最新眩晕诊断精品课件ppt

眩晕诊断关联规则数据挖掘关联规则数据挖掘PAGE/NUMPAGES关联规则数据挖掘关联规则数据挖掘学习报告PAGE\*MERGEFORMAT27目录引言2案例2关联规则3（一）关联规则定义（二）相关概念（三）关联规则分类数据6（一）小型数据（二）大型数据应用软件7（一）WEKA（二）IBMSPSSModeler数据挖掘12总结27引言数据库与互联网技术在日益发展壮大，人们每天可以获得的信息量呈指数级增长。如何从这浩如瀚海的数据中找出我们需要的数据显得尤为重要。数据挖掘又为资料探勘、数据采矿。它是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。数据挖掘大致分为以下几类：分类（Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinitygroupingorassociationrules）、聚类（Clustering）、复杂数据类型挖掘(Text,Web,图形图像，视频，音频等)。案例?"尿布与啤酒"的故事。在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是："跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能发现数据内在这一有价值的规律的。在这个案例中使用了数据挖掘中的关联规则分析。关联分析是发现交易数据库中不同项之间的联系。毫无疑问，关联分析中发现的规则为超市带来了更多的收益。如果我们能在生活中对关联分析进行应用，一定可以解决更多的问题。数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率；对关联规则的应用进行推广。关联规则挖掘在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。关联规则（一）关联规则定义关联分析是一种简单、实用的分析技术，就是发现存在于大量数据集中的关联性或相关性，从而描述了一个事物中某些属性同时出现的规律和模式。关联分析是从大量数据中发现项集之间有趣的关联和相关联系。关联分析的一个典型例子是购物篮分析。该过程通过发现顾客放人其购物篮中的不同商品之间的联系，分析顾客的购买习惯。通过了解哪些商品频繁地被顾客同时购买，这种关联的发现可以帮助零售商制定营销策略。其他的应用还包括价目表设计、商品促销、商品的排放和基于购买模式的顾客划分。（二）相关概念1.关联规则?　　关联规则是指数据之间的简单的使用规则，是指数据之间的相互依赖关系。关联规则形如：XY；其中XI，YI，并且X∩Y=。X为先决条件，Y为结果；关联规则反映了项目集X出现的同时项目集Y也会跟着出现。2.支持度（Support）?　　设X属于数据项目集，为事务数据库中包含X的记录条数，为事务数据库中记录的总个数，那么项目集X的支持度=/支持度表示项目集在事物集中出现的频率的是多少。3.置信度（Confidence）?　有关联规则XY，其中XI，YI，并且X∩Y=，那么XY的置信度为：?Conf（XY）=*100%=P（Y|X）?。置信度是反映在事物X中出现事物Y的条件概率。4.强关联规则如果某条规则同时满足最小支持度和最小置信度则称为强关联规则。5.最小支持度、大项集和最小置信度从关联规则的定义可以看出任意两个数据项集都存在关联规则只是其支持度和置信度不同而已。为了找出有意义的规则就需要规定最小支持度和最小置信度前者描述了关联规则中数据项集的最低重要程度，记为minsup后者规定了关联规则必须满足的最低可靠性记为，minconf。支持度大于最小支持度的数据项集称作大项集(LargeItemset)反之则称为弱项集(SmallIterns)。同时满足最小支持度、最小置信度的关联规则称为强关联规则。（三）关联规则分类1.基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系；而数值型关联规则可以和多维关联或多层关联规则结合起来，对数值型字段进行处理，将其进行动态的分割，或者直接对原始的数据进行处理，当然数值型关联规则中也可以包含种类变量。2.基于规则中数据的抽象层次，可以分为单层关联规则和多层关联规则。在单层的关联规则中，所有的变量都没有考虑到现实的数据是具有多个不同的层次的；而在多层的关联规则中，对数据的多层性已经进行了充分的考虑。3.基于规则中涉及到的数据的维数，关联规则可以分为单维的和多维的。单维关联规则是处理单个属性中的一些关系；多维关联规则是处理各个属性之间的某些关系。算法1.Apriori算法1)Apriori算法是一种使用频繁项集的先验知识从而生成关联规则的一种算法也是最有影响的关联规则挖掘算法。2)定义：设C（k）表示候选k-项集L（k）表示C（k）中出现频率大于或等于最小支持度阈值与事务总数的乘积的k-项集，即k-频繁项集或者是k-大项集。3）Apriori算法具有以下性质：任何非频繁的(k-1)-项集都不可能是频繁k-项集的子集。