數(shù)據(jù)分析的方法精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的數(shù)據(jù)分析的方法主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：數(shù)據(jù)分析的方法范文

環(huán)境監(jiān)測數(shù)據(jù)可以反映出某一區(qū)域內(nèi)的環(huán)境質(zhì)量狀況、污染物的排放情況以及環(huán)境受污染的程度。各項(xiàng)數(shù)據(jù)的不斷匯總并分析為各級(jí)環(huán)保主管部門以及相關(guān)機(jī)構(gòu)做決策提供了技術(shù)依據(jù)。因此，采用健全的質(zhì)量保證體系以及方法來保證數(shù)據(jù)的分析質(zhì)量很有必要。首先，我們先來了解監(jiān)測數(shù)據(jù)分析的方法。

（一）統(tǒng)計(jì)規(guī)律分析

就是采用數(shù)理統(tǒng)計(jì)方法、模糊數(shù)學(xué)方法以及適用于小同環(huán)境要素的數(shù)學(xué)和物理方程等方法，對(duì)所得的監(jiān)測數(shù)據(jù)進(jìn)行深度剖析，做出詳細(xì)的分析評(píng)價(jià)。這種數(shù)據(jù)分析方法主要適用于環(huán)境調(diào)查、環(huán)境規(guī)劃和環(huán)評(píng)等工作。

（二）合理性分析

實(shí)際的環(huán)境監(jiān)測中，影響環(huán)境要素變化的因素錯(cuò)綜復(fù)雜，而有效的能用于綜合分析的監(jiān)測數(shù)據(jù)十分有限，所以我們需要考慮到各種環(huán)境要素之間的相互影響，以及監(jiān)測項(xiàng)目之間的關(guān)系，理論結(jié)合實(shí)際全面分析數(shù)據(jù)的合理性，這樣才可能得到準(zhǔn)確可靠的、合理的監(jiān)測數(shù)據(jù)分析結(jié)果。

二、提高環(huán)境監(jiān)測數(shù)據(jù)分析質(zhì)量的方法

為了促進(jìn)環(huán)境執(zhí)法工作的嚴(yán)肅和公正，在科學(xué)化環(huán)境管理政策中，提高環(huán)境數(shù)據(jù)分析質(zhì)量很有必要。在前人的研究工作基礎(chǔ)之上，我們提出了以下幾種方法來提高數(shù)據(jù)分析質(zhì)量。

（一）加強(qiáng)審核

加強(qiáng)各項(xiàng)審核是提高環(huán)境監(jiān)測數(shù)據(jù)分析質(zhì)量的重要方法，它主要是指加強(qiáng)對(duì)現(xiàn)有數(shù)據(jù)的綜合審核。在進(jìn)行例行監(jiān)測或是年度監(jiān)測計(jì)劃時(shí)，我們的工作一般都是連續(xù)性的展開的，一年或是好幾年，因此，我們可以建立一個(gè)動(dòng)態(tài)的分析數(shù)據(jù)庫，錄入每次的監(jiān)測數(shù)據(jù)，包括每個(gè)污染源的詳細(xì)信息（污染點(diǎn)的地理位置和排放口的排污狀況等），在以后的審核中，我們可以迅速地在數(shù)據(jù)審核中對(duì)于同一采樣點(diǎn)、同一分析項(xiàng)目進(jìn)行新舊數(shù)據(jù)的分析對(duì)比。當(dāng)數(shù)據(jù)分析結(jié)果出現(xiàn)異常時(shí)，可以及時(shí)的發(fā)現(xiàn)并找到原因，這可以對(duì)污染應(yīng)急事故的發(fā)生起到提前警示的作用。另外，在數(shù)據(jù)審核中，也要密切注意到同一水樣、不同的分析項(xiàng)目之間的相關(guān)性，比如：同一水體中氟化物和總硬度、色度和pH的關(guān)系、氨氮和總氮之間的相關(guān)性等，這樣也能及時(shí)發(fā)現(xiàn)數(shù)據(jù)分析中出現(xiàn)的誤差。

（二）加強(qiáng)監(jiān)督機(jī)制

通過調(diào)研我們發(fā)現(xiàn)，目前在傳統(tǒng)的監(jiān)測數(shù)據(jù)質(zhì)量控制系統(tǒng)中依舊存在許多不足，我們可以通過引入反饋和交流機(jī)制，加強(qiáng)監(jiān)督機(jī)制來有效提高數(shù)據(jù)分析的質(zhì)量。首先，通過強(qiáng)化平面控制，在系統(tǒng)內(nèi)部全面優(yōu)化管理的模式，提高工作人員的分析技術(shù)水平，盡可能的減少或消除數(shù)據(jù)誤差，以此來提高監(jiān)測分析的準(zhǔn)確性；其次，我們應(yīng)該主動(dòng)接受來自外界的監(jiān)督，對(duì)于外界有異議的監(jiān)測數(shù)據(jù)要進(jìn)行反復(fù)的檢測；再次，我們也應(yīng)該多舉辦技術(shù)交流會(huì)，讓技術(shù)人員可以與各級(jí)環(huán)境監(jiān)測部門的人員溝通，學(xué)習(xí)他們的先進(jìn)技術(shù)和方法，同時(shí)進(jìn)行數(shù)據(jù)分析結(jié)果對(duì)比，找到自身的不足，發(fā)現(xiàn)問題并能及時(shí)更正。

（三）加強(qiáng)采樣及實(shí)驗(yàn)室測量質(zhì)量的控制

1.采樣控制

工作人員在每次采樣前，都應(yīng)該根據(jù)實(shí)際環(huán)境情況來制定采樣技術(shù)細(xì)則，做好采樣控制，比如：需要校準(zhǔn)儀器并確保儀器可以正常運(yùn)轉(zhuǎn)；使用的采樣管和濾膜要正確安裝，采樣器干凈整潔沒有受到污染源的污染，其放置的位置也能滿足采樣要求等。采集好的樣品，要妥善存放避免污染。如果樣品不能及時(shí)進(jìn)行檢測，考慮到樣品的穩(wěn)定性，最好將樣品密封并存放在于冰箱中。

2.實(shí)驗(yàn)室測量控制

在實(shí)驗(yàn)室進(jìn)行樣品測試之前，首先應(yīng)該對(duì)所要用到的玻璃量器及分析測試儀器進(jìn)行校驗(yàn)。日常工作中，也應(yīng)該根據(jù)各種儀器保養(yǎng)規(guī)定，對(duì)儀器定期進(jìn)行維護(hù)和校驗(yàn)，確保儀器可以正常運(yùn)轉(zhuǎn)工作。其次，需要準(zhǔn)確調(diào)配各種溶液，特別是標(biāo)準(zhǔn)溶液，配置時(shí)要使用合格的實(shí)驗(yàn)用蒸餾水。測試數(shù)據(jù)時(shí)，先要測定標(biāo)準(zhǔn)樣品并繪制標(biāo)準(zhǔn)曲線。測定樣品時(shí)要檢查相關(guān)系數(shù)和計(jì)算回歸方程，并對(duì)實(shí)驗(yàn)系統(tǒng)誤差進(jìn)行測驗(yàn)，每一步都不能少。

三、結(jié)束語

第2篇：數(shù)據(jù)分析的方法范文

人們通常把分析學(xué)等同于儀表盤報(bào)告，但這太死板了，只能粗略地反映你的游戲表現(xiàn)。

這就是為什么行業(yè)越來越傾向于使用特定的玩家反饋和可執(zhí)行的分析結(jié)果來指導(dǎo)游戲設(shè)計(jì)調(diào)整。

了解真實(shí)的玩家觀點(diǎn)并不容易。對(duì)發(fā)行商和開發(fā)者而言，玩家、平臺(tái)和設(shè)備類型多樣化導(dǎo)致分析學(xué)的數(shù)據(jù)追蹤成了一大挑戰(zhàn)。

那就是為什么我們最近發(fā)表了《Analytics Driven Game Design》白皮書，旨在使這個(gè)過程更加簡單和有效。

以下是一些重要的設(shè)計(jì)和執(zhí)行建議：

1、提前收集數(shù)據(jù)

人們往往不會(huì)把執(zhí)行分析學(xué)的數(shù)據(jù)標(biāo)注當(dāng)作優(yōu)先任務(wù)。

這是錯(cuò)誤的，因?yàn)閿?shù)據(jù)收集一般要貫穿整個(gè)開發(fā)過程，需要的時(shí)間是執(zhí)行的三到五倍。

2、盡早收集事件數(shù)據(jù)

當(dāng)事件及其參數(shù)定義好時(shí)，開發(fā)者就可以確定什么時(shí)候需要什么數(shù)據(jù)了。

一開始就把這樣的數(shù)據(jù)結(jié)構(gòu)結(jié)合到代碼中，可以保證當(dāng)代碼需要這些數(shù)據(jù)時(shí)就能有現(xiàn)成的數(shù)據(jù)。

如果把事件收集放在開發(fā)過程的末尾，通常只能收集到60%有價(jià)值的數(shù)據(jù)，這說明沒有充分利用分析學(xué)。

3、統(tǒng)一視角

復(fù)雜的游戲通常涉及多個(gè)系統(tǒng)。例如，登錄系統(tǒng)可能不同于支付系統(tǒng)，這意味著數(shù)據(jù)來源通常有兩個(gè)：服務(wù)器和游戲客戶端。

因此，有必統(tǒng)一視角，即使戶ID與登錄活動(dòng)保持一致。

這樣，分析時(shí)就可以忽略數(shù)據(jù)來源，把所有信息放在一起。

4、同步時(shí)間標(biāo)記

類似地，因?yàn)槭录?shù)據(jù)來自多個(gè)來源、時(shí)區(qū)和應(yīng)用商店，有必要使用同步時(shí)間標(biāo)記，以確保觀察玩家行為的視角能夠保持一致。

發(fā)送客戶端數(shù)據(jù)時(shí)通常使用本地時(shí)間標(biāo)記，而服務(wù)器數(shù)據(jù)記錄的通常是保存數(shù)據(jù)的時(shí)間。

如果兩個(gè)時(shí)間標(biāo)記不一樣，就會(huì)很難知道真正的事件順序，從而不利于建立玩家行為檔案。

5、創(chuàng)建單一登錄ID

將這個(gè)獨(dú)特的ID與一次登錄中發(fā)生的所有事件聯(lián)系在一起，對(duì)高效分析特別重要。

如果事件發(fā)生后才關(guān)聯(lián)數(shù)據(jù)，必然會(huì)導(dǎo)致誤差和錯(cuò)誤。

考慮到大量初次玩家留存分析學(xué)專注于第一次游戲，統(tǒng)一而準(zhǔn)確地定義你的登錄活動(dòng)是很重要的。

6、總是記錄結(jié)果

事件的目標(biāo)應(yīng)該是記錄結(jié)果而不是變化。

換句話說，記錄任務(wù)的結(jié)果比記錄任務(wù)中的各種變化更好。例如，記錄當(dāng)玩家完成任務(wù)時(shí)獲得了什么，即得到多少經(jīng)驗(yàn)點(diǎn)或殺敵數(shù)，比記錄每一次射擊更實(shí)用。

7、數(shù)據(jù)完整性vs.數(shù)據(jù)優(yōu)先級(jí)

第3篇：數(shù)據(jù)分析的方法范文

關(guān)鍵詞： 關(guān)鍵詞模板庫； 景區(qū)輿情； 滿意度； 評(píng)價(jià)數(shù)據(jù)

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2017）03-62-03

Abstract： This paper puts forward a method of analyzing public opinion and satisfaction on the evaluation data of scenic spots based on tourist demand template. By means of keywords template library building and expansion based on the template of tourism demand， the paper analyses and builds the model of the public opinion and satisfaction on the evaluation data. It solves the problem that unstructured content such as tourists' travels and evaluation cannot be efficiently searched and utilized by other tourists. It can not only provide tourists with scenic spots' comprehensive satisfaction value， but also satisfaction values in the specific area of cuisine， housing， transportation， travelling， shopping， and entertainment， and even more specific related content of the satisfaction value in those six aspects. Thus it helps visitors quickly understand the evaluation of the various parameters of the area.

