2．1SVM算法SVM算法最初是由Vapnik等人在1995年提出的一种可训练的机器学习算法．依据统计学习理论、VC维理论和结构风险最小化理论，从一定数目的样本信息在学习能力和复杂度（对训练样本的学习程度）中找到最佳折中，以期望获得最好的推广能力（或称泛化能力）．
2．2基于SVM的医疗数据分析模块将SVM分类算法应用到医疗数据分析模块中，进行疾病预测．基于SVM的医疗数据分析模块，通过数据交换模块获取原始组数据（患病病人医疗数据和对照组病人数据）．通过特征选择过程输入到SVM分类器中进行训练，训练后可以对新的医疗数据进行分析预测．
3改进的医疗数据交换模块
摘要：结合凯里供电局电力营销工作的实际，以电量销售、电费回收、线损率等营销指标为监控重点，建立销售数据分析系统，客观的分析营销工作中的重点难点，客观公正地评价下属业绩，导入竞争机制从而能更有针对性的解决问题。
关键词：电力营销；数据分析；实时监控；月度分析
1凯里供电局营销工作概况
凯里供电局系中国南方电网公司和贵州电网公司领导下的国家大二型企业，担负供电辖区内15个县（市）及湘黔电气化铁路的电能供应、销售与服务任务，并为黔电入粤、黔电入湘的重要通道，为贵州电网公司代管县局最多（15个）的供电企业。该局年售电量40亿千瓦时，辖区内高能耗负荷企业占总负荷70％左右，该局目前营销工作面临负荷结构不合理、代管县局多的复杂管理形势。如何有效的调动代管县局主动做好辖区内的营销服务工作，培育更多优质负荷，提高企业的营销经营业绩，成为该局营销管理工作的研究重点。为此，该局通过建立电力营销数据分析系统，客观公正地评价下属业绩，导入竞争机制，不断提高该局的营销工作质量。
2建立实时数据跟踪监控系统
凯里供电局针对需要实时控制的电量及电费回收等指标推行日报表和帐目日报表、周期性报表制度，建立起销售状况的实时监控数据分析系统。这里重点介绍电量销售日报表和电费回收进度表。
1系统中的Agent结构与关系表示
系统中的智能Agent是具有领域知识和模型嵌入，能自主工作和具有语义互操作及协作交互能力，问题求解能力的智能实体，具有自治性、通信能力、推理和计算能力、协同、协调及协商能力等特性。
2.1数据抽取Agent
数据抽取Agent（DA）主要实现对网上电子数据交换的单证进行监控性或合法性的格式检查，并从不同的单证中自动地抽取出所需的数据项，提交给交互协调Agent，以便进行分析和统计。其对单证格式检查的要求，以及数据抽取的要求统一由交互协调Agent管理。Agent实时监测网上电子交换系统单证的收发，当用户收到或发送单证时，它就会自动提取单证中的数据，根据单证的种类、知识库中处理要求，进行数据处理和存储，并发送给交互协调Agent分析统计或报警。
2.2计算统计Agent
1工程概况
江门世贸广场项目位于江门市东华路与迎宾路交汇处东南侧，上部结构是钢筋混凝土框架，剪力墙结构，设两层地下室，基础是预制钢筋混凝土预应力管桩基础。基坑平面呈扇形，面积约为16980m2，周长约为650m，场地已挖土，移土整平，高程约为3.9～4.9m。按规划要求，场地高程开挖前平整为2.8～3.3m，基坑底高程为－3.85m，基坑开挖深度为6.35～7.15m。基坑的西南方向，地表下方埋设有一条重要管线，在对基坑监测的同时需对管线的沉降和位移进行监测;基坑的东南方为一古庙，需监测其在基坑施工过程中的整体沉降量。
2基坑变形监测设计与实施
基坑的主要监测项目由支护结构桩顶位移、深层位移、支护结构应力、地下水位等项目组成。
2.1布设基准点
布设基准点的目的是在长期观测过程中提供稳定的起算数据。(1)位移基准点应布设在远离施工现场、结实稳定的地方。水平位移监测基准点3个，工作基点3个，编号为J1～J6;(2)沉降基准点的布设位置应选在远离施工现场且稳定的水泥路上。布设了3个水准基准点，编号为G1～G3。
1HANA数据分析平台采用的核心技术
HANA数据分析平台在软件方面，通过内存技术，应用程序能直接处理电力企业数据库中的各种数据，并直接在主内存中处理。主要技术包括行+列的存储、压缩、数据分区、增量数据更新等。平台采用的软件包括数据抽取工具、内存数据库（含数据库服务器、建模工具Studio、客户端工具）、报表展现层BusinessObjectsBI组件。在硬件方面，通过预配置的软硬件结合体，提供高性能的数据读写操作，并在内存数据库里采用列式存储从而将更多的数据存入（列式存储方式更适合数据压缩）。