这是因为如果含有(k-1)-项集的事务占事务总数的百分比不大于最小支持度阈值。那么含有该(k-1)-项集与另外一项构成的k项集的事务占事务总数的百分比就更不可能大于或等于最小支持度阈值了。如果用概念来解释的话，含有k-项集的事务构成的概念的内涵比含有(k-1)-项集事务所构成的概念的内涵增加了那么它的外延必然会减小所包含的事务数也必然减小。因此，根据这个性质可以在生成k-项集之前先将(k-1)-项集中的非频繁项集删除通过删除候(k-1)-项集中的非频繁项集得到(k-1)-频繁项集。4）Apriori算法的步骤步骤如下设定最小支持度s和最小置信度c。Apriori算法使用候选项集。首先产生出候选的项的集合，即候选项集若候选项集的支持度大于或等于最小支持度则该候选项集为频繁项集。在Apriori算法的过程中，首先从数据库读入所有的事务，每个项都被看作候选1-项集得出各项的支持度再使用频繁1-项集集合来产生候选2-项集集合。因为先验原理保证所有非频繁的1-项集的超集都是非频繁的。再扫描数据库。得出候选2-项集集合。再找出频繁2-项集。并利用这些频繁2-项集集合来产生候选3-项集。重复扫描数据库，与最小支持度比较；产生更高层次的频繁项集再从该集合里产生下一级候选项集直到不再产生新的候选项集为止。2.FP-树频集算法1）定义：针对Apriori算法的固有缺陷，J.Han等提出了不产生候选挖掘频繁项集的方法：FP-树频集算法。采用分而治之的策略，在经过第一遍扫描之后，把数据库中的频集压缩进一棵频繁模式树（FP-tree），同时依然保留其中的关联信息，随后再将FP-tree分化成一些条件库，每个库和一个长度为1的频集相关，然后再对这些条件库分别进行挖掘。当原始数据量很大的时候，也可以结合划分的方法,使得一个FP-tree可以放入主存中。实验表明，FP-growth对不同长度的规则都有很好的适应性，同时在效率上较之Apriori算法有巨大的提高。2）FP-树频集算法的步骤步骤如下遍历一次数据库，到处频繁项集（1项集）的集合和支持度计数（频率），并且以降序排序，结果集或表记为L。构造FP-tree。根据第二步得到的FP-tree，为1项频繁项集中的每一项构造条件FP-tree。得到频繁模式（频繁项集）。数据小型数据这是我们得到的最原始的数据，是国外某超市的购物篮数据，共有约一千条。文件格式为txt格式，每一行代表一个顾客购物篮中的商品。大型数据第二个大型数据也是国外某公司的超市购物篮数据，共有88162条数据。数据为txt格式。第一行是对每列数据的一个编号，从第二列开始是每个顾客超市购物篮中的东西。每个数字代表一个商品。因为数据过大，所以整个数据是数据集的形式。应用软件WEKA1.WEKA简介WEKA的全名是怀卡托智能分析环境（WaikatoEnvironmentforKnowledgeAnalysis），是一款免费的，非商业化的，基于JAVA环境下开源的机器学习以及数据挖掘软件。它和它的源代码可在其官方网站下载。WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。2.WEKA存储数据的格式是ARFF（Attribute-RelationFileFormat）文件，这是一种ASCII文本文件。二维表格存储在如下的ARFF文件中。识别ARFF文件的重要依据是分行，因此不能在这种文件里随意的断行。空行（或全是空格的行）将被忽略。WEKA的关联规则分析功能仅能用来作示范，不适合用来挖掘大型数据集。3.数据处理由于我们的源数据为TXT格式，无法应用于WEKA软件，所以我们需要将它转换为ARFF格式。我们查阅有关资料以及有关网站，找到了一个用Python转换格式的方法。TXT转为ARFF格式deftxt2arff(filename,value):withopen('./generatedarff.arff','w')asfp:fp.write('''@relationExceptionRelation@attributeIDstring@attributeThrownnumeric@attributeSetLogicFlagnumeric@attributeReturnnumeric@attributeLOCnumeric@attributeNumMethodnumeric@attributeEmptyBlocknumeric@attributeRecoverFlagnumeric@attributeOtherOperationnumeric@attributeclass-att{True,False}@data''')withopen(filename)asf:contents=f.readlines()forcontentincontents:lines=content.split('\t')lines=[line.strip()forlineinlines]iflines[9]=='1':lines[9]="True"lines.append('{'+str(value)+'}')else:lines[9]="False"lines.append('{1}')array=','.join(lines)fp.write("%s\n"%array)处理结果：小型数据大型数据（二）IBMSPSSModeler1.Clementine为了解决各种商务问题，企业需要以不同的方式来处理各种类型迥异的数据，相异的任务类型和数据类型就要求有不同的分析技术。