Key words： template library； public opinion of scenic spots； satisfaction； evaluation data

0 引言

隨著經(jīng)濟(jì)的發(fā)展，現(xiàn)在已經(jīng)進(jìn)入旅游智能化階段和大數(shù)據(jù)的時(shí)代，游客通常通過查看媒體互動(dòng)分享評(píng)價(jià)來決定自己旅游計(jì)劃。然而，傳統(tǒng)游客在游記中對(duì)景區(qū)景點(diǎn)的評(píng)價(jià)內(nèi)容是非結(jié)構(gòu)化、離散的，即難以采用一定的算法對(duì)其進(jìn)行有規(guī)律地提取和組織，從而導(dǎo)致不能采用計(jì)算機(jī)智能對(duì)其提取分類。然而游客對(duì)“吃、住、行、游、購、娛”的評(píng)價(jià)獲取需求頗為急切，因此需要采用一種新的技術(shù)來實(shí)現(xiàn)游客評(píng)價(jià)的自動(dòng)化提取并對(duì)大量的數(shù)據(jù)進(jìn)行高效的有價(jià)值的分析[1-3]。

1 本文提出的方法步驟及特征

本文提出一種基于旅游需求模板的景區(qū)評(píng)價(jià)數(shù)據(jù)分析輿情滿意度方法，主要有基于旅游需求模板的關(guān)鍵詞模板庫構(gòu)建（見圖1）、關(guān)鍵詞模板庫的擴(kuò)充（見圖2）和針對(duì)景區(qū)評(píng)價(jià)數(shù)據(jù)的輿情滿意度分析計(jì)算三個(gè)步驟。該方法的特征在于：所述的旅游需求模板主要由內(nèi)容大類關(guān)鍵詞、內(nèi)容子類關(guān)鍵詞和情感關(guān)鍵詞構(gòu)成，每個(gè)內(nèi)容大類關(guān)鍵詞下分屬有其對(duì)應(yīng)的內(nèi)容子類關(guān)鍵詞，每個(gè)內(nèi)容子類關(guān)鍵詞下分屬有其對(duì)應(yīng)的情感關(guān)鍵詞[4-5]。

1.1 基于旅游需求模板的關(guān)鍵詞模板庫構(gòu)建

主要由基于旅游需求模板引導(dǎo)評(píng)價(jià)的內(nèi)容大類關(guān)鍵詞、內(nèi)容子類關(guān)鍵詞和情感關(guān)鍵詞構(gòu)成，每個(gè)內(nèi)容大類關(guān)鍵詞下分屬有其對(duì)應(yīng)的內(nèi)容子類關(guān)鍵詞，每個(gè)內(nèi)容子類關(guān)鍵詞下分屬有其對(duì)應(yīng)的情感關(guān)鍵詞。

關(guān)鍵詞模板庫初始由列舉而成，所述的內(nèi)容大類關(guān)鍵詞包括吃、住、行、游、購、娛的六個(gè)類別；所述的內(nèi)容子類關(guān)鍵詞是在內(nèi)容大類關(guān)鍵詞的基礎(chǔ)上構(gòu)建的；所述情感關(guān)鍵詞是對(duì)內(nèi)容子類關(guān)鍵詞的描述性詞語。

1.2 關(guān)鍵詞模板庫的擴(kuò)充

關(guān)鍵詞模板庫的擴(kuò)充具體是采用以下方式對(duì)內(nèi)容子類關(guān)鍵詞和情感關(guān)鍵詞進(jìn)行擴(kuò)充：

⑴ 在已構(gòu)建的關(guān)鍵詞模板庫基礎(chǔ)上，通過網(wǎng)絡(luò)爬蟲工具在內(nèi)容大類關(guān)鍵詞所在段落文字附近搜索內(nèi)容子類關(guān)鍵詞，將找到的在已構(gòu)建關(guān)鍵詞模板庫中不存在的內(nèi)容子類關(guān)鍵詞作為新的內(nèi)容子類關(guān)鍵詞，并加入到關(guān)鍵詞模板庫中；

⑵ 在已構(gòu)建的關(guān)鍵詞模板庫基礎(chǔ)上，通過網(wǎng)絡(luò)爬蟲工具在內(nèi)容子類關(guān)鍵詞所在段落文字附近搜索情感關(guān)鍵詞，將找到的在已構(gòu)建關(guān)鍵詞模板庫中不存在的情感關(guān)鍵詞作為新的情感關(guān)鍵詞，對(duì)新的情感關(guān)鍵詞賦權(quán)值后加入到關(guān)鍵詞模板庫中。

1.3 針對(duì)景區(qū)評(píng)價(jià)數(shù)據(jù)的輿情滿意度分析計(jì)算

所述針對(duì)景區(qū)評(píng)價(jià)數(shù)據(jù)的輿情滿意度分析計(jì)算具體是：由擴(kuò)充后的關(guān)鍵詞模板庫通過網(wǎng)絡(luò)爬蟲工具搜索景區(qū)下的文字?jǐn)?shù)據(jù)，抽取出內(nèi)容大類關(guān)鍵詞所在段落文字附近的內(nèi)容子類關(guān)鍵詞，再搜索抽取出每個(gè)內(nèi)容子類關(guān)鍵詞所在段落文字附近的情感關(guān)鍵詞，從而獲得所有情感關(guān)鍵詞及其每個(gè)情感關(guān)鍵詞對(duì)應(yīng)的內(nèi)容子類關(guān)鍵詞和內(nèi)容大類關(guān)鍵詞，然后構(gòu)建景區(qū)輿情與滿意度的分析模型，通過景區(qū)輿情與滿意度的分析模型獲得以平均滿意度值作為該景區(qū)的輿情滿意度值。

2 景區(qū)輿情與滿意度的分析模型

⑴ 先采用以下公式計(jì)算獲得文字?jǐn)?shù)據(jù)中所有評(píng)論中的關(guān)于某一個(gè)內(nèi)容子類關(guān)鍵詞的滿意度值：

其中，表示第i個(gè)內(nèi)容大類關(guān)鍵詞下第j個(gè)內(nèi)容子類關(guān)鍵詞的平均滿意度值，t是分值（1～5），表示i個(gè)內(nèi)容大類關(guān)鍵詞下第j個(gè)內(nèi)容子類關(guān)鍵詞對(duì)應(yīng)分值為t的情感關(guān)鍵詞的數(shù)量，Bij表示第i個(gè)內(nèi)容大類關(guān)鍵詞下第j個(gè)內(nèi)容子類關(guān)鍵詞，B{B11，B12，B13…B21，B22，B23…}代表內(nèi)容子類關(guān)鍵詞集合。

⑵ 再采用以下公式計(jì)算獲得文字?jǐn)?shù)據(jù)中一個(gè)內(nèi)容大類關(guān)鍵詞的滿意度值：

其中，表示第i個(gè)內(nèi)容大類關(guān)鍵詞的滿意度值，表示第i個(gè)內(nèi)容大類關(guān)鍵詞下第j個(gè)內(nèi)容子類關(guān)鍵詞的權(quán)值，n表示第i個(gè)內(nèi)容大類關(guān)鍵詞下內(nèi)容子類關(guān)鍵詞的數(shù)量，A{A1，A2，…，A6}代表內(nèi)容大類關(guān)鍵詞集合。

⑶ 再采用以下公式計(jì)算獲得該景區(qū)的綜合滿意度值：

其中，Y表示景區(qū)的綜合滿意度值，i表示內(nèi)容大類關(guān)鍵詞的序號(hào)，i取值范圍是1～6，表示第i個(gè)內(nèi)容大類關(guān)鍵詞下的的權(quán)值。

3 具體實(shí)施方式

3.1 基于旅游需求模板的關(guān)鍵詞模板庫構(gòu)建

⑴ 內(nèi)容大類關(guān)鍵詞構(gòu)建，主要包括吃、住、行、游、購、娛幾個(gè)大類。

⑵ 內(nèi)容子類關(guān)鍵詞構(gòu)建，主要是在內(nèi)容大類關(guān)鍵詞的基礎(chǔ)上構(gòu)建，比如和內(nèi)容大類關(guān)鍵詞吃相關(guān)的內(nèi)容子類關(guān)鍵詞有飯店、餐館、快餐店、小吃街等。

⑶ 情感關(guān)鍵詞構(gòu)建，主要是在內(nèi)容子類關(guān)鍵詞基礎(chǔ)上構(gòu)建，比如和內(nèi)容子類關(guān)鍵詞‘吃’對(duì)應(yīng)的情感關(guān)鍵詞有味道很好，價(jià)格實(shí)惠，環(huán)境優(yōu)美等。

3.2 關(guān)鍵詞模板庫的擴(kuò)充

⑴ 基于需求模板引導(dǎo)評(píng)價(jià)的內(nèi)容子類關(guān)鍵詞庫擴(kuò)充，通過網(wǎng)絡(luò)爬蟲工具在內(nèi)容大類關(guān)鍵詞附近搜索相關(guān)的內(nèi)容子類關(guān)鍵詞并與已有的模板庫進(jìn)行對(duì)比，遇到新的內(nèi)容子類關(guān)鍵詞后，自動(dòng)加入到模板庫，比如遇到與內(nèi)容大類關(guān)鍵詞吃相關(guān)的新的內(nèi)容子類關(guān)鍵詞野味店等。

⑵ 基于需求模板引導(dǎo)評(píng)價(jià)的情感關(guān)鍵詞庫擴(kuò)充，通過網(wǎng)絡(luò)爬蟲工具八爪魚采集器，在內(nèi)容子類關(guān)鍵詞附近搜索相關(guān)的情感關(guān)鍵詞并與已有的模板庫進(jìn)行對(duì)比，遇到新的情感關(guān)鍵詞后，自動(dòng)加入到模板庫。

⑶ 情感關(guān)鍵詞均已由用戶進(jìn)行賦分，給出分值（1～5），比如非常好/棒極了/美妙極了，這三個(gè)情感詞表達(dá)的滿意度是相同的，對(duì)應(yīng)的分值都是5分，一般/湊合/還行對(duì)應(yīng)的分值則都是3分；差極了/難受死了/簡直就是受罪/再也不會(huì)去了，對(duì)應(yīng)的分值則是1分。

3.3 針對(duì)景區(qū)評(píng)價(jià)數(shù)據(jù)的輿情滿意度分析計(jì)算

⑴ 根據(jù)已有模版庫構(gòu)建評(píng)價(jià)體系表。內(nèi)容大類關(guān)鍵詞和內(nèi)容子類關(guān)鍵詞的權(quán)重和情感關(guān)鍵詞的分值以及相同分值評(píng)論數(shù)量如表1所示，表中{}表示第i個(gè)內(nèi)容大類關(guān)鍵詞下第j個(gè)內(nèi)容子類關(guān)鍵詞對(duì)應(yīng)分值為t的情感關(guān)鍵詞的集合。

