-49.

[7]陳婷婷，趙世忠.考慮模糊時(shí)間序列的高維大數(shù)據(jù)挖掘方法研究[J].計(jì)算機(jī)仿真，2023，40（3）：467-470.

[8]劉張榕.基于E-OEM模型的Web數(shù)據(jù)精準(zhǔn)挖掘研究[J].微型電腦應(yīng)用，2021，37（10）：146-149.

[9]李艷紅.基于云計(jì)算的分布式數(shù)據(jù)挖掘系統(tǒng)設(shè)計(jì)研究[J].電子設(shè)計(jì)工程，2019，27（11）：141-145.

[10]潘立瓊，張健.基于優(yōu)化蟻群算法的網(wǎng)絡(luò)流量數(shù)據(jù)精準(zhǔn)挖掘仿真[J].佳木斯大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，38（1）：53-57.

基金項(xiàng)目：吉林建筑科技學(xué)院校級(jí)科研項(xiàng)目：能源管理系統(tǒng)的數(shù)據(jù)挖掘及決策支持系統(tǒng)研究（?？谱諿2023]015ZQKJ）

作者簡(jiǎn)介：尚小晶（1987—），女，湖北宜昌人，研究生，副教授，任教于吉林建筑科技學(xué)院。