Clementine为您提供最出色、最广泛的数据挖掘技术，确保您可用最恰当的分析技术来处理相应的问题，从而得到最优的结果以应对随时出现的商业问题。即便改进业务的机会被庞杂的数据表格所掩盖，Clementine也能最大限度地执行 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 的数据挖掘流程，为您找到解决商业问题的最佳答案。2.Modeler其中看到其实Modeler也是SPSS公司收购回的，前身即是Clementine，09年整个SPSS被IBM收购后，就改名为IBMSPSSModeler了，今年Modeler已经发布18版本，更新要比以前多了不少，多了非常多的扩展功能（例如天气数据获取等等）Modeler是一款数据挖掘软件，建模的原理主要偏向于数学算法，比如各种聚类算法，各种决策树算法，神经网络算法，贝叶斯算法等等。目的是通过对数据的整理，建模，挖掘出相关的结果，知道管理实际。主要应用于数据量大的分析，或者连接至数据库分析。Modeler界面除了任何软件都有的菜单栏、工具栏、状态栏之外，主要由①数据流构建区②数据流、结果和模型管理区③数据挖掘项目管理区④节点区四个部分构成。IBMSPSSModeler是客户端/服务器端架构的产品。客户既可以在单机版上运行IBMSPSSModeler，也可以连接到IBMSPSSModelerServer运行数据流，从而充分利用服务器的高性能。IBMSPSSModeler是一个数据挖掘软件，其功能涵盖了整个数据挖掘流程，它主要提供三类重要功能来支持整个数据挖掘过程:数据整理、探索性数据分析、建立模型模型检验模型应用。3.数据处理SPSSModeler需要数据格式为csv。在刚刚介绍的WEKA软件中可以将txt格式的数据另存为csv格式的数据。数据挖掘WEKA1.Apriori算法——小数据1）默认数值car?如果设为真，则会挖掘类关联规则而不是全局关联规则。?classindex?类属性索引。如果设置为-1，最后的属性被当做类属性。?delta?以0.05为迭代递减单位。不断减小支持度直至达到最小支持度或产生了满足数量要求的规则。?lowerBoundMinSupport?最小支持度下界为0.5。metricType?度量类型。设置对规则进行排序的度量依据。可以是：置信度（类关联规则只能用置信度挖掘），提升度(lift)，杠杆率(leverage)，确信度(conviction)。在?Weka中设置了几个类似置信度(confidence)的度量来衡量规则的关联程度，它们分别是：a)????????Lift?：?P(A,B)/(P(A)P(B))Lift=1时表示A和B独立。这个数越大(>1)，越表明A和B存在于一个购物篮中不是偶然现象,有较强的关联度.b)????????Leverage:P(A,B)-P(A)P(B)Leverage=0时A和B独立，Leverage越大A和B的关系越密切c)????????Conviction:P(A)P(!B)/P(A,!B)?（!B表示B没有发生）?Conviction也是用来衡量A和B的独立性。从它和lift的关系（对B取反，代入Lift公式后求倒数）可以看出，这个值越大,A、B越关联。minMtric?度量的最小值0.9。numRules?要发现的规则数为10。outputItemSets?如果设置为真，会在结果中输出项集。removeAllMissingCols?移除全部为缺省值的列。significanceLevel?重要程度-0.1。重要性测试（仅用于置信度）。upperBoundMinSupport?最小支持度上界。?从1.0开始迭代减小最小支持度。verbose?如果设置为真，则算法会以冗余模式运行。2）结果解释scheme-所选的关联规则挖掘方案：?Apriori算法算法的参数设置：-I-N10-T0-C0.9-D0.05-U1.0-M0.5-S-1.0-c-1;?各参数依次表示：I-?输出项集，若设为false则该值缺省;N10-?规则数为10;T0–?度量单位选为置信度，(T1-提升度，T2杠杆率，T3确信度);C0.9–?度量的最小值为0.9;D0.05-?递减迭代值为0.05;U1.0-?最小支持度上界为1.0;M0.5-?最小支持度下届设为0.5;S-1.0-?重要程度为-1.0;c-1-?类索引为-1输出项集设为真(由于car,removeAllMissingCols,verbose都保持为默认值False，因此在结果的参数设置为缺省，若设为True，则会在结果的参数设置信息中分别表示为A,R,V)Minimumsupport:0.5(470instances)??//最小支持度0.5，即最少需要470个实例Minimummetric:0.9???