⑵ 通過網(wǎng)絡(luò)爬蟲工具搜索景區(qū)網(wǎng)頁的每個(gè)帖子，按內(nèi)容子類關(guān)鍵詞，搜索所有相關(guān)的情感關(guān)鍵詞，根據(jù)表1進(jìn)行分類統(tǒng)計(jì)，把相應(yīng)的情感關(guān)鍵詞的數(shù)量記錄到對(duì)應(yīng)到中。

比如：通過網(wǎng)絡(luò)爬蟲工具搜到網(wǎng)頁得到1000個(gè)情感關(guān)鍵詞，有600個(gè)是與內(nèi)容大類關(guān)鍵詞‘吃A1’有關(guān)的，其中300個(gè)是與內(nèi)容子類關(guān)鍵詞‘味道B11’有關(guān)的，對(duì)應(yīng)的情感關(guān)鍵詞集{}及數(shù)量如表2所示。

由內(nèi)容子類關(guān)鍵詞滿意度計(jì)算公式可知該景區(qū)關(guān)于吃的味道的滿意度值為：

即：該景區(qū)關(guān)于吃的味道的滿意度值為3.6，同理可以計(jì)算其他內(nèi)容子類的關(guān)鍵詞的滿意度值。

4 結(jié)束語

通過這種方法得到滿意度值，解決了以往游客的游記、評(píng)價(jià)等非結(jié)構(gòu)化內(nèi)容難以被其他游客高效搜索利用的問題，除了可以向游客提供某個(gè)景區(qū)的綜合滿意度值外，還可以向游客提供該景區(qū)具體的關(guān)于吃、住、行、游、購、娛六個(gè)方面的滿意度值，以及比吃、住、行、游、購、娛更具體的相關(guān)內(nèi)容子類關(guān)鍵詞的滿意度值，讓游客快速了解該景區(qū)的各個(gè)評(píng)價(jià)參數(shù)。

參考文獻(xiàn)（References）：

[1] 維克托.邁爾舍恩伯格著，盛楊燕，周濤譯.大數(shù)據(jù)時(shí)代：生活、工作與思維的大變革[M].浙江人民出版社，2013.

[2] 馬建光，姜巍.大數(shù)據(jù)的概念、特征及其應(yīng)用[J].國防科技，2013.2：10-11

[3] 黃先開，張麗峰，丁于思.百度指數(shù)與旅游景區(qū)游客量的關(guān)系及預(yù)測研究-以北京故宮為例[J].旅游學(xué)刊，2013.11：93-100

第4篇：數(shù)據(jù)分析的方法范文

關(guān)鍵詞：大數(shù)據(jù)分析方法；企業(yè)檔案管理；檔案數(shù)據(jù)資源；企業(yè)創(chuàng)新決策

Abstract： With the gradually go deep into the research of big data， the enterprise innovation decision-makings are more and more dependent on data analysis， and the enterprise archive data resources provide the data base for enterprise’s these decisions， therefore used of big data analysis in Enterprise Archive Management has important significance. This paper detailed expounds the Data Quality Management， Visualization Analysis， Semantic Engines， Data Mining， Tendency Prediction and so on five big data analysis methods in the application of Enterprise Archive Management and problems that deserve attention.

Keywords： Big data analysis method； Enterprise Archive Management； archives data resources； enterprise innovation decision-making

2015年9月5日，我國政府了《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》，旨在促進(jìn)大數(shù)據(jù)和云計(jì)算、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)等新一代信息技術(shù)的融合，探索大數(shù)據(jù)和傳統(tǒng)產(chǎn)業(yè)發(fā)展新模式，推動(dòng)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)和新興產(chǎn)業(yè)發(fā)展。正如大數(shù)據(jù)專家舍恩伯格所說：大數(shù)據(jù)正在改變?nèi)藗兊纳詈腿藗兝斫馐澜绲姆绞剑嗟淖兓顒荽l(fā)，大數(shù)據(jù)管理分析思維和方法也開始影響到我們企業(yè)檔案管理的發(fā)展趨勢。

1 大數(shù)據(jù)分析方法在企業(yè)檔案管理中應(yīng)用的背景

1.1 大數(shù)據(jù)研究逐漸縱深化。自從2008年science雜志推出Big Data?？詠恚瑖鴥?nèi)外對(duì)大數(shù)據(jù)的研究如火如荼。經(jīng)過一段時(shí)間的探索，“目前大數(shù)據(jù)領(lǐng)域的研究大致可以分為4個(gè)方向：大數(shù)據(jù)科學(xué)、大數(shù)據(jù)技術(shù)、大數(shù)據(jù)應(yīng)用和大數(shù)據(jù)工程。而人們對(duì)于大數(shù)據(jù)技術(shù)和應(yīng)用兩個(gè)方面的關(guān)注比較多”[1]。正如2012年奧巴馬政府投入2億美元啟動(dòng) “大數(shù)據(jù)研究和發(fā)展計(jì)劃”的目標(biāo)所顯示的那樣，目前大數(shù)據(jù)的研究逐漸向縱深化方向發(fā)展，著重從大型復(fù)雜的數(shù)據(jù)中提取知識(shí)和觀點(diǎn)，幫助企業(yè)實(shí)現(xiàn)從“數(shù)據(jù)分析能力”向“數(shù)據(jù)決策能力與優(yōu)勢”的轉(zhuǎn)化。

1.2 企業(yè)創(chuàng)新決策越來越依賴于數(shù)據(jù)分析。對(duì)于企業(yè)技術(shù)創(chuàng)新者而言，目前更多的企業(yè)高層越來越依靠基于數(shù)據(jù)分析的企業(yè)技術(shù)創(chuàng)新決策?？總鹘y(tǒng)的經(jīng)驗(yàn)方法去決策往往是滯后的，因此，大數(shù)據(jù)分析方法作為先進(jìn)的定量分析方法，目前出現(xiàn)的一些先進(jìn)數(shù)據(jù)分析方法與技術(shù)勢必會(huì)對(duì)企業(yè)的運(yùn)行管理、生產(chǎn)業(yè)務(wù)流程、管理決策產(chǎn)生飛躍式的影響。大數(shù)據(jù)分析方法也成為企業(yè)檔案數(shù)據(jù)分析、技術(shù)創(chuàng)新決策的有效工具。

1.3 企業(yè)檔案為企業(yè)創(chuàng)新決策提供數(shù)據(jù)基礎(chǔ)。對(duì)于一個(gè)企業(yè)而言，使用的數(shù)據(jù)資源必須具有真實(shí)性可靠性?！捌髽I(yè)檔案是在企業(yè)的各項(xiàng)活動(dòng)中直接形成并保存?zhèn)洳榈母鞣N文獻(xiàn)載體形式的歷史記錄”[2]，企業(yè)檔案是企業(yè)在生產(chǎn)、經(jīng)營、管理等活動(dòng)中形成的全部有用數(shù)據(jù)的總和。除了發(fā)揮著憑證參考維護(hù)歷史真實(shí)面貌的作用之外，企業(yè)檔案更“是企業(yè)知識(shí)資產(chǎn)和信息資源的重要組成部分”[3]，具有知識(shí)創(chuàng)新性、不可替代性，為企業(yè)技術(shù)創(chuàng)新決策提供數(shù)據(jù)基礎(chǔ)?！疤貏e是在當(dāng)前大數(shù)據(jù)背景下，企業(yè)檔案數(shù)據(jù)資源的開發(fā)與建設(shè)對(duì)企業(yè)經(jīng)營決策的制定與適應(yīng)市場競爭環(huán)境起到關(guān)鍵性作用?！盵4]

在上述背景下，將大數(shù)據(jù)分析方法應(yīng)用在企業(yè)檔案管理中具有重要性意義：不僅拓展企業(yè)的管理決策理論，同時(shí)幫助企業(yè)運(yùn)用所擁有的檔案數(shù)據(jù)資源洞察市場環(huán)境，發(fā)現(xiàn)新的競爭對(duì)手，進(jìn)行自我總結(jié)，做出科學(xué)決策，使企業(yè)緊緊抓住大數(shù)據(jù)時(shí)代帶來的市場機(jī)遇。

2 大數(shù)據(jù)分析方法在企業(yè)檔案管理中應(yīng)用的方式

大數(shù)據(jù)分析方法在企業(yè)檔案管理中的實(shí)現(xiàn)方式即是將大數(shù)據(jù)分析方法運(yùn)用在企業(yè)檔案信息分析挖掘上。它貫穿企業(yè)數(shù)據(jù)處理的整個(gè)過程，遵循數(shù)據(jù)生命周期，廣泛收集數(shù)據(jù)進(jìn)行存儲(chǔ)，并對(duì)數(shù)據(jù)進(jìn)行格式化預(yù)處理，采用數(shù)據(jù)分析模型，依托強(qiáng)大的運(yùn)行分析算法支撐數(shù)據(jù)平臺(tái)，發(fā)掘潛在價(jià)值和規(guī)律并進(jìn)行呈現(xiàn)的過程。常見的大數(shù)據(jù)分析方法“其相關(guān)內(nèi)容包括可視化分析、數(shù)據(jù)挖掘、預(yù)測分析、語義分析及數(shù)據(jù)質(zhì)量管理”[5]。

2.1 數(shù)據(jù)質(zhì)量管理提升企業(yè)檔案數(shù)據(jù)資源品質(zhì)。大數(shù)據(jù)時(shí)代企業(yè)檔案數(shù)據(jù)資源呈現(xiàn)出4V特點(diǎn)，這使得企業(yè)檔案數(shù)據(jù)很容易出現(xiàn)不一致、不精確、不完整、過時(shí)等數(shù)據(jù)質(zhì)量問題?；跀?shù)據(jù)生命周期對(duì)企業(yè)檔案數(shù)據(jù)資源進(jìn)行數(shù)據(jù)質(zhì)量管理分為數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)使用三個(gè)階段。在數(shù)據(jù)預(yù)處理階段，通過ETL工具即數(shù)據(jù)經(jīng)過萃取（Extract）、轉(zhuǎn)換（Transform）、加載（Load）至目的端這幾個(gè)預(yù)處理過程達(dá)到數(shù)據(jù)清洗和格式化的目的。目前Oracle公司的Data Integrator和Warehouse Build、微軟的Dynamics Integration及IBM的Data Integrator都是比較常見的ETL工具。在數(shù)據(jù)存儲(chǔ)與使用階段，針對(duì)目前企業(yè)檔案大數(shù)據(jù)呈現(xiàn)出4V的特點(diǎn)，傳統(tǒng)關(guān)系型數(shù)據(jù)庫在數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)管理方面已經(jīng)難以勝任，非關(guān)系型數(shù)據(jù)庫以其高吞吐量、可拓展性、高并發(fā)讀寫、實(shí)時(shí)性等特性能夠滿足數(shù)據(jù)存儲(chǔ)與管理的要求。目前應(yīng)用最廣的是并行處理系統(tǒng)MapReduce和非關(guān)系型數(shù)據(jù)庫比如谷歌的Big Table和Hadoop的HBase。將ETL工具移植入云計(jì)算平臺(tái)系統(tǒng)，將會(huì)大大有助于完成數(shù)據(jù)清洗、重復(fù)對(duì)象檢測、缺失數(shù)據(jù)處理、異常數(shù)據(jù)檢測、邏輯錯(cuò)誤檢測、不一致數(shù)據(jù)處理等數(shù)據(jù)質(zhì)量處理過程，從而保證企業(yè)檔案數(shù)據(jù)資源的數(shù)據(jù)質(zhì)量。

