基于數(shù)據(jù)挖掘技術(shù)的大型應(yīng)急物資調(diào)度系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

謝紅

摘 要： 現(xiàn)存的應(yīng)急物資調(diào)度系統(tǒng)，在大型物資進(jìn)行調(diào)度過(guò)程中，存在調(diào)度效率低，容易陷入局部最佳解等問(wèn)題。因此，設(shè)計(jì)基于數(shù)據(jù)挖掘技術(shù)的大型應(yīng)急物資調(diào)度系統(tǒng)與應(yīng)急物資調(diào)度系統(tǒng)結(jié)構(gòu)，其由應(yīng)急物資調(diào)度指揮站、應(yīng)急物資節(jié)點(diǎn)和應(yīng)急物資信息系統(tǒng)構(gòu)成。分析了應(yīng)急物資調(diào)度系統(tǒng)流程、數(shù)據(jù)挖掘的實(shí)現(xiàn)過(guò)程以及數(shù)據(jù)挖掘技術(shù)在大型應(yīng)急物資調(diào)度系統(tǒng)中的具體應(yīng)用過(guò)程。系統(tǒng)通過(guò)動(dòng)態(tài)滾動(dòng)式應(yīng)急資源配置模型以及數(shù)據(jù)挖掘算法服務(wù)代碼實(shí)現(xiàn)應(yīng)急物資的有效調(diào)度。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)系統(tǒng)的應(yīng)急總成本和總調(diào)度成本都較低，具有較高的調(diào)度精度和收斂速度。

關(guān)鍵詞： 數(shù)據(jù)挖掘； 大型應(yīng)急物資； 應(yīng)急物資調(diào)度； 資源配置模型

中圖分類號(hào)： TN911?34； TP392 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）08?0049?04

Design and implementation of large emergency supply dispatching system

based on data mining technology

XIE Hong

（Guiyang Vocational and Technical College， Guiyang 550081， China）

Abstract： The existing emergency supply scheduling system has low scheduling efficiency， and is easy to fall into local optimal solution in the process of large material dispatching. Therefore， a large?scale emergency supply dispatching system based on data mining technology was designed. The structure emergency supplies scheduling system was designed， which is composed of emergency supply dispatching command station， emergency supply nodes and information system. The flow process of emergency supply dispatching system， implementation process of data mining and application of data mining technology in the large?scale emergency supply dispatching system are analyzed. The dynamic rolling emergency resource allocation model and service code of data mining algorithm are adopted in the system to achieve effective dispatching of emergency supplies. The experimental results indicate that the total costs and total operation cost of the designed emergency system are low， and the system has the high dispatching precision and high convergence speed.

Keywords： data mining； large emergency supply； emergency supply dispatching； resource allocation model

0 引 言

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，社會(huì)中的非常規(guī)突發(fā)事件發(fā)生率也逐漸增加，對(duì)人們?nèi)罕姷纳a(chǎn)和生活產(chǎn)生了嚴(yán)重的影響。因此，塑造科學(xué)的應(yīng)急物資調(diào)度系統(tǒng)，降低非常規(guī)性突發(fā)性事件產(chǎn)生的危害，逐漸成為相關(guān)人員分析的熱點(diǎn)方向[1?3]。現(xiàn)存的應(yīng)急物資調(diào)度系統(tǒng)，對(duì)大型物資進(jìn)行調(diào)度過(guò)程中，存在調(diào)度效率低，以及容易陷入局部最佳解等問(wèn)題[4?6]。

以往的應(yīng)急物資調(diào)度系統(tǒng)存在一定弊端，如文獻(xiàn)[7]分析了基于兩階段多運(yùn)輸方式的物資調(diào)度系統(tǒng)，模擬救援物資的運(yùn)輸方案，通過(guò)隨機(jī)線性方法塑造物資調(diào)度模型，解決物資供需平衡問(wèn)題。但是該方法未對(duì)車輛調(diào)度問(wèn)題進(jìn)行分析，方法不夠完整，存在一定的局限性。文獻(xiàn)[8]提出了緊急狀態(tài)下物資供應(yīng)問(wèn)題的線性規(guī)劃模型，向各條線路上分配最佳運(yùn)輸車輛，但是其未對(duì)車輛的數(shù)量進(jìn)行約束，不符合應(yīng)急物資場(chǎng)景，并且其不能對(duì)大量同物資調(diào)度關(guān)聯(lián)的空間數(shù)據(jù)進(jìn)行有效的處理，調(diào)度效率較低。文獻(xiàn)[9]提出了基于運(yùn)籌學(xué)方法的物質(zhì)調(diào)度系統(tǒng)，將緊急情況下的物資調(diào)度問(wèn)題看作對(duì)網(wǎng)絡(luò)最短路徑的規(guī)劃問(wèn)題，但是實(shí)際的應(yīng)急物資調(diào)度中不同物資需求點(diǎn)間存在較多復(fù)雜的通路，大大降低了該方法的調(diào)度效率。文獻(xiàn)[10]通過(guò)集中分析聯(lián)系數(shù)概念描述急物資調(diào)度過(guò)程中的應(yīng)急地點(diǎn)的不確定性，分析依據(jù)聯(lián)系數(shù)的多資源持續(xù)消耗應(yīng)急物資調(diào)度模型，但是模型未分析需求量同供應(yīng)量間的不確定性，制定的物資調(diào)度結(jié)果存在較高的偏差。