//最小度量<置信度>:0.9Numberofcyclesperformed:10????//进行了10轮搜索Generatedsetsoflargeitemsets:?????//生成的频繁项集SizeofsetoflargeitemsetsL(1):11?????//频繁1项集：11个剩余结果3）修改数值delta?以0.1为迭代递减单位。不断减小支持度直至达到最小支持度或产生了满足数量要求的规则。结果如下：4）结果解释scheme-所选的关联规则挖掘方案：?Apriori算法算法的参数设置：-I-N10-T0-C0.9-D0.1-U1.0-M0.5-S-1.0-c-1;?各参数依次表示：I-?输出项集，若设为false则该值缺省;N10-?规则数为10;T0–?度量单位选为置信度，(T1-提升度，T2杠杆率，T3确信度);C0.9–?度量的最小值为0.9;D0.1-?递减迭代值为0.1;U1.0-?最小支持度上界为1.0;M0.5-?最小支持度下届设为0.5;S-1.0-?重要程度为-1.0;c-1-?类索引为-1输出项集设为真(由于car,removeAllMissingCols,verbose都保持为默认值False，因此在结果的参数设置为缺省，若设为True，则会在结果的参数设置信息中分别表示为A,R,V)Minimumsupport:0.5(470instances)??//最小支持度0.5，即最少需要470个实例Minimummetric:1.1???//最小度量<置信度>:1.1Numberofcyclesperformed:3???//进行了3轮搜索Generatedsetsoflargeitemsets:?????//生成的频繁项集SizeofsetoflargeitemsetsL(1):11?????//频繁1项集：11个SizeofsetoflargeitemsetsL(2):39?????//频繁1项集：39个SizeofsetoflargeitemsetsL(3):4???//频繁1项集：4个2.FP-Growth算法——大数据1）默认数值?delta?以0.05为迭代递减单位。不断减小支持度直至达到最小支持度或产生了满足数量要求的规则。?lowerBoundMinSupport?最小支持度下界为0.5。metricType?度量类型。设置对规则进行排序的度量依据。可以是：置信度（类关联规则只能用置信度挖掘），提升度(lift)，杠杆率(leverage)，确信度(conviction)。在?Weka中设置了几个类似置信度(confidence)的度量来衡量规则的关联程度，它们分别是：a)????????Lift?：?P(A,B)/(P(A)P(B))Lift=1时表示A和B独立。这个数越大(>1)，越表明A和B存在于一个购物篮中不是偶然现象,有较强的关联度.b)????????Leverage:P(A,B)-P(A)P(B)Leverage=0时A和B独立，Leverage越大A和B的关系越密切c)????????Conviction:P(A)P(!B)/P(A,!B)?（!B表示B没有发生）?Conviction也是用来衡量A和B的独立性。从它和lift的关系（对B取反，代入Lift公式后求倒数）可以看出，这个值越大,A、B越关联。minMtric?度量的最小值0.9。numRules?要发现的规则数为10。outputItemSets?如果设置为真，会在结果中输出项集。removeAllMissingCols?移除全部为缺省值的列。upperBoundMinSupport?最小支持度上界。?从1.0开始迭代减小最小支持度。2）结果解释使用默认设置数值没有发现规则。修改数值?修改lowerBoundMinSupport?最小支持度下界为0.2。4)结果解释仅发现两条规则。I48与I39有关联规则conf:(0.69)lev:(0.06)cosv:(1.38)修改数值?修改lowerBoundMinSupport?最小支持度下界为0.1。结果解释发现8条规则7）修改数值?修改lowerBoundMinSupport?最小支持度下界为0.25。8)结果解释发现如下（二）IBMSPSSModeler——大数据1.操作步骤Apriori算法读取值然后将测量全部修改为标记，角色全部改为任意。最小置信度为50%结果分析：I48与I39有关联规则I41与I39有关联规则I39与I38有关联规则I48与I41有关联规则I42与I39有关联规则I48与I32有关联规则I48与I38有关联规则最小置信度为60%I48与I39有关联规则I41与I39有关联规则I39与I38有关联规则I48与I41有关联规则总结数据挖掘可以通过不同的工具来进行分析。通过使用WEKA和IBMSPSSModeler发现两个软件适用的情况有所不同。WEKA的关联规则Apriori分析仅能用来作示范，不适合用来挖掘大型数据集。但是FP—Growth算法可以有效地处理大数据，修改不同的数值得出不同的结果。而且在显示的结果中看到置信度等数值结果。