2.2 可視化分析提升企業(yè)檔案數(shù)據(jù)資源可理解性。

“大數(shù)據(jù)可視分析是指在大數(shù)據(jù)自動(dòng)分析挖掘方法的同時(shí)，利用支持信息可視化的用戶界面以及支持分析過程的人機(jī)交互方式與技術(shù)，有效融合計(jì)算機(jī)的計(jì)算能力和人的認(rèn)知能力，以獲得對(duì)于大規(guī)模復(fù)雜數(shù)據(jù)集的洞察力?！盵6]那么企業(yè)檔案數(shù)據(jù)資源的可視化分析可以理解為借助可視化工具把企業(yè)檔案數(shù)據(jù)資源轉(zhuǎn)化成直觀、可視、交互形式（如表格、動(dòng)畫、聲音、文本、視頻、圖形等）的過程，便于企業(yè)經(jīng)營者的理解利用。

以2015年2月15日最新版的“百度遷徙”（全稱“百度地圖春節(jié)人口遷徙大數(shù)據(jù)”）為例，該項(xiàng)目讓我們近距離了解到大數(shù)據(jù)可視化。它利用百度后臺(tái)每天數(shù)十億次的LBS定位獲得的數(shù)據(jù)進(jìn)行計(jì)算分析，全程展現(xiàn)中國人口遷徙軌跡，為政府部門科學(xué)決策提供科學(xué)依據(jù)。受該項(xiàng)目啟發(fā)，企業(yè)可將擁有不同類型的檔案信息進(jìn)行可視化，比如進(jìn)行企業(yè)檔案的網(wǎng)絡(luò)數(shù)據(jù)可視化、時(shí)空數(shù)據(jù)可視化、時(shí)間序列數(shù)據(jù)可視化、多維數(shù)據(jù)可視化、文本數(shù)據(jù)可視化等[7]。以文本數(shù)據(jù)可視化為例，目前典型的文本可視化技術(shù)標(biāo)簽云，可以將檔案文本中蘊(yùn)含的主題聚類、邏輯結(jié)構(gòu)、詞頻與重要度、動(dòng)態(tài)演化規(guī)律直觀展示出來，為企業(yè)決策提供依據(jù)。另外，常見的信息圖表類可視化工具主要有Google chart、 IBM Many Eyes、Tableau、Spotfire、Data-Driven Documents（D3.js）等；時(shí)間線類可視化工具主要是Timetoast，、Xtimeline、Timeslide、Dipity等；數(shù)據(jù)地圖類可視化工具主要有Leaflet、Google fushion tables、Quanum GIS等。這些新技術(shù)都為企業(yè)檔案數(shù)據(jù)資源可視化提供了科學(xué)工具。

2.3 語義引擎實(shí)現(xiàn)企業(yè)檔案數(shù)據(jù)資源的智能提取。大數(shù)據(jù)時(shí)代全球數(shù)據(jù)存儲(chǔ)量呈激增趨勢，傳統(tǒng)的基于人工分類目錄或關(guān)鍵詞匹配的搜索引擎（谷歌、百度等）僅僅能夠進(jìn)行簡單的關(guān)鍵詞匹配，用戶無法得到非常準(zhǔn)確的信息，檢索準(zhǔn)確率并不高，而且檢索結(jié)果相關(guān)度較低，檢索結(jié)果缺乏引導(dǎo)性。為提供給用戶高質(zhì)量的檢索結(jié)果，改善用戶搜索體驗(yàn)，提高效率，實(shí)現(xiàn)智能提取，語義搜索引擎應(yīng)運(yùn)而生?！罢Z義引擎是隨著語義網(wǎng)的發(fā)展，采用語義網(wǎng)的語義推理技術(shù)實(shí)現(xiàn)語義搜索的語義搜索引擎。”[8]它具備從語義理解的角度分析檢索者的檢索請(qǐng)求，能夠理解檢索者的真正意圖，實(shí)現(xiàn)信息智能提取。對(duì)語義分析可以采取自然語言處理方法進(jìn)行概念匹配，提供與檢索者需求相同、相近或者相包含的詞語。目前存在基于本體的語義處理技術(shù)，它以本體庫作為語義搜索引擎理解和運(yùn)用語義的基礎(chǔ)。對(duì)于企業(yè)而言，將語義引擎分析方法與協(xié)同過濾關(guān)聯(lián)規(guī)則相結(jié)合，可以挖掘用戶的需求，提供個(gè)性化的服務(wù)。比如亞馬遜公司通過對(duì)用戶檢索的語義進(jìn)行分析推理，結(jié)合協(xié)同過濾關(guān)聯(lián)規(guī)則，為用戶提供相近需求的產(chǎn)品，提升自己的經(jīng)濟(jì)效益。對(duì)于一份人事檔案而言，語義引擎也能分析出該份人事檔案中的某人的職務(wù)、級(jí)別，從中提取出姓名一職務(wù)一級(jí)別一時(shí)間等關(guān)鍵信息，提高檢索準(zhǔn)確率和效率，實(shí)現(xiàn)智能提取。

2.4 數(shù)據(jù)挖掘發(fā)現(xiàn)企業(yè)檔案數(shù)據(jù)資源的隱性價(jià)值?！皵?shù)據(jù)挖掘又稱數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)”[9]。簡而言之，數(shù)據(jù)挖掘就是企業(yè)從數(shù)據(jù)集中發(fā)現(xiàn)知識(shí)模式，根據(jù)功能一般分為預(yù)測性模式和描述性模式，細(xì)分主要有分類與回歸模型、聚類分析模型、關(guān)聯(lián)規(guī)則模型、時(shí)間序列模型、偏差檢測模型等。主要挖掘方法有神經(jīng)網(wǎng)絡(luò)方法、機(jī)器學(xué)習(xí)方法數(shù)據(jù)庫方法和統(tǒng)計(jì)方法等。

數(shù)據(jù)挖掘是大數(shù)據(jù)分析方法的核心。對(duì)于企業(yè)而言，數(shù)據(jù)挖掘的檔案數(shù)據(jù)資源應(yīng)該由兩部分組成：一是企業(yè)正常運(yùn)行管理過程中所形成的檔案數(shù)據(jù)資源，通過運(yùn)用分類、聚類、關(guān)聯(lián)規(guī)則等方法對(duì)企業(yè)內(nèi)部的數(shù)據(jù)進(jìn)行挖掘，發(fā)現(xiàn)潛在模式，為企業(yè)技術(shù)創(chuàng)新人員決策提供支持。比如在2004年全球最大的零售商沃爾瑪在分析歷史記錄的顧客消費(fèi)數(shù)據(jù)時(shí)，發(fā)現(xiàn)每次季節(jié)性颶風(fēng)來臨之前，手電筒和蛋撻的數(shù)量全部增加。根據(jù)這一關(guān)聯(lián)發(fā)現(xiàn)，沃爾瑪公司會(huì)在颶風(fēng)用品的旁邊放上蛋撻，提升了企業(yè)的經(jīng)濟(jì)效益；二是企業(yè)在運(yùn)行過程中遺存在互聯(lián)網(wǎng)上的數(shù)據(jù)，通過網(wǎng)絡(luò)輿情及時(shí)跟蹤可以獲取市場最新動(dòng)態(tài)，為企業(yè)調(diào)整服務(wù)模式、市場策略、降低風(fēng)險(xiǎn)提供依據(jù)。比如Farecast公司運(yùn)用數(shù)據(jù)挖掘，從網(wǎng)絡(luò)抓取數(shù)據(jù)來預(yù)測機(jī)票價(jià)格以及未來發(fā)展趨勢，幫助客戶把握最佳購買時(shí)機(jī)，獲得較大成功。

2.5 趨勢預(yù)測分析實(shí)現(xiàn)企業(yè)檔案數(shù)據(jù)資源的價(jià)值創(chuàng)造?！邦A(yù)測分析是利用統(tǒng)計(jì)、建模、數(shù)據(jù)挖掘工具對(duì)已有數(shù)據(jù)進(jìn)行研究以完成預(yù)測?！盵10]預(yù)測分析的方法分為定性與定量分析兩種方法：定性分析如德爾菲法以及近年來人工智能產(chǎn)生的Boos-ting?貝葉斯網(wǎng)絡(luò)法等；定量分析法一般從形成的歷史數(shù)據(jù)中發(fā)掘數(shù)據(jù)模型達(dá)到預(yù)測效果，如時(shí)間序列分析模型、分類與回歸分析模型等。

企業(yè)檔案數(shù)據(jù)資源預(yù)測分析是在企業(yè)檔案數(shù)據(jù)資源數(shù)據(jù)挖掘的基礎(chǔ)之上，發(fā)現(xiàn)適合模型，將企業(yè)檔案數(shù)據(jù)輸入該模型使得企業(yè)技術(shù)創(chuàng)新人員達(dá)到預(yù)測性的判斷效果，實(shí)現(xiàn)價(jià)值的創(chuàng)造。一個(gè)典型的例子即是市場預(yù)測問題，企業(yè)技術(shù)創(chuàng)新者可以根據(jù)檔案數(shù)據(jù)預(yù)測某件產(chǎn)品在未來六個(gè)月內(nèi)的銷售趨勢走向，進(jìn)而進(jìn)行生產(chǎn)、物流、營銷等活動(dòng)安排。具體來講企業(yè)可以通過數(shù)據(jù)時(shí)間序列分析模型預(yù)測產(chǎn)品銷售旺季和淡季顧客的需求量，從而制定針對(duì)獨(dú)特的營銷策略，減少生產(chǎn)和銷售的波動(dòng)性，獲得利潤和競爭優(yōu)勢。預(yù)測分析在大數(shù)據(jù)時(shí)代彰顯出企業(yè)檔案數(shù)據(jù)資源獨(dú)特的魅力。

3 大數(shù)據(jù)分析方法運(yùn)用于企業(yè)檔案管理中應(yīng)當(dāng)注意的問題

3.1 成本問題。大數(shù)據(jù)分析需要依靠分析工具和運(yùn)算時(shí)間，特別是在復(fù)雜的企業(yè)檔案數(shù)據(jù)資源中采用相關(guān)大數(shù)據(jù)分析工具的科技成本還是很高的，要以最少運(yùn)算成本獲得更有價(jià)值的數(shù)據(jù)內(nèi)容。合理選擇大數(shù)據(jù)分析工具不光可以節(jié)省運(yùn)算成本而且能夠更快速獲取盈利增長點(diǎn)，同時(shí)在大數(shù)據(jù)分析和企業(yè)檔案數(shù)據(jù)資源的存儲(chǔ)成本方面也要適當(dāng)?shù)目刂圃诤侠淼姆秶鷥?nèi)。既要保證大數(shù)據(jù)分析質(zhì)量，又要降低企業(yè)檔案存儲(chǔ)成本是大數(shù)據(jù)分析方法運(yùn)用到企業(yè)檔案管理中的重要原則。

3.2 時(shí)效問題?！按髷?shù)據(jù)的動(dòng)態(tài)性強(qiáng)，要求分析處理應(yīng)快速響應(yīng)，在動(dòng)態(tài)變化的環(huán)境中快速完成分析過程，有些甚至必須實(shí)時(shí)分析，否則這些結(jié)果可能就是過時(shí)、無效的”。[11]由此可見，影響大數(shù)據(jù)分析的重要因素就是時(shí)效性問題?！按髷?shù)據(jù)數(shù)據(jù)分析的核心內(nèi)容之一是數(shù)據(jù)建?！保琜12]數(shù)據(jù)分析模型要不斷的更新適應(yīng)數(shù)據(jù)的動(dòng)態(tài)變化。如果模型落后于數(shù)據(jù)的變化，那數(shù)據(jù)分析只能是失效的。同時(shí)由于經(jīng)濟(jì)環(huán)境、政治生態(tài)、社會(huì)文化等因素不斷變革，企業(yè)檔案數(shù)據(jù)的收集也會(huì)產(chǎn)生新的問題。只有不斷加強(qiáng)對(duì)這些數(shù)據(jù)的實(shí)時(shí)監(jiān)測和有效分析，才能更好的識(shí)別出數(shù)據(jù)變化中的細(xì)微之處，建立與之相適應(yīng)的數(shù)據(jù)分析新模型。