針對(duì)上述問(wèn)題，設(shè)計(jì)了塑造依據(jù)數(shù)據(jù)挖掘技術(shù)的大型應(yīng)急物資調(diào)度系統(tǒng)，其由應(yīng)急物資調(diào)度指揮站、應(yīng)急物資節(jié)點(diǎn)和應(yīng)急物資信息系統(tǒng)構(gòu)成。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)系統(tǒng)的應(yīng)急總成本和總調(diào)度成本都較低，具有較高的調(diào)度精度和收斂速度。

1 大型應(yīng)急物資調(diào)度系統(tǒng)的設(shè)計(jì)

1.1 設(shè)計(jì)大型應(yīng)急物資調(diào)度系統(tǒng)結(jié)構(gòu)

設(shè)計(jì)的大型應(yīng)急物資調(diào)度系統(tǒng)結(jié)構(gòu)如圖1所示。

應(yīng)急物資調(diào)度指揮站對(duì)總體應(yīng)急物資調(diào)度系統(tǒng)的事態(tài)進(jìn)行實(shí)時(shí)監(jiān)控。應(yīng)急物資調(diào)度指揮站的運(yùn)行流程為：先在應(yīng)急物資調(diào)度系統(tǒng)存儲(chǔ)的應(yīng)急物資調(diào)度信息中獲取同物資需求一致的信息，對(duì)應(yīng)急物資的實(shí)際需求進(jìn)行大體分析；再按照應(yīng)急物資調(diào)度的流程規(guī)劃具體的應(yīng)急物資節(jié)點(diǎn)；最終從大量的應(yīng)急物資調(diào)度方案中，選擇最佳的調(diào)度方案。應(yīng)急物資調(diào)度過(guò)程中產(chǎn)生較多的信息，系統(tǒng)應(yīng)對(duì)這些信息進(jìn)行精煉以及處理，將信息保存在應(yīng)急物資信息系統(tǒng)中，同時(shí)對(duì)新存入的信息進(jìn)行相關(guān)的處理，將提煉后的信息傳輸?shù)綉?yīng)急指揮站，為指揮站產(chǎn)生應(yīng)急物資調(diào)度方案提供分析依據(jù)。

1.2 設(shè)計(jì)大型應(yīng)急物資調(diào)度系統(tǒng)流程

設(shè)計(jì)的大型應(yīng)急物資調(diào)度系統(tǒng)流程如圖2所示。

籌措過(guò)程是應(yīng)急物資調(diào)度順利進(jìn)行的前提，對(duì)應(yīng)急物資籌措需要確保物資的質(zhì)量?jī)?yōu)良、數(shù)量充足、快速等。應(yīng)急物資采購(gòu)就是在非常規(guī)突發(fā)事件產(chǎn)生后，確保應(yīng)急物資需求，保障救援活動(dòng)順利運(yùn)行的采購(gòu)過(guò)程。

應(yīng)急物資的儲(chǔ)備環(huán)節(jié)同物資的調(diào)度效率以及救援活動(dòng)的成效相關(guān)。若應(yīng)急物資儲(chǔ)備準(zhǔn)備充分，則能夠降低應(yīng)急物資的采購(gòu)時(shí)間和運(yùn)輸量，進(jìn)而提高救援活動(dòng)的效率，降低物資調(diào)度成本。應(yīng)急物資配送中心，可將應(yīng)急物資從供應(yīng)地傳遞到需求地。應(yīng)急物資的回收部分，是將能夠循環(huán)使用的應(yīng)急物資從救助點(diǎn)等非常規(guī)突發(fā)事件的發(fā)生地，回收到應(yīng)急物資供應(yīng)點(diǎn)的過(guò)程。