IBMSPSSModeler需要修改数据的TYPE，如读取值和输入输出，选择各种不同的模型，使输出的结果更加有效的解决实际问题。但是在操作的过程中，我们发现IBMSPSSModeler建模运行的时候很慢，需要等待很长时间才能完成，而且需要修改的数值是分为不同的选项卡，一旦选定生成无法更改，过程不可逆，所以在修改数值查看不同结果时十分不方便。而WEKA可以反复查看不同的结果。《我有友情要出租》 教案 中职数学基础模块教案 下载北师大版¥1.2次方程的根与系数的关系的教案关于坚持的教案初中数学教案下载电子教案下载 《我有友情要出租》教案PAGE/NUMPAGES《我有友情要出租》教案《我有友情要出租》教案教学目标：1、通过阅读学生懂得友情是不能买卖的，友情无处不在，需要你去寻找。2、学习制作友情卡，珍惜身边的友情。教学过程：引入书目，回顾故事情节。一本好书，带我们进入一个全新的世界，一个故事，启迪我们的智慧。今天正老师和大家走入绘本故事《我有友情要出租》。还记得故事的主人公吗？他们是大猩猩和小女孩咪咪。（师板书）书中有哪些地方深深的吸引着你？请同学们大胆谈一谈，好吗？学生畅所欲言，谈自己对于阅读这本绘本的感受。学问学问，不懂就要问。在阅读中，我们经常遇到不明白的地方。大胆提出来，老师和同学们一起帮助你解决学习中的困惑。学生提问，教师相机引导。老师提问：大猩猩两次在树叶上出租友情，两次树叶上写的字不一样。大猩猩为什么会这么做？小老鼠一直陪伴在大猩猩身边，他们却没有成为很好的朋友。这是为什么？在活动中感受友情的可贵1、生活中，我们有自己的最好的朋友你了解你的朋友吗？2、咪咪和大猩猩在玩猜拳踩脚的游戏中，建立了深厚的感情。请你和你的同桌也试着玩一玩猜拳的游戏。在玩游戏中，你输过吗？快乐吗？3、看你们玩得这么愉快，老师又想起了这只寂寞的大猩猩。每当夕阳西下，大猩猩孤单寂寞的身影投射在大树下，满脑子都是和咪咪在一起玩游戏的快乐的回忆。这份回忆被夕阳的余晖拉的很长很长。远方的咪咪通过爸爸同事的电话，知道了大猩猩每天都在树下等着自己，知道了大猩猩的孤单寂寞。连夜写了一片树叶，托清风送给了大猩猩。咪咪在树叶上写了些什么？请你当一回咪咪，在树叶上写上对大猩猩要说的话吧！（学生写树叶）4、你是天上的云，我就是吹动你的风，我们彼此依赖，互相信任，互相关心，让我们保持这种朋友之间的友谊，直到永远!就象小河里的水源源不断的流着!请听一听同学们的友情小故事。三、好书推荐1、教师介绍作者方素珍。2、推荐书籍《小珍珠选守护神》《一只猪开博客》《祝你生日快乐》《小珍珠选守护神》鬼灵精怪、不按常理出牌的小珍珠，遇到三个行事风格大不相同的守护人候选人，小珍珠会选谁呢？赶快进入小珍珠的世界了解个究竟吧！《一只猪开微博》一只叫皮皮的粉色猪开微博干什么？看看猪皮皮的故事再说吧！《祝你生日快乐》小丁子在外玩耍，遇到一个身患癌症的小姐姐，他们一起做游戏，开心极了！马上就要到小姐姐的生日了，她又要住医院治疗了。不过，小姐姐和小丁子约好，在生日那天回来和小丁子做游戏。可是，小丁子等啊等，小姐姐却一直没有来。小姐姐究竟怎么了？小丁子见到小姐姐了吗？《生日快乐》真的快乐吗？赶紧去看这本绘本吧。相信，所有的迷都会被你解开。四、作业布置：搜集关于友情的格言、古诗，摘抄到采蜜本上。蔬菜储藏加工冷库建设项目蔬菜储藏加工冷库建设项目PAGE/NUMPAGES蔬菜储藏加工冷库建设项目蔬菜储藏加工冷库建设项目可行性研究报告????????第一章总论1.1项目单位总论概况合作社已发展春秋棚150座，温室大棚2座，露天蔬菜基地1000多亩，力争1-2年内建成800亩的有机蔬菜精品示范园和2000亩的有机蔬菜生产示范基地，年产值达3000万元，实现劳动就业1000人以上。土建工程果蔬保鲜库(装配式冷库，恒温．2～5℃，容量4500t)4050m2；深水井(井深≥80m)1眼。建设期限：项目建设期限为6个月，2011年4月——2012年10月。投资结构及资金来源投资结构：建设1000吨果蔬保鲜库，总投资700万元。年经营收入525万元，年经营利润240万元，投资利润率36%，投资回收期3年。资金来源：企业自筹420万元，申请农业产业化发展专项补助资金280万元。社会效益：本项目采取“公司+合作社+基地+农户”的运营模式，以 合同 劳动合同范本免费下载装修合同范本免费下载租赁合同免费下载房屋买卖合同下载劳务合同范本下载 和信誉实现利益联结。公司统一为基地和农户提供良种、生产资料、技术服务以及必要作业服务，可以增强企业带动基地和农户的能力。项目可直接带动示范户2000户，从业农民2000人，辐射带动2500农户。每亩每年效益3500元左右，净增收2000元左右。累计增收540万元，户均增收5000多元。项目扩建，可新增就业岗位27个，其中安排农民就业22人。同时，蔬菜生产很多环节难以实现机械化作业，本身就是劳动密集型产业，项目实施，在壮大蔬菜支柱产业的同时，必将为农村富裕劳动力提供更多的就业岗位。