3.3 情感問題?！按髷?shù)據(jù)的另一個(gè)局限性在于它很難表現(xiàn)和描述用戶的感情?！贝髷?shù)據(jù)分析方法在處理企業(yè)檔案數(shù)據(jù)方面可以說如魚得水，大數(shù)據(jù)分析是一種科學(xué)的機(jī)器運(yùn)算方法，無法去實(shí)現(xiàn)人文價(jià)值提取，比如如何從企業(yè)檔案數(shù)據(jù)資源中提取企業(yè)文化，這更需要人的情感直覺去實(shí)現(xiàn)，而嚴(yán)謹(jǐn)?shù)目茖W(xué)數(shù)據(jù)是無法實(shí)現(xiàn)的。因此，我們?cè)跓嶂杂诖髷?shù)據(jù)分析方法的量化結(jié)果時(shí)，同時(shí)也不要忽略在傳統(tǒng)企業(yè)檔案管理中的那份人文精神。

第5篇：數(shù)據(jù)分析的方法范文

我們?cè)诮虒W(xué)的過程中，也比較比較注重案例教學(xué)。例如，在講授神經(jīng)網(wǎng)絡(luò)時(shí)，我們可以用上海證券交易所中股市中股票隨時(shí)間變化的數(shù)據(jù)為例，讓學(xué)生討論如何應(yīng)用神經(jīng)網(wǎng)絡(luò)對(duì)股票價(jià)格進(jìn)行預(yù)測。人工神經(jīng)網(wǎng)絡(luò)是一種模仿自然界動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型，能夠較好地處理具有一定復(fù)雜性的數(shù)據(jù)，在預(yù)測、擬合等方面取得了很好的應(yīng)用效果。讓學(xué)生采用神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)際數(shù)據(jù)分析和處理，可以增強(qiáng)他們學(xué)習(xí)的積極性，更主動(dòng)地投入到學(xué)習(xí)中去。我們也要求他們使用回歸分析的方法對(duì)股票價(jià)格進(jìn)行預(yù)測，然后和神經(jīng)網(wǎng)絡(luò)預(yù)測的結(jié)果進(jìn)行比較。通過這個(gè)過程，可以使學(xué)生們不但了解了神經(jīng)網(wǎng)絡(luò)與回歸分析算法的異同，加深他們對(duì)神經(jīng)網(wǎng)絡(luò)的認(rèn)識(shí)。

加強(qiáng)實(shí)驗(yàn)教學(xué)，增強(qiáng)學(xué)生動(dòng)手能力

信息與計(jì)算科學(xué)專業(yè)是以信息領(lǐng)域?yàn)楸尘?，?shù)學(xué)與信息、管理相結(jié)合的交叉學(xué)科專業(yè)。該專業(yè)培養(yǎng)的學(xué)生具有良好的數(shù)學(xué)基礎(chǔ)，能熟練地使用計(jì)算機(jī)，初步具備在信息與計(jì)算科學(xué)領(lǐng)域的某個(gè)方向上從事科學(xué)研究，解決實(shí)際問題，設(shè)計(jì)開發(fā)有關(guān)軟件的能力。畢業(yè)生適合到企事業(yè)單位、高科技部門、高等院校、行政管理和經(jīng)濟(jì)管理部門，從事科研、教學(xué)和計(jì)算機(jī)應(yīng)用軟件的開發(fā)和管理工作，也可以繼續(xù)攻讀信息與計(jì)算科學(xué)及相關(guān)學(xué)科的碩士學(xué)位。從信息與計(jì)算科學(xué)專業(yè)的培養(yǎng)目標(biāo)可以看出信息與計(jì)算科學(xué)專業(yè)的本科生不但需要掌握理論知識(shí)，還需要具有將所學(xué)知識(shí)用來解決實(shí)際問題的能力。數(shù)據(jù)挖掘作為一門應(yīng)用性較強(qiáng)的課程，需要學(xué)生能夠運(yùn)用數(shù)據(jù)挖掘知識(shí)分析和解決實(shí)際問題，要求學(xué)生能夠熟練掌握數(shù)據(jù)挖掘的程序設(shè)計(jì)，以便在將來的就業(yè)中具有更好的適應(yīng)性，因此實(shí)驗(yàn)環(huán)節(jié)的教學(xué)有著其必要性?；谶@些原因，我們?cè)谶@門課中引入實(shí)驗(yàn)環(huán)節(jié)，并將其納入考核要求。我們實(shí)驗(yàn)所用的基本軟件是SAS統(tǒng)計(jì)分析軟件。SAS軟件是一個(gè)集統(tǒng)計(jì)分析、報(bào)表圖形、信息系統(tǒng)開發(fā)和大型數(shù)據(jù)庫管理等多種強(qiáng)大功能為一體的大型軟件系統(tǒng)，是目前國際上主流的統(tǒng)計(jì)分析軟件之一。我們信息專業(yè)在大三時(shí)開設(shè)這門課程，之前已經(jīng)學(xué)過C語言和JAVA等程序設(shè)計(jì)方法，有了一定的編程基礎(chǔ)，因此學(xué)習(xí)使用SAS軟件并不是特別困難。而且，在SAS軟件中，系統(tǒng)自帶了許多數(shù)據(jù)挖掘函數(shù)，這方便了同學(xué)們的使用。我們?cè)谄綍r(shí)的學(xué)習(xí)中，將一些SAS軟件的基本程序設(shè)計(jì)基礎(chǔ)知識(shí)先發(fā)給同學(xué)們，讓他們利用課后時(shí)間自己在個(gè)人電腦上進(jìn)行熟悉，從而使得他們熟悉基本SAS程序設(shè)計(jì)方法，這樣可以在實(shí)驗(yàn)課上直接運(yùn)用SAS軟件進(jìn)行數(shù)據(jù)挖掘程序的編寫。在實(shí)驗(yàn)課上，我們主要將要實(shí)驗(yàn)的內(nèi)容和相關(guān)數(shù)據(jù)資料提供給同學(xué)，要求同學(xué)自己用數(shù)據(jù)挖掘的知識(shí)和SAS軟件進(jìn)行編程實(shí)現(xiàn)，并寫出實(shí)驗(yàn)分析和小結(jié)。另外，在實(shí)驗(yàn)中，我們也要求學(xué)生盡可能將一些實(shí)驗(yàn)結(jié)果用圖表的形式如崖底碎石圖等表示出來，以利于進(jìn)一步分析。對(duì)于少部分學(xué)有余力的同學(xué)，我們也引導(dǎo)他們自編相關(guān)的程序。比如說在SAS軟件中進(jìn)行K－均值聚類用fastclus這個(gè)函數(shù)就可以了，但是學(xué)生對(duì)程序具體實(shí)現(xiàn)過程可能不是很清楚。如果學(xué)生能夠?qū)⒊绦騅－均值聚類詳細(xì)程序步驟自己編寫出來，就可以表明學(xué)生對(duì)所K－均值聚類算法也有了較清楚的認(rèn)識(shí)。另外，對(duì)于屬于數(shù)學(xué)建模協(xié)會(huì)的同學(xué)，我們也引導(dǎo)他們將數(shù)據(jù)挖掘的知識(shí)和數(shù)學(xué)建模中某些問題相結(jié)合起來，對(duì)于以往出現(xiàn)的一些可以利用數(shù)據(jù)挖掘知識(shí)分析的問題讓他們利用相關(guān)的數(shù)據(jù)挖掘知識(shí)對(duì)其進(jìn)行分析和求解，通過這樣的方式，可以這樣拓展這些同學(xué)的思路，也為數(shù)學(xué)建模培養(yǎng)了人才。

靈活的課后作業(yè)形式，提高學(xué)生的綜合能力

第6篇：數(shù)據(jù)分析的方法范文

關(guān)鍵詞：數(shù)據(jù)源分解 回歸測試 需求版本 數(shù)據(jù)實(shí)體

中圖分類號(hào)：TN967 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2016）12（a）-0096-02

吉林移動(dòng)的業(yè)務(wù)運(yùn)營支撐系統(tǒng)規(guī)模龐大、結(jié)構(gòu)復(fù)雜、內(nèi)部的關(guān)聯(lián)關(guān)系復(fù)雜。由于業(yè)務(wù)發(fā)展變化迅速，信息化系統(tǒng)也會(huì)做頻繁的版本變更，對(duì)系統(tǒng)變更的質(zhì)量保障至關(guān)重要。

對(duì)系統(tǒng)版本變更的交付測試驗(yàn)證，是系統(tǒng)質(zhì)量保障的重要手段，不僅僅要測試當(dāng)前變更的功能，還要分析當(dāng)前變更的功能有哪些關(guān)聯(lián)影響，對(duì)于被影響的業(yè)務(wù)、功能，要執(zhí)行業(yè)務(wù)回歸測試，以減少系統(tǒng)上線的質(zhì)量漏洞。

1 現(xiàn)有判定業(yè)務(wù)回歸測試范圍方法存在的缺點(diǎn)

目前業(yè)務(wù)回歸測試范圍的確定主要依賴于測試人員積累的經(jīng)驗(yàn)，根據(jù)經(jīng)驗(yàn)判斷要做哪些相關(guān)業(yè)務(wù)、功能的回歸測試。這些經(jīng)驗(yàn)缺少基于可靠數(shù)據(jù)的量化分析。

通常系統(tǒng)版本上線時(shí)間要求都非常緊，不可能做全面的業(yè)務(wù)回歸測試，而業(yè)務(wù)回歸測試范圍確定不準(zhǔn)確，會(huì)導(dǎo)致質(zhì)量驗(yàn)證的漏洞，嚴(yán)重影響系統(tǒng)可靠性。

2 基于數(shù)據(jù)源分解判定業(yè)務(wù)回歸測試范圍的方案

該方案是建立回歸測試范圍數(shù)據(jù)分析模型，該模型包括：全業(yè)務(wù)數(shù)據(jù)源分析引擎、需求版本數(shù)據(jù)源識(shí)別引擎、回歸測試范圍數(shù)據(jù)源多元比對(duì)引擎，旨在提出一種基于數(shù)據(jù)源分解的可量化的業(yè)務(wù)回歸測試范圍分析模型。

2.1 全業(yè)務(wù)數(shù)據(jù)源分析引擎

其是將業(yè)務(wù)運(yùn)營支撐系統(tǒng)中所有的業(yè)務(wù)功能、源程序、數(shù)據(jù)結(jié)構(gòu)等，通過數(shù)據(jù)源之間的調(diào)用關(guān)系尋找它們的依賴關(guān)系，包括：

（1）將業(yè)務(wù)運(yùn)營支撐系統(tǒng)全業(yè)務(wù)數(shù)據(jù)源按數(shù)據(jù)源類型分類。（2）利用Java中的BufferedReade和FileReader進(jìn)行遞歸運(yùn)算遍歷業(yè)務(wù)運(yùn)營支撐系統(tǒng)全業(yè)務(wù)數(shù)據(jù)源，組建全業(yè)務(wù)數(shù)據(jù)源關(guān)聯(lián)關(guān)系模型，確定業(yè)務(wù)運(yùn)營支撐系統(tǒng)數(shù)據(jù)源的范圍邊界。（3）將遍歷后得到的關(guān)系結(jié)果存儲(chǔ)到數(shù)據(jù)庫中。

