论文部分内容阅读
论文针对煤炭企业在销售中所面临的问题和挑战开展研究,基于数据挖掘和销售预测相关理论,对平顶山天安煤业股份有限公司一段时期内煤炭交易数据进行了深入分析和研究,提出了采用K-Means聚类思想进行煤炭交易双方信誉度等级划分,采用朴素贝叶斯算法实现煤炭交易过程中的最优交易方推荐,并采用R统计分析工具对相应矿井煤炭销量进行了科学的预测,且进行了实验验证和结果分析。本文的主要研究内容和创新点包括: 1、基于改进K-Means聚类的煤炭交易者信誉度划分:基于数据挖掘的理论和算法,提出了采用对初始聚类中心优化选取的 K-Means聚类算法对大型煤炭企业及其联盟客户质量检验历史数据进行分析和挖掘,识别交易者质量检验行为统计规律,从而进行交易者信誉度等级划分,并进行了结果分析。通过研究可以帮助煤炭企业在发生交易者质量纠纷情况下合理划分质量检验责任,科学监督和指导交易双方质检管理工作,并为煤炭企业提供销售决策辅助支持,同时采用聚类算法对交易者进行信誉度划分也是在煤炭销售领域的新尝试。 2、基于贝叶斯概率的智能煤炭销售推荐:基于贝叶斯概率理论,实现了煤炭交易过程中智能化的交易对象推荐,并进行了实验验证。本研究一方面可以让用煤客户在享受个性化购煤体验和便利的同时提高对企业的满意度和忠诚度,有效降低双方交易风险,减少煤炭质量纠纷,为建立双方互惠互利关系奠定基础;另一方面可以促进企业煤炭销售,为企业带来巨大的经济效益,有效提高企业核心竞争力,最终实现煤炭企业和联盟客户的双赢。 3、基于R的煤炭销售量预测:利用销售预测基本原理,并借助R语言分析工具对煤炭企业相应时期销售量趋势进行了统计分析和可视化图形展示,对相应时期的矿井煤炭销售量进行了预测,并进行了预测结果和实际结果的对比分析。本研究一方面可以帮助煤炭集团运销商随时掌握煤炭销售情况,有效指导煤炭企业经营活动,帮助企业合理安排生产和销售计划;另一方面可以为企业决策者提供决策辅助支持。