1.3可行性研究报告编制依据1、《河南省财政厅、河南省农业厅关于印发(河南省农业产业化发展专项资金使用管理办法(暂行)>的通知》(豫财农[2010]29号)；2、《2011年度河南省农业产业化发展专项资金项目申报指南》；3、《中共南阳市委、南阳市人民政府关于大力推进农业产业化经营的意见》(宛发[2005]1号)；4、批准的项目建议书和委托单位的要求；5、项目区的自然、地理、气象、水文、地质、经济、社会、环保等基础资料；6、有关行业的工程技术、经济方面的规范、标准、定额资料，以及国家正式颁发的技术法规和技术标准；7、国家颁发的评价方法与参数，如国家基准收益率、行业基准收益率等。8、有关食品速冻蔬菜加工技术规程；9、现场勘查资料和项目建设单位提供的其他材料。1.4综合评价项目建设的必要性、可行性实施蔬菜速冻加工项目，符合国家调整产业结构，转变经济增长方式，加强农产品冷链建设，提高农产品附加值，加快产业化发展进程的产业政策，是依托区域资源优势，发展县域经济的正确选择。是农业生产的必要延伸，也是农产品加工业的重要内容，更是农产品进入消费渠道的必要环节，这对完善农业产业链条，提高农业产业化经营水平和效益具有重要作用。近年来，食品安全问题备受关注，已成为食品生产、加工、流通各个环节必须认真面对和解决的首要问题。蔬菜速冻加工，首先是其原材料质量安全可靠，这就要求必须建立相应的无公害蔬菜生产基地，必然会优化蔬菜种植结构和品种结构，提高产品品质。同时，由于实施标准化生产，产品符合无公害食品标准，进而有利于实现优质优价，农民增收的目的。建设1000t果蔬冷藏保鲜库，可以为农户生产的特色果蔬提供较长时间的保鲜冷藏服务，避免果蔬收获季节价低卖难问题，期待在果蔬市场供应紧缺、价格理想阶段随时出售，进而获取最佳效益。通过推广新品种、新技术、新模式、新材料，严格按照国际上无公害绿色蔬菜生产的要求，控制蔬菜农药残留，严格控制农药品种的选择、采购和使用，并按照食品安全管理体系、质量管理体系规范进行生产加工，可以有效保护生态环境，实现农业的可持续发展。本项目采取“公司+基地+农户”的运营模式，公司统一为基地和农户提供良种、生产资料、技术服务以及必要作业服务，农户必须按照公司制定的技术规程进行管理。公司对农户生产的合格蔬菜实行保护价合同收购，一方面，可以充分保证公司按 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 生产经营所需原料数量和质量，另一方面也将增强企业带动基地和农户的能力。总之，该速冻蔬菜项目的实施，有良好的政策环境。产品结构符合国家的农业产业化政策，有利于加速地方的农业产业化进程。利用当地资源，推动结构调整，开发特色产品，采用与国际需求配套的加工技术进行深加工，面向国际、国内市场，从而达到农业增效、农民增收、企业增值、国家增税，促进地方经济发展的多重效益。项目区自然条件优越，基础设施配套完善，政策、资源、科技支撑条件充分，完全能够保证项目顺利实施。项目单位生产管理经验丰富，项目产品市场信誉良好，市场前景广阔，经济效益和社会效益显著。因此，项目建设也是可行的。风险评估项目运营中存在的风险因素主要有：1、技术风险：在蔬菜新品种引进、推广和速冻蔬菜加工过程中，偶尔会出现技术性风险。但上述技术系成熟技术，来源可靠，这类风险出现的几率很低，不至于对项目运营产生重大影响。2、市场风险：随着销售市场竞争力度加剧，销售利润率将不会有太大的增长空间，可能会给经营带来一定的影响。原材料市场价格及产品现售价格变动会给项目实施带来一定风险。3、自然灾害和不可预见的风险。极端高温、低温、洪涝等自然灾害可能会对项目运行产生一定威胁。需建立行之有效的预警机制予以规避。带动作用项目直接带动种植户1000个，直接带动就业1000人，间接带动1500个农村劳动力就地创业致富。制约因素与解决方案项目单位长期从食品、蔬菜速冻加工，积累了丰富经验，建立了生产技术规范和比较完善的 管理制度 档案管理制度下载食品安全管理制度下载三类维修管理制度下载财务管理制度免费下载安全设施管理制度下载 ，可以保证项目的成功实施。但是，公司向农户供应良种等生产资料后，由于生产条件和管理水平的差异，部分农户可能会不按标准和规定去做，从而可能会出现产品产量、质量下降，效益不高等问题，制约蔬菜产业化健康发展。为此，拟加强技术培训、推广等技术服务，并强化督导工作。结论与建议冷库是发展冷藏业的基础设施，也是在低温条件下贮藏货物的建筑群。食品保鲜主要以食品冷藏链为主，将易腐畜禽、水产、果蔬、速冻食品通过预冷、加工、贮存和冷藏运输，有效地保护食品的外观、色泽、营养成份及风味品质，达到食品保质保鲜、延长食品保存期的目的，起到调剂淡旺季市场需求，并可为种养户提供保值储藏，减少生产与销售过程中经济损耗的作用。随着市场经济的不断发展，现代物流的不断完善，食品冷藏链的产业化发展前景十分广阔。该项目符合国家农业产殖户业项目立项要求，符合当地经济发展需要，且技术可靠，建设条件充分，设计方案科学，产品性能好，经营风险小，经济效益和社会效益显著，辐射带动功能较强，发展前景广阔。因此，项目切实可行，建议立项实施。第二章背景及必要性2.1项目区社会经济状况区辖9个乡镇，6个办事处，293个行政村(居委会、社区)。全区总人口83.29万人，其中农业人口57.54万人，农村劳动力37万人，耕地面积93万亩，规模以上工业企业75个。