2.2 需求版本數(shù)據(jù)源識(shí)別引擎

主要通過需求版本重疊探測器、需求版本屬性識(shí)別器、需求版本規(guī)則識(shí)別器三方面。

（1）需求版本重疊探測器：判定需求版本是否與版本庫需求重疊提交，避免工作資源的浪費(fèi)。（2）需求版本屬性識(shí)別器：確定并記錄需求版本所對(duì)應(yīng)的各類數(shù)據(jù)源的修改點(diǎn)。（3）需求版本規(guī)則識(shí)別器：利用全業(yè)務(wù)數(shù)據(jù)源分析引擎解析需求版本所對(duì)應(yīng)數(shù)據(jù)源之間的依賴關(guān)系。

2.3 回歸測試范圍數(shù)據(jù)源多元比對(duì)引擎

采用ORACLE數(shù)據(jù)游標(biāo)指針技術(shù)作為源數(shù)據(jù)的比對(duì)方式。

3 主要技術(shù)實(shí)施方案描述

下面對(duì)基于數(shù)據(jù)源分解判定業(yè)務(wù)回歸測試范圍在業(yè)務(wù)運(yùn)營支撐系統(tǒng)的實(shí)際應(yīng)用中所采用的技術(shù)實(shí)施方案進(jìn)行描述，包括三個(gè)方面。

3.1 全業(yè)務(wù)數(shù)據(jù)源分析引擎描述

將業(yè)務(wù)運(yùn)營支撐系統(tǒng)的全業(yè)務(wù)數(shù)據(jù)源分為5類：業(yè)務(wù)功能、源程序、函數(shù)與結(jié)構(gòu)體、數(shù)據(jù)實(shí)體、實(shí)體字段，把全業(yè)務(wù)源數(shù)據(jù)分解為若干的部分。

利用Java中的BufferedReade和FileReader進(jìn)行遞歸運(yùn)算遍歷業(yè)務(wù)運(yùn)營支撐系統(tǒng)全業(yè)務(wù)數(shù)據(jù)源，組建全業(yè)務(wù)數(shù)據(jù)源關(guān)聯(lián)關(guān)系模型。利用Java程序編寫遞歸函數(shù)，對(duì)現(xiàn)有業(yè)務(wù)運(yùn)營支撐系統(tǒng)全業(yè)務(wù)涉及的所有源數(shù)據(jù)進(jìn)行讀取。利用源數(shù)據(jù)分類及每個(gè)類別所特有的關(guān)鍵字對(duì)源數(shù)據(jù)進(jìn)行解析。將遍歷后得到的關(guān)系結(jié)果以多維變長數(shù)據(jù)形式存儲(chǔ)到數(shù)據(jù)庫中，作為技術(shù)數(shù)據(jù)保存。

3.2 需求版本數(shù)據(jù)源識(shí)別引擎描述

其包含需求版本重疊探測器、需求版本屬性識(shí)別器、需求版本規(guī)則識(shí)別器三方面，通過以下技術(shù)措施一并實(shí)現(xiàn)。

建立業(yè)務(wù)運(yùn)營支撐系統(tǒng)需求版本屬性識(shí)別器。確定并記錄需求版本所對(duì)應(yīng)的各類數(shù)據(jù)源的修改點(diǎn)，包括軟件版本變更的內(nèi)容清單（變更的功能，變更的程序，變更的數(shù)據(jù)實(shí)體）。通過需求版本屬性識(shí)別器，將變更的數(shù)據(jù)源名稱入庫，并對(duì)該次需求版本變更的數(shù)據(jù)源通過全業(yè)務(wù)數(shù)據(jù)源分析引擎解析入庫。利用自動(dòng)化版本比對(duì)，得到修改點(diǎn)。將結(jié)果同樣以多維變長數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫中，作為全業(yè)務(wù)數(shù)據(jù)源分析引擎結(jié)果比對(duì)的基礎(chǔ)數(shù)據(jù)。

3.3 回歸測試范圍數(shù)據(jù)源多元比對(duì)引擎描述

采用數(shù)據(jù)游標(biāo)指針技術(shù)對(duì)源數(shù)據(jù)進(jìn)行笛卡爾乘積運(yùn)算比對(duì)。確定全業(yè)務(wù)數(shù)據(jù)源與需求版本數(shù)據(jù)源比對(duì)范圍。包括：程序比對(duì)、函數(shù)比對(duì)、機(jī)構(gòu)體比對(duì)、關(guān)鍵字比對(duì)、數(shù)據(jù)實(shí)體比對(duì)、數(shù)據(jù)字段比對(duì)。利用數(shù)據(jù)庫技術(shù)將需求版本數(shù)據(jù)源識(shí)別引擎所分析的結(jié)果，逐一與全業(yè)務(wù)數(shù)據(jù)源分析引擎的全業(yè)務(wù)關(guān)聯(lián)關(guān)系進(jìn)行比對(duì)。一個(gè)系統(tǒng)功能與多個(gè)應(yīng)用程序/函數(shù)/數(shù)據(jù)實(shí)體相互對(duì)應(yīng)，而多個(gè)應(yīng)用程序/函數(shù)/數(shù)據(jù)實(shí)體也同樣對(duì)應(yīng)一個(gè)或多個(gè)系統(tǒng)功能/應(yīng)用程序，這樣逐個(gè)數(shù)據(jù)源分解就會(huì)形成一個(gè)網(wǎng)狀結(jié)構(gòu)，眾多的全業(yè)務(wù)數(shù)據(jù)源與需求版本數(shù)據(jù)源交織在一起，構(gòu)成了它們之間存在的必然關(guān)聯(lián)，形成了基于數(shù)據(jù)源分解判定業(yè)務(wù)回歸測試模型的核心部分。這也正是這個(gè)技術(shù)專利的關(guān)鍵所在，隨意觸發(fā)一個(gè)需求版本的數(shù)據(jù)源，都可以透過這些關(guān)聯(lián)將與其密切關(guān)聯(lián)、受其影響的系統(tǒng)功能/應(yīng)用程序及數(shù)據(jù)實(shí)體輕易找到，從而保證了回歸測試的完整性及準(zhǔn)確性。

4 基于數(shù)據(jù)源分解判定業(yè)務(wù)回歸測試范圍的優(yōu)點(diǎn)

采用基于數(shù)據(jù)源分解判定業(yè)務(wù)回歸測試范圍的方案后，有效降低了軟件版本升級(jí)對(duì)原有系統(tǒng)的不確定性影，大幅提升了系統(tǒng)的可靠性和穩(wěn)定性。

4.1 業(yè)務(wù)回歸測試范圍分析有可靠的數(shù)據(jù)依據(jù)

通過數(shù)據(jù)源分解可以對(duì)系統(tǒng)全業(yè)務(wù)涉及的所有數(shù)據(jù)源進(jìn)行分析，保證了基礎(chǔ)數(shù)據(jù)的最大范圍，避免了數(shù)據(jù)源的遺漏，有效提高了業(yè)務(wù)回歸測試的覆蓋度，從而提高了對(duì)系統(tǒng)交付測試驗(yàn)證的質(zhì)量，減少了質(zhì)量漏洞，降低了需求版本上線風(fēng)險(xiǎn)。

4.2 業(yè)務(wù)回歸測試范圍分析效率的提升

現(xiàn)有技術(shù)方案采用人為經(jīng)驗(yàn)判斷及人工讀取代碼的方式進(jìn)行，而該方案采用的是計(jì)算機(jī)智能數(shù)據(jù)源分解自動(dòng)化處理的方式。一個(gè)經(jīng)驗(yàn)豐富的開發(fā)人員每分鐘編寫代碼約30行，讀取代碼約60行，而該發(fā)明采用計(jì)算機(jī)自動(dòng)分析每分鐘分析數(shù)量8 500行左右，是人工分析的140倍。該方案隨著硬件性能的提升，具備更大效能提升的空間。

4.3 業(yè)務(wù)回歸測試范圍分析知識(shí)可持續(xù)積累和復(fù)用

采用數(shù)據(jù)源分解的業(yè)務(wù)回歸測試范圍、測試方案管理可以有效地形成知識(shí)的積累和沉淀，并借此創(chuàng)建知識(shí)庫，有助于業(yè)務(wù)人員、測試人員水平的快速提高及知識(shí)傳遞。

參考文獻(xiàn)

[1] 王軼辰.軟件測試從入門到精通[M].電子工業(yè)出版社，2010.

第7篇：數(shù)據(jù)分析的方法范文

【關(guān)鍵詞】環(huán)境監(jiān)測數(shù)據(jù)；分析；重要性

1.環(huán)境監(jiān)測數(shù)據(jù)的特征及重要性

1.1環(huán)境監(jiān)測數(shù)據(jù)的特征

環(huán)境監(jiān)測數(shù)據(jù)規(guī)定了每一次監(jiān)測獲得的數(shù)據(jù)的可使用范圍，超出該范圍得出的數(shù)據(jù)就被視為是不合格的。這是因?yàn)楸O(jiān)測數(shù)據(jù)是具有局限性的，這種局限性是為了保證監(jiān)測數(shù)據(jù)的準(zhǔn)確性與可靠性。同時(shí)，對(duì)于監(jiān)測獲得的數(shù)據(jù)要求具有完整性，不應(yīng)該有缺失或是遺漏的現(xiàn)象。對(duì)于在規(guī)定范圍內(nèi)的監(jiān)測數(shù)據(jù)，如果這些數(shù)據(jù)不僅具有代表性，還具備完整性，那么就達(dá)到監(jiān)測的目的了[1]。

1.2環(huán)境監(jiān)測數(shù)據(jù)的重要性

環(huán)境監(jiān)測的重要性在于它能為環(huán)境的管理、規(guī)劃、評(píng)價(jià)等提供科學(xué)、有力的依據(jù)。出于對(duì)我國正處于經(jīng)濟(jì)高速發(fā)展階段的考慮，我們對(duì)環(huán)境監(jiān)測應(yīng)給予更高的重視。一般來說，環(huán)境監(jiān)測數(shù)據(jù)的質(zhì)量以及分析能力的高低可以反映出一個(gè)監(jiān)測站工作能力，也體現(xiàn)了該監(jiān)測站在環(huán)境保護(hù)工作所處地位的高低。

2.對(duì)環(huán)境監(jiān)測數(shù)據(jù)的填制及整理要求

對(duì)于監(jiān)測獲取的相關(guān)圖標(biāo)和原始數(shù)據(jù)，要進(jìn)行適當(dāng)?shù)恼砗蜌w類，以便后面的工作可以更加有利地開展與進(jìn)行。在填制監(jiān)測數(shù)據(jù)時(shí)就應(yīng)該選取標(biāo)準(zhǔn)的記錄表格，在填寫時(shí)要盡量的專業(yè)化、規(guī)范化，并且要保證書寫清晰、準(zhǔn)確。對(duì)于原始數(shù)據(jù)的檢查，要逐個(gè)地進(jìn)行、確認(rèn)，將那些不能真實(shí)地反映監(jiān)測情況的數(shù)據(jù)去掉。這樣做的目的是為了將數(shù)據(jù)整理得更有條理，更有實(shí)用性，減免不必要的反復(fù)檢查，影響工作效率的提高。同時(shí)，還有一個(gè)問題需要注意，那就是作為監(jiān)測數(shù)據(jù)確認(rèn)的負(fù)責(zé)人不可以直接參與監(jiān)測數(shù)據(jù)的采集工作[2]。