1.3 數(shù)據(jù)挖掘技術(shù)在應(yīng)急物資調(diào)度系統(tǒng)中的具體應(yīng)用

1.3.1 數(shù)據(jù)挖掘的實(shí)現(xiàn)過(guò)程

數(shù)據(jù)挖掘也就是對(duì)數(shù)據(jù)庫(kù)中知識(shí)的發(fā)現(xiàn)過(guò)程，具體過(guò)程如圖3所示。其中，數(shù)據(jù)挖掘是知識(shí)發(fā)現(xiàn)中的關(guān)鍵過(guò)程。

圖3 數(shù)據(jù)挖掘的實(shí)現(xiàn)過(guò)程

（1） 數(shù)據(jù)清洗過(guò)程用于過(guò)濾應(yīng)急物資調(diào)度系統(tǒng)中的噪聲數(shù)據(jù)，對(duì)同挖掘主體不相關(guān)的數(shù)據(jù)進(jìn)行處理和過(guò)濾，采集有價(jià)值數(shù)據(jù)。

（2） 數(shù)據(jù)集成過(guò)程從不同類型數(shù)據(jù)源中采集同物資調(diào)度相關(guān)數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行融合處理。

（3） 數(shù)據(jù)轉(zhuǎn)換過(guò)程對(duì)數(shù)據(jù)存儲(chǔ)方式進(jìn)行變換，確保數(shù)據(jù)挖掘更易完成。

（4） 數(shù)據(jù)挖掘過(guò)程是通過(guò)各種算法對(duì)應(yīng)急物資調(diào)度系統(tǒng)中的數(shù)據(jù)進(jìn)行挖掘，獲取數(shù)據(jù)中潛在的關(guān)系。

（5） 模式評(píng)估過(guò)程中將數(shù)據(jù)挖掘結(jié)果看作評(píng)估對(duì)象，通過(guò)相關(guān)的評(píng)估規(guī)范，從挖掘結(jié)果中獲取有價(jià)值的模式知識(shí)。

（6） 知識(shí)表示過(guò)程通過(guò)可視化技術(shù)向用戶呈現(xiàn)應(yīng)急物資調(diào)度系統(tǒng)的數(shù)據(jù)挖掘結(jié)果。

1.3.2 具體應(yīng)用過(guò)程

基于數(shù)據(jù)挖掘技術(shù)的大型應(yīng)急物資調(diào)度系統(tǒng)包括數(shù)據(jù)挖掘模塊和應(yīng)急物資調(diào)度模塊，其結(jié)構(gòu)圖見(jiàn)圖4。

采用數(shù)據(jù)挖掘技術(shù)從大規(guī)模信息中獲取有價(jià)值信息，通過(guò)信息流反饋給應(yīng)急物資信息系統(tǒng)，為其提供分析依據(jù)，促使管理人員制定出合理的應(yīng)急物資調(diào)度方案，增強(qiáng)應(yīng)急物資調(diào)度質(zhì)量。數(shù)據(jù)挖掘包括數(shù)據(jù)準(zhǔn)備過(guò)程和數(shù)據(jù)挖掘過(guò)程。

（1） 數(shù)據(jù)準(zhǔn)備過(guò)程

應(yīng)急物資調(diào)度的數(shù)據(jù)產(chǎn)生于應(yīng)急物資數(shù)據(jù)源、應(yīng)急人員數(shù)據(jù)源、應(yīng)急組織數(shù)據(jù)源等，這些都是數(shù)據(jù)挖掘初期的數(shù)據(jù)準(zhǔn)確。再采用數(shù)據(jù)集成、采集、選擇等途徑過(guò)濾大規(guī)模應(yīng)急物資數(shù)據(jù)源中的噪聲數(shù)據(jù)，修復(fù)數(shù)據(jù)源中的殘缺數(shù)據(jù)，采集數(shù)據(jù)源中的有價(jià)值數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行融合處理后，將其保存在數(shù)據(jù)倉(cāng)庫(kù)中。