2010年，全区生产总值89.1亿元，其中：第一、二、三产业完成增加值分别为23.1亿元、37.4亿元、28.6亿元。地方财政一般预算收入2.46亿元，城镇居民人均可支配收入14718元，农民人均纯收入5533元。全年全社会固定资产投资59.5亿元，消费品零售总额66.2亿元，对外贸易出口总值371万美元，完成外商投资1166万美元。全区粮食种植面积98.63万亩，其中小麦60.87万亩；油料种植面积10.17万亩，蔬菜种植面积39.62万亩。全年粮食产量38.1万吨；油料产量2.2万吨，蔬菜产量112.5万吨；肉类总产量2.8万吨；禽蛋产量1.2万吨；奶牛产量7.6万吨。2.2本行业及关联产业发展现状农产品加工业的现状中国是一个人口众多的农业大国，目前已具备生产5亿吨粮食、4亿吨蔬菜、5000多万吨水果、5000多万吨肉类、3500万吨水产品和2000多万吨油料的能力。中国粮食人均占有量已超世界平均水平，小麦、水稻、水果、蔬菜、肉和蛋等主要农产品产量位居世界第一。改革开放以后，随着农业的快速发展和城乡居民收入水平的逐步提高，农产品加工发展明显加快。特别是“九五”以来，农业和农村进入新入新的发展阶段，农产品加工业得到迅猛发展。农产品加工业对支撑农业发展和竞争、保证农民收益、调整与优化农村经济结构、提高农业质量和效益、增加就业等方面发挥了积极作用，农产品加工业已成为国民经济的支柱产业。与此同时，主要农产品相对过剩现象也日益突出，从而严重影响了农民收入的增加和农村市场的繁荣，以致成为现阶段农业发展的首要问题，也是实现中国由农业大国向农业强国转变的“瓶颈"。在主要农产品由卖方市场转为买方市场后，人们对基本农产品的直接消费趋于下降，而对农产品的优质化和品种的多样化提出了更高要求。中国农产品加工能力低下与人们日益丰富的消费需求的矛盾日益突出。中国人均粮食400kg，仅是美国人均粮食的1／3，然而却出现销售不旺和农民收入锐减的严重局面，关键问题是加工能力的制约。中国农业发展进入新的阶段，迎接入关后的激烈国际竞争，提高农产品的附加值和增加农业的整体效益，成为农业发展的首要任务，需要农产品加工业能有较大的发展，承担起引导农业产业结构调整、增强国际竞争力和增加农民收入的伟大重任。从农产品的总产量来看，中国主要农产品如粮食、水果、肉类和奶类等已位居世界首位，成为名副其实的农业大国。但从农产品加工产值和出口创汇等指标分析，与世界先进水平相比存在较大差距。蔬菜保鲜发展现状1蔬菜保鲜冷库的历史背景蔬菜中含有丰富的维生素、纤维、碳水化合物，是人们日常生活中必不可少的食物。一些领土较小的国家如日本、韩国以及东南亚等国家和地区为了满足对蔬菜的需求，不得不依赖于进口贸易。这些国家和地区的主要蔬菜进口国就是中国。我国蔬菜出口居世界第五位。蔬菜在我国农业发展中具有独特的优势和地位，是种植业中最具活力的经济作物之一。我国的蔬菜出口从20世纪90年代以后逐年增加，特别是1993年后，蔬菜出口量逐年增长。据海关统计，目前我国的蔬菜出口量仅次于西班牙、意大利、美国和荷兰，是世界第五大蔬菜出口国。我国蔬菜出口最大的市场是亚洲，占出口量和出口额的70%以上，其中日本又是最主要的市场，约占蔬菜出口总量的三分之一，是我国蔬菜出口最主要的贸易伙伴。但是2005年以来，我国对美国、韩国和马来西亚的蔬菜出口增长迅速，东盟国家也是我国蔬菜出口贸易的重要伙伴。在东盟各成员国中，我国蔬菜主要输往马来西亚和印度尼西亚，分别占我国对东盟出口蔬菜金额的42.59%和26.27%。有资料表明，我国蔬菜生产成本低，市场价格相当于发达国家的五分之一至八分之一。相比之下，我国洋葱、胡萝卜、生姜、蒜薹生产成本较低，国内菜价约为国外的几分之一甚至十几分之一，具有较强的价格竞争力。而且，有丰富的洋葱、胡萝卜、生姜、蒜薹资源和良好的自然条件，可以一年四季周而复始地供货，为出口贸易创造了良好的基础条件。二是出口国种植面积减少，货源紧张。三是贮藏条件及技术日益完善。2蔬菜保鲜冷库的作用?目前，最常见的蔬菜保鲜技术就是冷库保鲜，利用冷库可延长蔬菜的保鲜期，减少蔬菜因熟化程度过快而造成的损失。从而使蔬菜的呼吸作用减慢，达到较长时间保鲜目的。冷库贮藏蔬菜必须先预冷，利用休眠现象防止蔬菜采后发芽，并且能保持其生命活性，防止失水、失重、失鲜，抑制蔬菜的呼吸作用.（1）????把好预冷关蔬菜预冷是蔬菜产品保鲜的重要环节，如果达不到预冷的温度指标即出库销售，很可能会造成产品尚在运输途中就变质腐烂，带来严重的经济损失。手心要求预冷库的容积充足，即库容和产量要配套，否则若量大于库，就会造成很大的损失，一般的重量标准是每平方米冷库可预冷250—500公斤产品，即叶菜类在500公斤以内，这要依具体品种而定。时间标准是崽小时左右达到预期效果。温度标准是：产品中心温度1—10℃不等，因品种而定，以不受冻害为标准。（2）????把好运输关若产品全部是运往广州、上海、武汉等大市场销售。运输时间长，一般都在20—48小时之间，因而在产品装车时，一定要用薄膜及保温被保护好产品，薄膜要做到及时严密封口，应尽量减少冷气散发，确保产品保鲜，运输车辆必须车况良好，要确保在规定时间内到达销售市场。