3.對(duì)環(huán)境監(jiān)測數(shù)據(jù)的分析

環(huán)境監(jiān)測是一種以環(huán)境作為對(duì)象，運(yùn)用物理、化學(xué)和生物等技術(shù)手段，對(duì)污染物進(jìn)行定性、定量和系統(tǒng)的綜合分析，它是環(huán)境評(píng)價(jià)中的重要環(huán)節(jié)，貫穿環(huán)境影響評(píng)價(jià)的整個(gè)過程。

3.1利用統(tǒng)計(jì)規(guī)律進(jìn)行分析

環(huán)境監(jiān)測是以統(tǒng)計(jì)學(xué)為基礎(chǔ)的，因此，這種分析方法經(jīng)常被監(jiān)測人員采用。這種分析方法包含了對(duì)環(huán)境要素的質(zhì)量進(jìn)行各種數(shù)學(xué)模式評(píng)價(jià)方法對(duì)監(jiān)測數(shù)據(jù)進(jìn)行解剖，利用它的內(nèi)在規(guī)律性進(jìn)行分析和利用，進(jìn)而得出相關(guān)的論斷。這種方法在環(huán)境規(guī)劃、環(huán)境調(diào)查和環(huán)境評(píng)價(jià)的工作中使用較多[3]。

3.2通過對(duì)污染源的監(jiān)測值來分析

監(jiān)測人員可以通過對(duì)污染源的監(jiān)測數(shù)據(jù)進(jìn)行分析。其實(shí)，對(duì)污染物的監(jiān)測對(duì)象不僅僅限于空氣、地下水、土壤等，還有一個(gè)人們經(jīng)常說的工業(yè)污染源。工業(yè)污染是有多種的，不同行業(yè)的工業(yè)就會(huì)有其不同的污染物產(chǎn)生。比如，對(duì)于化工行業(yè)來講，它排出的有機(jī)物含量種類就較多多，而金屬物質(zhì)相對(duì)就較少一些；金屬行業(yè)排出的污染物是有機(jī)物含量較少而金屬物質(zhì)含量較多等。如果在一個(gè)金屬行業(yè)排除的廢棄物中監(jiān)測得出的結(jié)果顯示是具有較多有機(jī)物的，那么對(duì)于這組監(jiān)測數(shù)據(jù)應(yīng)該重新考慮和分析，并從中找出原因。這也說明了一個(gè)問題，那就是監(jiān)測人員在日常的工作當(dāng)中要對(duì)管轄區(qū)內(nèi)的生產(chǎn)企業(yè)相關(guān)情況進(jìn)行了解，要根據(jù)不同的行業(yè)有針對(duì)性地選擇相應(yīng)的監(jiān)測項(xiàng)目來監(jiān)測這些污染企業(yè)，實(shí)行對(duì)他們的有效監(jiān)督[4]。

3.3根據(jù)事物之間的相關(guān)性原理進(jìn)行分析

這種分析法主要是基于事物本身具有的相互關(guān)系的原理來來進(jìn)行的。一般來說，兩個(gè)或者兩個(gè)以上的監(jiān)測數(shù)據(jù)之間往往會(huì)存在某一種的固定聯(lián)系，監(jiān)測人員可以根據(jù)這種固定的聯(lián)系去分析數(shù)據(jù)之間的相關(guān)聯(lián)系，也可以對(duì)單個(gè)已經(jīng)實(shí)行控制質(zhì)量措施的監(jiān)測數(shù)據(jù)進(jìn)行檢測，驗(yàn)證是否正確。而對(duì)于一些例行的監(jiān)測數(shù)據(jù)，則可以得出較為直觀的判斷。比如,氟含量跟硬度之間的關(guān)系。由于F與Ca、Mg形成沉淀物得容積度比較小,所以,在中性和弱堿性的水溶液當(dāng)中,如果氟含量是在(mg/ L )級(jí)的,那么它的氟含量與Ca、Mg的含量就是呈顯負(fù)相關(guān)的現(xiàn)象,也就是說跟硬度值是負(fù)相關(guān)的。因此，在高氟區(qū)內(nèi)得出的水質(zhì)監(jiān)測結(jié)果顯示的硬度監(jiān)測值一般會(huì)比較低。如果獲得的氟含量較高,得出的硬度監(jiān)測值也很高,那么這類監(jiān)測數(shù)據(jù)就需要進(jìn)行重新分析[5]。

4.結(jié)語

隨著我國環(huán)境保護(hù)的不斷深入，監(jiān)測人員要在使用各種分析方法的同時(shí)不斷地去提嘗試新的分析方法，要在原來的基礎(chǔ)水平上更進(jìn)一步地提高自己的綜合分析能力，對(duì)提供的監(jiān)測數(shù)據(jù)要有一種精益求精的精神，爭取提供的數(shù)據(jù)更可靠更合理，業(yè)務(wù)技能不斷地有新的進(jìn)步。由于獲取的環(huán)境監(jiān)測數(shù)據(jù)與區(qū)域的過去和現(xiàn)在都有密切的聯(lián)系，因此，監(jiān)測人員要對(duì)監(jiān)測區(qū)域的過去和現(xiàn)在的環(huán)境狀況都要進(jìn)行深入的了解和分析，在了解的基礎(chǔ)上展開全面的探討，這樣才可以保證獲取的監(jiān)測數(shù)據(jù)更全面，更有說服力，質(zhì)量更有保證。

參考文獻(xiàn)

[1]葉萍.淺論環(huán)境監(jiān)測數(shù)據(jù)的綜合分析方法[J]中國環(huán)境管理干部學(xué)院學(xué)報(bào), 2009, (01) .

[2]郭琦.環(huán)境監(jiān)測在環(huán)境影響評(píng)價(jià)中的意義與建議[J].科技風(fēng), 2010, (15)

[3]孫曉雷.我國環(huán)境監(jiān)測質(zhì)量管理體系研究[J].科技傳播, 2010, (15)

第8篇：數(shù)據(jù)分析的方法范文

關(guān)鍵詞：經(jīng)典功率譜估計(jì)；現(xiàn)代功率譜估計(jì)；飛行試驗(yàn)

1 概述

當(dāng)飛機(jī)在閉環(huán)補(bǔ)償跟蹤任務(wù)中飛行時(shí)，飛機(jī)飛行品質(zhì)的一種量度是它的穩(wěn)定裕度，因而將在不危及穩(wěn)定性的情況下可以進(jìn)行閉環(huán)跟蹤的最大頻率定義為頻寬。頻寬是衡量最大頻率的一個(gè)指標(biāo)，它對(duì)高增益飛機(jī)特別有用，不論是對(duì)駕駛員操縱力和操縱位移的俯仰姿態(tài)響應(yīng)還是根據(jù)航向角或者橫向航跡角對(duì)座艙直接力空中輸入的開環(huán)頻率響應(yīng)，它都可以在這個(gè)頻率條件下實(shí)現(xiàn)閉環(huán)跟蹤而不需要駕駛員提供有利的動(dòng)態(tài)補(bǔ)償且不對(duì)穩(wěn)定性構(gòu)成惡化[5]。因此，在飛行試驗(yàn)的數(shù)據(jù)分析中，獲取精準(zhǔn)的飛機(jī)響應(yīng)的頻域特性尤為重要，這就需要首先對(duì)操縱輸入信號(hào)進(jìn)行功率譜估計(jì)，本文列出4種功率譜估計(jì)方法，并用這些方法對(duì)飛機(jī)的輸入激勵(lì)信號(hào)進(jìn)行譜估計(jì)，以便得到適用行品質(zhì)頻域準(zhǔn)則評(píng)估的頻域特性。功率譜估計(jì)可分為經(jīng)典譜估計(jì)和現(xiàn)代譜估計(jì)。

2 經(jīng)典譜估計(jì)

功率譜密度是一種概論統(tǒng)計(jì)方法，是對(duì)隨機(jī)變量均方值的量度。平穩(wěn)信號(hào)的自相關(guān)函數(shù)的傅立葉變換稱為功率譜密度。實(shí)際中采用有限長的數(shù)據(jù)來估計(jì)隨機(jī)過程的功率譜密度[2、3]。

2.1 周期圖法

周期圖法是信號(hào)功率譜的一個(gè)有偏估計(jì)，它對(duì)觀測到的有限長序列x（n）求其N點(diǎn)離散傅立葉變換XN（ej？棕），再取其模值的平方除以N，得到計(jì)算公式：

周期圖法是基本的功率譜估計(jì)方法，計(jì)算簡便，計(jì)算效率高，但是當(dāng)數(shù)據(jù)長度N過大時(shí)，功率譜曲線起伏加劇，當(dāng)N過小，譜分辨率較差。

2.2 加權(quán)交疊平均法（Welch法）

Welch法是對(duì)隨機(jī)序列分段處理，使每一段部分重疊，然后對(duì)每一段數(shù)據(jù)用一個(gè)合適的窗函數(shù)進(jìn)行平滑處理，最后對(duì)各段譜求平均。這樣可以得到序列x（n）的功率譜估計(jì)：

（n）是窗函數(shù)[1]，由于各段數(shù)據(jù)的交疊，數(shù)據(jù)段數(shù)L增大，從而減小了方差，另外，通過選擇合適的窗函數(shù)，也可使遺漏的頻譜減少，改進(jìn)了分辨率。因此這是一種把加窗處理和平均處理結(jié)合起來的方法，它能夠滿足譜估計(jì)對(duì)分辨率和方差的要求，但是如果信號(hào)數(shù)據(jù)過短，也會(huì)無法進(jìn)行觀測。

3 現(xiàn)代功率譜估計(jì)

現(xiàn)代功率譜估計(jì)分為參數(shù)模型法和非參數(shù)模型法。

3.1 參數(shù)模型法（AR模型的Burg法）

參數(shù)模型法是將數(shù)據(jù)建模成一個(gè)由白噪聲驅(qū)動(dòng)的線性系統(tǒng)輸出，并估計(jì)該系統(tǒng)的參數(shù)。最常用的線性系統(tǒng)模型是全極點(diǎn)模型，也就是一個(gè)濾波器，這樣的濾波器輸入白噪聲后的輸出是一個(gè)自回歸（設(shè)AR模型的沖擊響應(yīng)在方差？滓2的白噪聲序列作用下產(chǎn)生輸出，再由初值定理得到：

這就是AR模型的Yule-Walker方程。本文采用的是該方程的Burg法，即先估計(jì)反射系數(shù)，然后利用Levinson遞推算法，用反射系數(shù)求AR參數(shù)。Burg法在信號(hào)長度較短時(shí)能夠獲得較高的分辨率，并且計(jì)算高效。

3.2 非參數(shù)模型法（多窗口法）

多窗口法也叫做Thompson Multitaper Method，MTM法，它使用一組最優(yōu)濾波器計(jì)算估計(jì)值，這些最優(yōu)FIR濾波器是由一組離散扁平類球體序列（DPSS）得到的，除此之外，MTM法提供了一個(gè)時(shí)間-帶寬參數(shù)，它能在估計(jì)方差和分辨率之間進(jìn)行平衡。因此，MTM法具有更大的自由度，在估計(jì)精度和估計(jì)波動(dòng)方面均有較好的效果，其增加的窗口也會(huì)使序列兩端丟失的信息大幅減少[7]。