2HANA数据分析平台实施过程
数据分析平台建设应遵循最大限度的考虑应用实用性、缩短实现周期、降低技术风险等因素。
2.1需求分析
需求分析是要对用户的诉求或需求进行深入了解，并在需求的基础上对整个平台进行一致约定。因此以重要性、分析的复杂性、数据量大小、以及快速见效为原则，需求分析需要明确下面的内容。
1海量数据处理流程
1.1数据采集
数据的采集是指利用传感器、社交网络以及移动互联网等方式获得的各种类型的结构化、半结构化以及非结构化的海量数据，这是一切数据分析的基础。数据的采集需要解决分布式高速高可靠数据的采集、高速数据全映像等数据收集技术。还要设计质量评估模型，开发数据质量技术。而数据采集一般分为大数据智能感知层：主要包括数据传感体系、网络通信体系、传感适配体系、智能识别体系及软硬件资源接入系统，实现对海量数据的智能化识别、定位、跟踪、接入、传输、信号转换、监控、初步处理和管理等。
1.2数据预处理
数据采集的过程本身就有会有很多数据库，但如果想达到有效分析海量数据的目的，就必将这些来自前端的数据导入到一个集中的大型分布式数据库，或者分布式存储集群，而且在导入基础上做一些简单的辨析、抽取、清洗等操作。
①抽取：因为我们通过各种途径获取的数据可能存在多种结构和类型，而数据抽取过程可以有效地将这些复杂的数据转换为单一的结构或者便于处理的类型。以达到快速分析处理的目的。
一、财税分权与经济增长的计量分析
(一)数据说明。本文以中国31个省市2007－2012年的有关财税分权、GDP的数据进行面板分析。被解释变量:GDP，解释变量:财税分权度R，教育EDU，工业化进程GYH，税收占GDP比重F，数据是在国泰安(CSMAR)、中经网统计数据库、历年中国统计年鉴等数据库的基础上整理而成，且都经过了对数处理。
(二)单位根检验。为了避免伪回归现象，在进行回归分析之前需要对相应数据进行单位根检验。LLC检验的结果显示:R、EDU、GYH、F、GDP变量序列在0．05显著性水平下均是原序列平稳的，不必协整可直接构造回归模型。
(三)面板回归
一、汽车出口海关统计数据及揭示的问题
自入世以来,我国的汽车出口发展极为迅速。由海关统计数据,2001年,中国汽车和汽车底盘出口额为19374万美元,出口数量为22779辆；到了2005年,中国汽车和汽车底盘出口额已达到190396万美元,出口数量为1084309辆。我国汽车出口总量上看成绩喜人,但细看下来，情况却不容乐观：据计算,中国入世五年来汽车和汽车底盘出口数量增长了46.60倍,而出口额只增长了8.83倍,这与同时段进口额增幅略超出进口数量形成了鲜明的对比。
这一现象并非小问题：出口量增幅远大于出口额是汽车大部分瞄准低端市场低价出口统计上的表现。据海关统计分析显示，2005年我国整车出口企业共有1025家，其中出口量在10辆以下的就有600家，出口仅1辆的有185家，近900家企业的出口额仅占全国整车出口额约10%。随着中国低价汽车及零部件的出口，他国逐渐采取反倾销和关税壁垒措施来应对。
二、汽车出口价格低廉成因分析
低价的原因自然包括了中国的劳动力水平相对较低，但在全球化背景下，专业化分工日趋明显，许多品牌汽车也选择在劳动力成本相对低的环境下生产，但同样高价出售。这说明，低价不仅是劳动力成本低导致。
汽车出口低价的另一原因是中国相对缺乏自主品牌。从经济学的角度看，同质产品的价格需求弹性大，顾客对价格的变动极敏感。生产同质产品的厂商为使利润最大化采取降价的方案，最终基本只能得到正常利润，无法获得超额利润。目前中国汽车市场自主品牌还屈指可数，且大部分局限于模仿水平，真正进行自主创新开发出顾客很难找到替代品的汽车的情况还很少。汽车大量的同质化使得厂商选择打价格战。
1材料与方法
2结果
2.1地区分布
2013年鞍山市共报告AEFI189例，与2012年相比（35例）上升了440%。县级AEFI报告覆盖率100%。各县（市、区）AEFI报告数与2012年相比上升了55.56%～4200%。