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。