4 實(shí)例分析

本文采用Matlab計(jì)算，輸入信號(hào)使用飛行試驗(yàn)中常用的掃頻和倍脈沖信號(hào)。通過Matlab中的譜估計(jì)函數(shù)方法[4、6]，編寫程序?qū)o定的輸入信號(hào)分別進(jìn)行周期圖法、Welch法、Burg法和MTM法的譜估計(jì)并分析。估計(jì)結(jié)果如圖1、圖2所示：

從圖1、圖2可以看出：

（1）周期圖法得到的掃頻功率譜曲線起伏大，倍脈沖信號(hào)的頻譜分辨率低；（2）Welch法明顯改善了周期圖法的不足，方差性能得到很大的改善，只要窗函數(shù)選取適當(dāng)，可減少頻譜泄露。圖中可見Welch法的譜估計(jì)曲線比較光滑，在飛行品質(zhì)關(guān)注的頻段頻譜分辨率高；（3）Burg法的曲線平滑性好，頻譜分辨率高，但是其譜峰窄而尖，在飛行品質(zhì)關(guān)注的低頻段頻譜并不理想，也就是不能在所需的頻段內(nèi)產(chǎn)生足夠的能量；（4）MTM法得到的結(jié)果介于周期圖法和Welch法之間，但是對(duì)于時(shí)間序列較長的信號(hào)，MTM法的功率譜曲線起伏較大，分辨率變低。

5 結(jié)束語

通過4種功率譜估計(jì)方法對(duì)飛機(jī)輸入激勵(lì)信號(hào)的譜估計(jì)分析，采用Welch法得到了更有效的輸入信號(hào)的譜估計(jì)，得到的頻域特性能夠更好地進(jìn)行飛行品質(zhì)頻域準(zhǔn)則的評(píng)估，這對(duì)飛行品質(zhì)的等級(jí)界定提供了有效的依據(jù)。

參考文獻(xiàn)

[1]Mark B.Tischler，Robert K.Remple.Aircraft and Rotorcraft System Identification.AIAA，Inc，2006.8.

[2]楊曉明，晉玉劍，等.經(jīng)典功率譜估計(jì)Welch法的MATLAB仿真分析[J].電子測試，2011，7（7）：101-104.

[3]王春d.基于MATLAB實(shí)現(xiàn)經(jīng)典功率譜估計(jì)[J].曲阜師范大學(xué)學(xué)報(bào)，2011，4（2）：59-62.

[4]鄧澤懷，劉波波，李彥良.常見的功率譜估計(jì)方法及其Matlab仿真[J].電子科技， 2014，2（27）：50-52.

[5] GJB2874-97.電傳操縱系統(tǒng)飛機(jī)的飛行品質(zhì)[S].國防科學(xué)技術(shù)工業(yè)委員會(huì)，1997，12.

[6]楊高波，杜青松.MATLAB圖像/視頻處理應(yīng)用及實(shí)例[M].北京：電子工業(yè)出版社，2010，1.

第9篇：數(shù)據(jù)分析的方法范文

關(guān)鍵詞：軸承檢測；采集數(shù)據(jù)；處理方法；分析

科學(xué)技術(shù)和信息電子技術(shù)的飛躍發(fā)展使得我國工業(yè)行業(yè)在線監(jiān)測和維修預(yù)測技術(shù)成為現(xiàn)實(shí)，在當(dāng)前軸承行業(yè)生產(chǎn)過程中，不少大型企業(yè)已經(jīng)逐步引進(jìn)了在線檢測和自動(dòng)檢測系統(tǒng)，然而還有部分企業(yè)限于資金和成本等其他客觀因素仍舊采用傳統(tǒng)人工檢測，這對(duì)軸承行業(yè)生產(chǎn)效率和產(chǎn)品質(zhì)量都有莫大的影響。為了有效降低人為客觀失誤，節(jié)約企業(yè)成本，提高軸承生產(chǎn)質(zhì)量，研究開發(fā)出軸承外圈自動(dòng)檢測分選系統(tǒng)就勢在必行，因此能夠同時(shí)檢測軸承外圈直徑、圓度、圓柱度等相關(guān)數(shù)據(jù)和幾何參數(shù)就成為行業(yè)發(fā)展必然。目前為了提高企業(yè)生產(chǎn)過程的精確掌控，計(jì)算機(jī)控制管理系統(tǒng)會(huì)將現(xiàn)場生產(chǎn)所有測試數(shù)據(jù)和參數(shù)轉(zhuǎn)換為計(jì)算機(jī)可識(shí)別數(shù)字量來進(jìn)行相應(yīng)的數(shù)據(jù)處理，然后企業(yè)會(huì)根據(jù)處理結(jié)果轉(zhuǎn)換為相應(yīng)電壓、電流來推動(dòng)生產(chǎn)活動(dòng)的進(jìn)行。因此，軸承檢測中采集數(shù)據(jù)的處理方法就直接關(guān)系到產(chǎn)品生產(chǎn)質(zhì)量和企業(yè)生產(chǎn)效率，下面文章就簡要探討軸承檢測數(shù)據(jù)中主要數(shù)據(jù)：直徑誤差、圓度誤差、圓柱度誤差等等計(jì)算處理方法，通過這種數(shù)據(jù)計(jì)算處理能夠使得測試轉(zhuǎn)化為計(jì)算機(jī)可識(shí)別數(shù)字量，從而使得企業(yè)行業(yè)能夠更好的管理監(jiān)督企業(yè)生產(chǎn)活動(dòng)。

1.軸承直徑誤差計(jì)算處理方法

軸承外圈一般檢測的主要有軸承外圈直徑、圓度以及圓柱度。按照通常軸承檢測數(shù)據(jù)方法，首先要控制軸承主軸旋轉(zhuǎn)速度，然后檢測傳感器軸承表面的軸線位移速度，并確保其測點(diǎn)位置始終位于軸承外圈表面的旋轉(zhuǎn)軌跡上，來獲得相應(yīng)的傳感器獲取點(diǎn)（軸承表面旋轉(zhuǎn)軌跡上的離散采樣點(diǎn)），然后將相關(guān)數(shù)據(jù)輸入到相應(yīng)軟件系統(tǒng)里面進(jìn)行處理。這些數(shù)據(jù)信息處理在進(jìn)行軟件處理前，就需要構(gòu)造相應(yīng)的模型來計(jì)算分析，從而得出直徑的誤差范圍。例如，傳感器到軸承主軸間距離為a，傳感器到軸承表面第一個(gè)采樣點(diǎn)距離為n，一般來說a的數(shù)值是固定，由于軸承外圈表面凹凸不平，因此每個(gè)采樣點(diǎn)到傳感器之間的距離并非一致，因此就需要計(jì)算出所有采樣點(diǎn)到相應(yīng)主軸的距離，然后根據(jù)相應(yīng)數(shù)學(xué)平均誤差計(jì)算原理和相應(yīng)公式得出每個(gè)測量工件的平均直徑，最后將這個(gè)數(shù)據(jù)與標(biāo)準(zhǔn)間直徑相比，就能夠得出所需要的直徑誤差范圍。

2.軸承圓度誤差計(jì)算處理方法

軸承圓度誤差計(jì)算處理方法可以采用最小區(qū)域法的數(shù)學(xué)原理來進(jìn)行，其過程如下：首先，確定好坐標(biāo)測量中的各均勻分布測量點(diǎn)，然后按照最小二乘法數(shù)學(xué)原理來計(jì)算出被測圓的最初理想圓心，然后在測量點(diǎn)不均勻情況下提前進(jìn)行二點(diǎn)求圓。如果有N個(gè)測量點(diǎn)P（l，2，3…n），初始圓心坐標(biāo)值為（X，Y，Z），計(jì)算相應(yīng)投影點(diǎn)到初始圓心距離為R，按照相應(yīng)計(jì)算結(jié)果，找出R的最大值和最小值，然后根據(jù)圓度評(píng)定最小區(qū)域要求，只有R最大值盡可能小，R最小值盡可能大時(shí)，圓度誤差就會(huì)越小，也就是說R的最大值和最小值要盡可能接近才能夠確保其誤差范圍值最小，因此只需要圓心向R最大值的距離點(diǎn)接近，向R最小值的距離點(diǎn)方向移動(dòng)才能夠達(dá)到誤差最小的目的。然后按照不同距離變化值來移動(dòng)，并根據(jù)夾角余弦和移動(dòng)量等相關(guān)數(shù)據(jù)不斷計(jì)算，比較分析，判斷出最大距離兩點(diǎn)連線和最小距離兩點(diǎn)連線相交是否在線段之內(nèi)，如果交點(diǎn)在線段之內(nèi)，就可以計(jì)算出兩線段中垂線的交點(diǎn)，這個(gè)交點(diǎn)也就是符合最小區(qū)域原理的理想圓心。如果交點(diǎn)不在線段之內(nèi)，就要重復(fù)之前移動(dòng)程序，直到滿足要求為止。最后計(jì)算最遠(yuǎn)點(diǎn)到理想圓圓心距離和最近點(diǎn)到理想圓圓心距離，圓度誤差就是這兩個(gè)距離數(shù)值的差值。

3.軸承圓柱度誤差計(jì)算處理方法

軸承圓柱度誤差計(jì)算處理同樣可以按照其圓度誤差計(jì)算處理原理，采用最小區(qū)域法圓柱度測量、最小外接圓柱法、最小二乘法等原理和流程來進(jìn)行，如果將圓度誤差計(jì)算處理過程看做為圓心坐標(biāo)值的變動(dòng)，那么圓柱度誤差計(jì)算處理過程就是通過變動(dòng)圓柱中心軸線的角度方位來滿足不同測量計(jì)算方法。調(diào)整中心線方位也可以按照之前空間直線度調(diào)整過程來進(jìn)行，按照最大距離半徑值變小和最小半徑值變大的原理和方法進(jìn)行。圓柱度最小區(qū)域計(jì)算處理過程就是綜合以上兩種方法原理，步驟如下：圓柱兩端截面圓心連線為圓柱初始中心線軸線方位，固定下截面圓心位置，然后不斷調(diào)整上截面圓心位置，使得各測量點(diǎn)到軸線距離最大值到最小，最小距離值為最大，方法原理同圓度計(jì)算評(píng)定一致。然后固定上截面圓心位置，不斷調(diào)整下截面圓心位置，也同樣確保各測量點(diǎn)到軸線距離間最大值和最小值相差最少。然后通過以上步驟，找出兩者之間最小區(qū)域圓柱度的誤差減小量，如果其數(shù)值小于給定精度（如果是大于給定精度，就要重復(fù)執(zhí)行之前兩個(gè)步驟，直到達(dá)到目的為止），就可以得出圓柱度誤差最終計(jì)算處理值。

4.結(jié)束語

綜上所述，可以看出軸承外圈自動(dòng)檢測系統(tǒng)采集數(shù)據(jù)時(shí)必須要同時(shí)檢測到其外圈直徑、圓度以及圓柱度的精確數(shù)值，并且按照科學(xué)合理的誤差計(jì)算方法來處理，這樣才能夠借助計(jì)算機(jī)相關(guān)系統(tǒng)軟件來轉(zhuǎn)換識(shí)別相應(yīng)測試參數(shù)，從而使得軸承內(nèi)外套圈的檢測數(shù)據(jù)準(zhǔn)確性高，效率強(qiáng)，同時(shí)也有利于軸承行業(yè)的生產(chǎn)和監(jiān)管，能夠使得軸承行業(yè)企業(yè)生產(chǎn)力和市場核心競爭力得到大幅度提高和增強(qiáng)，從而促使企業(yè)未來健康長久發(fā)展。

參考文獻(xiàn)：