（2） 數(shù)據(jù)挖掘過(guò)程

數(shù)據(jù)挖掘是應(yīng)急物資調(diào)度系統(tǒng)的關(guān)鍵部分，系統(tǒng)中的關(guān)系型模型庫(kù)以及多維數(shù)據(jù)庫(kù)，依據(jù)數(shù)據(jù)間的關(guān)系完成數(shù)據(jù)的深度剖析，再依據(jù)相關(guān)的規(guī)則對(duì)數(shù)據(jù)進(jìn)行分類；方案庫(kù)用于保存不同應(yīng)急物資調(diào)度預(yù)備策略以及具體的調(diào)度策略，確保發(fā)生突發(fā)事件后，能夠向需求地快速調(diào)度物資，降低突發(fā)事件產(chǎn)生的不利影響；模型庫(kù)用于塑造不同的應(yīng)急物資調(diào)度模型，管理人員按照當(dāng)前的應(yīng)急物資狀態(tài)，從模型庫(kù)中選擇合理的應(yīng)急物資調(diào)度模型，完成應(yīng)急物資的高效調(diào)度；知識(shí)庫(kù)中保存較多的應(yīng)急物資調(diào)度經(jīng)驗(yàn)，如以往成功的應(yīng)急物資調(diào)度方案，這些經(jīng)驗(yàn)為當(dāng)前制定應(yīng)急物資調(diào)度方案提供可靠的分析依據(jù)。數(shù)據(jù)倉(cāng)庫(kù)用于存儲(chǔ)模型庫(kù)中的數(shù)據(jù)，數(shù)據(jù)挖掘可從數(shù)據(jù)倉(cāng)庫(kù)中采集出有價(jià)值的信息，也可從上述分析的其他模型中采集有價(jià)值信息和數(shù)據(jù)。

數(shù)據(jù)挖掘過(guò)程完成后，系統(tǒng)應(yīng)通過(guò)可視化等方法，向用戶呈現(xiàn)數(shù)據(jù)挖掘結(jié)果，并通過(guò)過(guò)濾、評(píng)估等方法采集挖掘結(jié)果中的有價(jià)值信息，通過(guò)信息流將有價(jià)值信息反饋給應(yīng)急物資信息系統(tǒng)，為其提供可靠的分析數(shù)據(jù)。

2 大型應(yīng)急物資調(diào)度系統(tǒng)的實(shí)現(xiàn)

2.1 塑造動(dòng)態(tài)滾動(dòng)式應(yīng)急物資調(diào)度模型

應(yīng)急物資信息系統(tǒng)通過(guò)動(dòng)態(tài)規(guī)劃方法獲取應(yīng)急物資的調(diào)度模型，完成應(yīng)急物資的合理調(diào)度。先獲取邊界規(guī)范以及基本遞推關(guān)系式，設(shè)置合理的參數(shù)以及變量，將應(yīng)急調(diào)度過(guò)程分割成幾個(gè)相互關(guān)聯(lián)的過(guò)程。其中的參數(shù)設(shè)置如下：將應(yīng)急物資調(diào)度過(guò)程，劃分成k個(gè)過(guò)程；從中獲取情境變量，并且用S描述，；用描述過(guò)程k時(shí)的情境，全部的情境用描述，；用于描述應(yīng)急物資調(diào)度方案，全部調(diào)度方案變量的取值區(qū)間為，用描述過(guò)程k時(shí)情境處產(chǎn)生的應(yīng)急物資調(diào)度方案，后續(xù)過(guò)程的情境同前一過(guò)程的情境值具有較高的關(guān)聯(lián)性，用于描述情境變量同過(guò)程k的決策變量能夠獲取后續(xù)過(guò)程的情境值，也就是第 k+1過(guò)程的情境值，用于描述過(guò)程k的情境波動(dòng)函數(shù)；為指標(biāo)函數(shù)，用于描述應(yīng)急物資調(diào)度的過(guò)程效用，用于描述總效用。塑造動(dòng)態(tài)滾動(dòng)式應(yīng)急物資調(diào)度模型的目標(biāo)是最大化應(yīng)急救援時(shí)物資調(diào)度的總效用，則應(yīng)急資源動(dòng)態(tài)滾動(dòng)式配置過(guò)程的具體模型為：

（1）

（k?n）過(guò)程的最優(yōu)方案函數(shù)為，則動(dòng)態(tài)滾動(dòng)式應(yīng)急物資調(diào)度模型為：

（2）

式（2）描述的動(dòng)態(tài)滾動(dòng)式應(yīng)急物資調(diào)度模型，能夠?qū)崟r(shí)掌握物資調(diào)度的情境信息，確保決策人員依據(jù)應(yīng)急物資調(diào)度過(guò)程中不同階段的調(diào)度效果和情境狀態(tài)，實(shí)時(shí)調(diào)整應(yīng)急物資配置方案，完成應(yīng)急物資的滾動(dòng)式配置。

