能源大数据分析理论与实践--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥21.56

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

内容简介

本书介绍了能源大数据分析的理论知识与实践方法, 主要内容包括大数据处理与分析理论、能源系统与能源大数据应用、能源大数据处理与分析实践三个部分。

  第一部分大数据处理与分析理论

第1章  大数据概述 2

1.1  大数据概念 2

1.1.1 大数据定义与内涵 2

1.1.2 大数据的特征 2

1.1.3 数据类型 4

1.2  大数据的应用 4

1.3  大数据的处理流程 7

1.3.1 大数据处理的基本流程 7

1.3.2 数据采集 7

1.3.3 数据预处理 8

1.3.4 数据统计分析和数据挖掘 8

1.3.5 数据可视化 10

1.4  大数据平台技术 11

1.4.1 大数据系统生态 11

1.4.2 大数据存储与管理 12

1.4.3 大数据计算与处理 15

思考题 19

本章参考文献 19

第2章  数据获取与预处理 21

2.1  数据获取与预处理概述 21

2.1.1 数据获取 21

2.1.2 数据清洗与数据转换 22

2.1.3 数据加载 22

2.2  数据获取技术 23

2.2.1 数据获取技术概述 23

2.2.2 网络爬虫 24

2.3  数据预处理 28

2.3.1 数据质量 28

2.3.2 数据清洗 29

2.3.3 数据集成 31

2.3.4 数据转换 33

2.3.5 数据归约 34

2.4  数据集的构建 36

2.4.1 数据集的划分 36

2.4.2 重抽样方法 36

思考题 38

本章参考文献 38

第3章  回归分析 40

3.1  回归分析概述 40

3.2  线性回归 41

3.3  非线性回归 42

3.4  分位数回归 44

思考题 46

本章参考文献 46

第4章  分类分析 48

4.1  分类分析概述 48

4.2  贝叶斯分类 50

4.2.1 贝叶斯分类的原理 50

4.2.2 贝叶斯分类的应用与实例 53

4.3  Logistic回归 54

4.3.1 Logistic回归的原理 54

4.3.2 Logistic回归模型的训练 55

4.3.3 带正则项的Logistic回归 56

4.3.4 Logistic回归的应用 56

4.4  KNN 57

4.5  支持向量机 59

4.5.1 线性可分离数据的支持向量机 59

4.5.2 不可分离数据的支持向量机 62

4.5.3 非线性支持向量机 64

4.6  决策树 65

4.6.1 决策树简介 65

4.6.2 ID3算法 66

4.6.3 C4.5算法 67

4.6.4 CART算法 69

4.7  集成学习 72

4.7.1 集成学习概述 72

4.7.2 随机森林 73

4.7.3 AdaBoost 75

4.7.4 GBDT 76

4.7.5 XGBoost 77

4.8  分类器评估 80

思考题 84

本章参考文献 84

第5章  聚类分析 86

5.1  聚类的特征提取 86

5.1.1 过滤器模型 87

5.1.2 包装器模型 89

5.2  基于代表的聚类 90

5.2.1 K-Means算法 90

5.2.2 核K-Means算法 91

5.2.3 K-Medians算法 91

5.2.4 K-Medoids算法 92

5.3  层次聚类 93

5.3.1 自下而上的聚类 93

5.3.2 自上而下的聚类 96

5.4  基于网格和密度的聚类 97

5.4.1 基于网格的聚类算法 97

5.4.2 DBSCAN算法 99

5.4.3 DENCLUE算法 101

5.5  聚类的有效性 102

5.5.1 内部验证方法 102

5.5.2 外部验证方法 103

思考题 104

本章参考文献 105

第6章  深度学习 106

6.1  深度学习概述 106

6.2  BP神经网络 107

6.2.1 激活函数 107

6.2.2 BP算法的基本原理 110

6.3  卷积神经网络 113

6.3.1 从全连接到卷积 113

6.3.2 卷积层 113

6.3.3 汇聚层 117

6.3.4 典型的卷积神经网络 118

6.4  循环神经网络 122

6.4.1 RNN的展开 123

6.4.2 RNN的结构 123

6.4.3 双向RNN 125

6.4.4 基于门控的RNN 126

6.5  Word2Vec 128

6.6  图神经网络 131

6.6.1 图的概念 131

6.6.2 节点的中心性 131

6.6.3 图嵌入 133

6.6.4 图卷积神经网络 135

思考题 136

本章参考文献 137

第二部分能源系统与能源大数据应用

第7章  能源系统 140

7.1  能源的定义和分类 140

7.2  能源系统及其演化 144

7.2.1 能源系统概述 144

7.2.2 典型的能源系统 145

7.2.3 能源系统的演化 149

7.3  能源互联网与智慧能源 151

7.3.1 能源互联网的内涵 151

7.3.2 能源互联网的功能 155

7.3.3 能源互联网的技术框架 157

7.3.4 智慧能源的内涵 159

7.3.5 智慧能源的体系架构 159

7.3.6 智慧能源的发展趋势 161

思考题 163

本章参考文献 163

第8章  能源大数据应用 164

8.1  能源大数据的内涵 164

8.2  能源经济与管理大数据应用 166

8.2.1 能源经济与管理大数据应用概况 166

8.2.2 国内外能源经济与管理大数据平台介绍 167

8.3  煤炭大数据应用 170

8.3.1 煤炭大数据应用概况 170

8.3.2 智能矿山平台 171

8.3.3 国内外应用情况 176

8.4  油气大数据应用 182

8.4.1 油气大数据应用概况 182

8.4.2 油气大数据体系架构 184

8.4.3 油田应用情况 186

8.5  电力大数据应用 191

8.5.1 电力大数据应用概况 191

8.5.2 电力大数据体系架构 193

8.5.3 国内外应用情况 195

思考题 199

本章参考文献 199

第三部分能源大数据处理与分析实践

第9章  能源经济与管理大数据处理与分析案例 202

9.1  能源政策文本分析 202

9.1.1 案例描述 202

9.1.2 能源政策文本数据采集 202

9.1.3 能源政策词云图 205

9.2  国际LNG贸易网络分析 206

9.2.1 案例描述 206

9.2.2 数据预处理与图的生成 206

9.2.3 LNG贸易网络节点中心性 208

9.2.4 LNG贸易网络的图嵌入 209

0章  煤炭大数据分析案例 211

10.1  煤炭类型识别 211

10.1.1 案例描述 211

10.1.2 实现步骤 211

10.1.3 程序实现与结果分析 212

10.2  煤矿地震预测 215

10.2.1 案例描述 215

10.2.2 模型方法与数据集 215

10.2.3 程序实现与结果分析 216

1章  油气大数据分析案例 219

11.1  油气消费量的影响因素分析 219

11.1.1 案例描述 219

11.1.2 回归分析 219

11.1.3 结果分析 221

11.2  石油管线事故损失预测 222

11.2.1 案例描述 222

11.2.2 随机森林回归的步骤 222

11.2.3 程序实现与结果分析 223

2章  电力大数据分析案例 226

12.1  基于LSTM方法的家庭用电量预测 226

12.1.1 案例描述 226

12.1.2 家庭用电量数据集 226

12.1.3 LSTM模型的应用与实现 227

12.2  基于Stacking融合方法的电网负荷预测 234

12.2.1 案例描述 234

12.2.2 Stacking融合方法 234

12.2.3 电网负荷数据集 235

12.2.4 Stacking模型的应用与实现 235

能源大数据分析理论与实践

库存： {{selectedSku?.stock}} 库存充足