English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 18278/19583 (93%)
造訪人次 : 915386      線上人數 : 611
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: http://nhuir.nhu.edu.tw/handle/987654321/20790


    題名: 以資料探勘分析氣候因素對蔬菜供給量之影響
    其他題名: Analyzing the Factors of Climate Affects on Supply of Vegetables by Using Data Mining Technology
    作者: 趙雲瀚
    Chao, Yun Han
    貢獻者: 資訊管理學系碩士班
    鍾志明;韓欽銓
    Chung,Chih-Ming;Han,Qin-Quan
    關鍵詞: 資料探勘;監督式知識發掘;時間序列;氣候因子;蔬菜生產量;類神經網路
    Back Propagation Network
    日期: 2001
    上傳時間: 2015-05-15 15:15:23 (UTC+8)
    摘要: 目前在資料探勘的應用領域中,大部分的研究係針對在大量資料庫內,找出各個獨立資料彼此間的關聯法則,藉以分析點狀分散式資料中的知識擷取。但在擷取大量資料的過程當中,常會發現資料彼此之間具有時間延續的依存關係,即呈現線狀分布的時間序列(time series)資料。本研究欲利用資料探勘技術由兩個異質性的資料庫:中央氣象局的地面氣象資料與農委會的果菜交易行情資料當中,找出彼此的關聯程度。藉以探討如何從具有時間序列特性的資料庫中發掘資料彼此的關聯特性,提供學者做進一步的相關研究。 預測(prediction)是資料探勘中的一種模式。透過歷史資料,以特定的變數值訓練組資料,建立預測模型。並輸入最新的資料,將可求得對未來趨勢變化的預測值。針對長時間性的資料庫(temporal database)作特定變異因子的預測分析,歷史資料的筆數多寡與資料在時間上的連續性,均會影響預測的結果。 本研究利用「監督式知識發掘」中的倒傳遞類神經網路模式(back propagation network; 簡稱BPN),利用輸入溫度、降雨量…等氣候因子,建立預測模型,藉以預測產地蔬菜的生產量受天氣的影響程度。
    顯示於類別:[資訊管理學系] 博碩士論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    089NHU00396016-001.pdf81KbAdobe PDF390檢視/開啟
    089NHU00396016-002.pdf435KbAdobe PDF544檢視/開啟
    089NHU00396016-003.pdf455KbAdobe PDF1322檢視/開啟
    089NHU00396016-004.pdf332KbAdobe PDF4065檢視/開啟
    089NHU00396016-005.pdf509KbAdobe PDF755檢視/開啟
    089NHU00396016-006.pdf125KbAdobe PDF1167檢視/開啟
    089NHU00396016-007.pdf169KbAdobe PDF384檢視/開啟
    index.html0KbHTML281檢視/開啟


    在NHUIR中所有的資料項目都受到原著作權保護.

    TAIR相關文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