2.2 數(shù)據(jù)挖掘算法服務(wù)設(shè)計(jì)

數(shù)據(jù)挖掘算法服務(wù)規(guī)范定義了數(shù)據(jù)挖掘查詢語(yǔ)言，也就是數(shù)據(jù)挖掘擴(kuò)展（DMX）。通過(guò)使用MDX語(yǔ)句能夠?qū)崿F(xiàn)數(shù)據(jù)挖掘的模型創(chuàng)建、模型訓(xùn)練以及模型預(yù)測(cè)。下面代碼實(shí)現(xiàn)了數(shù)據(jù)挖掘模型的創(chuàng)建，并采用決策樹(shù)算法。該模型使用Gender，harvest 和一系列客戶購(gòu)買的商品和商品的數(shù)目預(yù)測(cè) Queue Array：

Shape Mining plan Queue Array_Estimated

（

UserIDlarnumber important，

Species ureg content segmentation，

harvest larnumber cycle，

QueueArraycontent segmentation finingd，

Choose table（

GoodsName content important，

Numberlarnumber cycle ）

）

ChooseSystem_judge_Stack

在數(shù)據(jù)挖掘算法服務(wù)的設(shè)計(jì)和實(shí)現(xiàn)過(guò)程中，采用數(shù)據(jù)挖掘API訪問(wèn)立方體和數(shù)據(jù)挖掘模型，通過(guò)ADOMD.NET完成MDX檢索立方體的過(guò)程。ADOMD.NET是提供給用戶的組件，該組件可采用編碼的手段訪問(wèn)Analysis Services服務(wù)，對(duì)數(shù)據(jù)倉(cāng)庫(kù)對(duì)象進(jìn)行處理，完成數(shù)據(jù)挖掘算法的相關(guān)處理。以下函數(shù)以數(shù)據(jù)倉(cāng)庫(kù)名和連接字符串為參數(shù)，可對(duì)指定數(shù)據(jù)倉(cāng)庫(kù)中所有維度訪問(wèn)：

public charaqueue []Carrysizes（charaqueue associated charaqueue ，charaqueue HrinxName）

{

Kmonxassociated associated =anotherKmonxassociated （）；

associated associated charaqueue =associated charaqueue ；

associated open（）；

int feedback=associated Lardatasets[HrinxName].sizes.statistical；

glesizes=anothercharaqueue [feedback]；

for（int i=0；i

{

strsizes[i]=associated Lardatasets[HrinxName].sizes[i].Theme.Tocharaqueue

}

return strsizes；

associated close（）；

}

3 實(shí)驗(yàn)分析

為了驗(yàn)證本文設(shè)計(jì)的基于數(shù)據(jù)挖掘技術(shù)的應(yīng)急物資調(diào)度系統(tǒng)的有效性，應(yīng)進(jìn)行相關(guān)的實(shí)驗(yàn)分析。實(shí)驗(yàn)通過(guò)Matlab 7.1編程實(shí)現(xiàn)本文系統(tǒng)的調(diào)度算法，在IntelCore（TM） i3?2260M CPU 2.30 GHz，3.00 GB 筆記本電腦上運(yùn)行本文系統(tǒng)和基于兩階段多運(yùn)輸方式的應(yīng)急物資調(diào)度系統(tǒng)，兩種系統(tǒng)的應(yīng)急總成本分別如圖5和圖6所示。

對(duì)比分析圖5和圖6可得，相對(duì)比兩階段多運(yùn)輸方式，本文系統(tǒng)的應(yīng)急總成本較低，并且本文系統(tǒng)的收斂性較好，能夠獲取較好的應(yīng)急物資調(diào)度最佳解。通過(guò)圖5可以看出，本文系統(tǒng)進(jìn)行應(yīng)急物資調(diào)度最佳解的總體趨勢(shì)是應(yīng)急總成本隨著應(yīng)急運(yùn)輸總時(shí)間的增加而降低。而基于兩階段多運(yùn)輸方式的應(yīng)急成本在15～25 h之間出現(xiàn)忽高忽低的變換，說(shuō)明該方法抗噪性能較差，調(diào)度成本波動(dòng)較高。

統(tǒng)計(jì)不同迭代次數(shù)下不同應(yīng)急調(diào)度系統(tǒng)制定最佳調(diào)度方案的調(diào)度總成本曲線圖如圖7所示。從圖7能夠看出，基于兩階段多運(yùn)輸方式尋優(yōu)消耗的最小總成本是27 704 807元，本文系統(tǒng)尋優(yōu)消耗的最小總成本為26 201 835元，比基于兩階段多運(yùn)輸方式節(jié)約了1 502 972元。并且本文方法在檢索最小應(yīng)急總成本過(guò)程中，具有更快的收斂速度，比基于兩階段多運(yùn)輸方式更快獲取最優(yōu)應(yīng)急物資調(diào)度解。

