反倾销预警系统中的数据挖掘技术.docVIP

　　反倾销预警系统中的数据挖掘技术 　　[摘 要] 本文从反倾销预警内涵入手，指出其核心所在，并在此基础上，较为详尽地论述了如何运用数据挖掘技术对无序的和表层的反倾销预警构成数据进行运算与推断，旨在为国家有关部门构建反倾销预警系统提供一种新思路。 　　[关键词] 反倾销；预警系统；数据挖掘 　　 　　近20年来， 经济 全球化使世界各国、各地区之间经济相互依赖程度日益加深，贸易保护主义抬头，贸易纷争日益激烈，作为GATT/ining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。挖掘出的知识通常被表示为概念、规则、 规律 、模式、约束或可视化等形式，用以辅助决策过程或修正已有的知识体系。 　　1.数据挖掘的功能 　　数据挖掘的功能常分可成5类：关联分析、概括分析、分类分析、聚类分析、预测与评价。(1)关联分析，即利用关联规则进行数据挖掘。分析表面上不相关数据之间的内在联系，揭示各事件之间的依赖性和相关性，分析范围包括简单关联、因果关联等。(2)概括分析，即提取数据库中指定的数据集合的一般特性，找出普遍性规律。(3)分类分析，设置分类规则，把各个事务或实体按照性质和特征的不同进行归类训练，把数据层次化和规整化，从而建立数据的分类模型，对于没有分类的数据进行分类。(4)聚类分析，聚类是对记录分组，把相似的记录归在一个聚集里，是通过分析和归纳实体之间的特征差异，选出具有相同特征的实体聚合成为一个类，并用某种规则来描述该类的相同属性，形成一种聚类规则。(5)预测与评价，对 历史 数据进行综合分析和归纳，推理出数据分布的时效性和规律性，从而对未来事件发展的趋势和结果进行预测和评估，这种预测是需要时间来验证的。 　　2.数据挖掘的过程 　　数据挖掘一般由三个阶段组成：数据准备、数据挖掘、结果的表达和验证。数据准备是指先明确数据挖掘的对象和商业应用主题，再针对商业主题收集数据源，并对数据做整理和转换等技术处理，最后装进数据仓库。数据挖掘是创建正确的数据挖掘模型，并选择合适的挖掘算法，从数据集合中析取有价值的商业知识，例如商业规则、营销模式、带来最多利润的顾客群分布模型、顾客购买的商品之间的关联程度等等。结果的表达和验证是在原始数据经过挖掘算法处理之后，将产生一系列有价值的结果，必须用简单易懂的语言或图表把它表达出来，并集成到 电子 商务中心，融合专家知识与领域规则，为商业活动提供决策支持，并在商业实践中来检验它。 　　3.数据挖掘的方法 　　数据挖掘的方法，可粗分为：统计方法、机器学习方法、神经 网络 方法和数据库方法。统计方法可细分为：回归分析、判别分析、聚类分析、探索性分析以及模糊集、粗糙集、支持向量集等。机器学习可细分为：归纳学习方法、基于范例的推理CBR、遗传算法、贝叶斯信念网络等。神经网络方法可细分为：前向神经网络、自组织神经网络等。其中，模糊和粗糙集方法已经被广泛地应用在各行业中了。如：用基于粗糙集——主成分分析方法进行企业创新能力评价，用模糊逻辑规则进行企业生产决策，用模糊算法进行供应链合作伙伴的选择，利用遗传算法实现客户关系的管理，等等。 　　 　　三、数据挖掘技术在反倾销预警系统中的应用 　　 　　在反倾销预警系统中的数据挖掘就是从大量的有关产业出口企业资料信息库以及Web的数据中，收集产品的出口数量、价格以及国外同类产品生产经营情况、产业政策等重要参数变化信息，然后借助各种分析方法，透过无序的、表层的信息挖出内在的知识和规律，系统就可以根据这些规律或用这些信息设计数学模型，对未发生行为做出结果分析和预测，并及时发布给相关企业，从而为企业的综合经营决策、市场策划提供依据。具体来说，就是根据WTO《反倾销协议》对倾销的认定条件规定，运用数据挖掘技术对无序的和表层的反倾销预警构成数据，进行运算与推断，研判出口价格、出口数量及增率是否正常，对进口国有无实质性损害或损害威胁，甚至阻碍其产业建立。因此，数据挖掘技术在反倾销预警系统中的应用具体反映在数据挖掘技术在出口产品价格动态分析预警系统、出口产品数量动态分析预警系统以及损害动态分析预警系统等三个预警系统中的应用。 　　1.出口产品价格动态分析预警系统 　　根据WTO《反倾销协议》对倾销的认定条件规定，产品以低于正常价值向另一国销售，即存在倾销产品。因此，出口产品价格动态分析预警系统主要功能是通过产品价格监控系统，动态跟踪出口产品价格，并根据正常价格，检测其波动幅度，进而预测产品出口价格是否正常。为此，其程序设计的基本思路是：根据出口产品的正常价值(成本+合理费用+合理利润)并结合进口国对该产品反倾销的历史数据确定出该产品正常区间值[a，b]，即“绿色安全区域”。如果出