通過(guò)對(duì)應(yīng)急物資調(diào)度總成本分析，可以看出相對(duì)于基于兩階段多運(yùn)輸方式，本文方法調(diào)度精度和收斂速度都較高，能夠?yàn)榫葹?zāi)工作節(jié)約時(shí)間，還降低了應(yīng)急物資調(diào)度的成本，增強(qiáng)了應(yīng)急物資調(diào)度的時(shí)效性，具有較高的應(yīng)用價(jià)值。

4 結(jié) 論

現(xiàn)存的應(yīng)急物資調(diào)度系統(tǒng)，對(duì)大型物資進(jìn)行調(diào)度過(guò)程中，存在調(diào)度效率低，容易陷入局部最佳解等問(wèn)題。因此，本文設(shè)計(jì)基于數(shù)據(jù)挖掘技術(shù)的大型應(yīng)急物資調(diào)度系統(tǒng)，分析了應(yīng)急物資調(diào)度系統(tǒng)流程、數(shù)據(jù)挖掘的實(shí)現(xiàn)過(guò)程以及數(shù)據(jù)挖掘技術(shù)在大型應(yīng)急物資調(diào)度系統(tǒng)中的具體應(yīng)用過(guò)程。系統(tǒng)通過(guò)動(dòng)態(tài)滾動(dòng)式應(yīng)急資源配置模型，數(shù)據(jù)挖掘算法服務(wù)代碼實(shí)現(xiàn)應(yīng)急物資的有效調(diào)度。實(shí)驗(yàn)結(jié)果說(shuō)明，所設(shè)計(jì)系統(tǒng)的應(yīng)急總成本和總調(diào)度成本都較低，具有較高的調(diào)度精度和收斂速度。

參考文獻(xiàn)

[1] 程田祥.基于大數(shù)據(jù)挖掘技術(shù)的機(jī)房智能巡視系統(tǒng)的開(kāi)發(fā)[J].有線電視技術(shù)，2016，23（1）：76?79.

[2] 黃燕飛.大數(shù)據(jù)背景下基于數(shù)據(jù)挖掘技術(shù)的CRM系統(tǒng)設(shè)計(jì)[J].企業(yè)技術(shù)開(kāi)發(fā)，2015，34（12）：43?45.

[3] 吳春瓊，陳秀枝.基于數(shù)據(jù)挖掘技術(shù)的教學(xué)效果評(píng)價(jià)系統(tǒng)[J].漯河職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2015，14（2）：75?77.

[4] 肖賦，范成，王盛衛(wèi).基于數(shù)據(jù)挖掘技術(shù)的建筑系統(tǒng)性能診斷和優(yōu)化[J].化工學(xué)報(bào)，2014，65（z2）：181?187.

[5] 王淑，陳敏，于廣軍，等.基于數(shù)據(jù)挖掘技術(shù)的典型兒童呼吸道感染性疾病臨床決策支持系統(tǒng)研究[J].中國(guó)數(shù)字醫(yī)學(xué)，2015，10（12）：40?43.

[6] 朱效功.淺談電網(wǎng)調(diào)度運(yùn)行分析和數(shù)據(jù)挖掘系統(tǒng)[J].科技創(chuàng)新導(dǎo)報(bào)，2015，12（11）：85.

[7] 朱利鵬，陸超，孫元章，等.基于數(shù)據(jù)挖掘的區(qū)域暫態(tài)電壓穩(wěn)定評(píng)估[J].電網(wǎng)技術(shù)，2015，39（4）：1026?1032.

[8] 胡飛虎，田朝暉，李威，等.基于遺傳算法的應(yīng)急物資分層調(diào)度研究[J].計(jì)算機(jī)應(yīng)用研究，2015，41（10）：53?58.

[9] 張淑琴.基于J2EE的電力物資調(diào)度系統(tǒng)的研究與實(shí)現(xiàn)[J].現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化，2014，4（7）：79?81.

[10] 郭子雪，郭亮，張培，等.應(yīng)急物資調(diào)度時(shí)間最小化模糊優(yōu)化模型[J].中國(guó)安全科學(xué)學(xué)報(bào)，2015，25（10）：172?176.