（3）????蔬菜保鲜冷库的重要意义：近几年来，中国的老百姓种菜，已经不仅仅是满足自己所需，今天，我们从地里采摘出来的新鲜蔬菜，明天就有可能通过冷库保鲜技术已经到了它的销售地———日本或者韩国。蔬菜销售流转速度的加快以及保鲜技术水平的提高，给菜农带来了可观的收入。?目前，我国蔬菜播种面积占世界总面积的三分之一以上，产量约占世界总产量的67%，大力发展我国蔬菜出口有助于缓解我国蔬菜市场的供求矛盾和解决农村剩余劳动力问题，促进我国经济的发展。据海关统计，鲜冷冻蔬菜占蔬菜总出口量的50%以上，其次为加工保鲜蔬菜和干蔬菜。蔬菜出口以沿海、沿边的省市为主，出口的主要产品是蘑菇冻罐头、竹笋罐头以及鲜冷冻蒜头、芦笋、洋葱、胡萝卜、白萝卜、菠菜和马铃薯等20多类，出口以一般贸易为主要方式。国际市场蔬菜需求量加大我国蔬菜生产成本低，市场价格远低于发达国家，是加入世贸组织后的优势类农产品之一。但目前我国蔬菜的国际竞争力仅停留在价格上，其品种、产后处理、质量和安全性等方面与发达国家还存在一定的差距，应充分提高国内蔬菜的加工水平和商品品质。2.3项目建设的必要性从市场前景看其必要性该项目的实施，对促进宛城区农产品加工、运输业的快速发展，带动周边其他行业的发展具有重要作用。该冷库年处理蔬菜3000吨，预计年经营收入240万元左右，3年可收回全部投资。从节能减排、可持续发展角度的必要性通过推广新品种、新技术、新模式、新材料，严格按照国际上无公害绿色蔬菜生产的要求，控制蔬菜农药残留，严格控制农药品种的选择、采购和使用，并按照食品安全管理体系、质量管理体系规范进行兔肉生产加工，可以有效保护生态环境，实现农业的可持续发展。从解决企业自身存在的问题、增强带动能力角度的必要性本项目采取“公司+基地+农户”的运营模式，公司统一为基地和农户提供良种、生产资料、技术服务以及必要作业服务，农户必须按照公司制定的技术规程进行管理。公司对农户生产的合格蔬菜实行保护价合同收购，一方面，可以充分保证公司按计划生产经营所需原料数量和质量，另一方面也将增强企业带动基地和农户的能力。总之，该蔬菜保鲜项目的实施，有良好的政策环境。产品结构符合国家的农业产业化政策，有利于加速地方的农业产业化进程。利用当地资源，推动结构调整，开发特色产品，采用与国际需求配套的加工技术进行深加工，面向国际、国内市场，从而达到农业增效、农民增收、企业增值、国家增税，促进地方经济发展的多重效益。第三章项目选址与建设条件3.1项目地点选择选址原则：根据工农结合、城乡结合、有利生产、方便生活的原则进行选址，选定在项目地址有以下好处：(1)附近没有易燃、易爆和排放有害气体、有害粉尘的工厂。(2)该地区邻312国道，交通十分便利，对于产品的销售十分有利。(3)厂址地形平坦、地质较结实，又不易受洪水淹没。(4)远离居民点,具备建设环保节能型农产品储藏加工冷库的条件。地理位置及具体建设地点：地理位置：位于河南省南阳市宛城区溧河乡袁老家村，距南阳市城区10公里，距双铺高速口1公里，距新建蔬菜批发市场2公里。3.2建设条件自然条件：宛城区属于亚热带季风型大陆气候，四季分明，光热条件好，全年平均气温14.9℃，日照时数2116小时，无霜期229天，年均降水量805mm，区域内地势平坦，土地肥沃，水资源丰富。年均水面蒸发量226.7mm，年均风速1.9米／秒，相对湿度74％。项目区自然条件和资源条件适宜农业，特别是蔬菜生产。政策、资源、科技支撑条件当地政府围绕项目或相关产业出台的相关政策：2005年，南阳市出台《中共南阳市委、南阳市人民政府关于大力推进农业产业化经营的意见》(宛发[2005]1号)，指出要牢固树立扶持龙头企业就是扶持农民的思想，把培育龙头企业放在推进产业化经营的核心位置，倾力打造南阳农产品加工业的产业群体。为了加快蔬菜产业化进程，规划在城镇近郊和集中产区建立450万亩蔬菜基地，总产量达到850万吨。南阳市政府、宛城区政府近年来制定了一系列鼓励、扶持农业产业化发展的政策措施。宛城区还把蔬菜产业作为全区的支柱产业，在无公害蔬菜基地建设、新品种新技术推广、蔬菜专业协会(合作社)发展以及蔬菜加工、流通等方面进行重点扶持。目前宛城区已形成万亩以上蔬菜基地4个，5000亩规模以上的特色蔬菜基地10余个，涉及土豆、小辣椒、包菜、西红柿、豆角等14个品种。项目所涉及的资源量、品质、价格情况及其对项目的影响：近年来，项目单位通过采取“公司+农民专业合作社+基地+农户”的经营模式，已在宛城、社旗、新野、淅川等地发展各种特色蔬菜示范基地8个，总面积4000多亩，能够满足项目加工的需求。项目单位已经并将继续与农户签订种植合同，实行“统一供种、统一机耕、统一供肥、统一病虫害防治”等措施进行蔬菜无公害、标准化生产，所产蔬菜品质优良，符合无公害蔬菜产品标准，这是保证项目产品质量的基础和关键环节。项目所带动的蔬菜生产基地生产条件优越，技术先进，生产经验丰富，产量和价格比较稳定，因此对项目运营不至于产生重大影响。企业技术研发力量、相关成果与项目的关联情况：项目单位成立了以陈更云为组长的技术研发小组，现有食品加工工程师2名，中专以上科研人员7名，技术研发力量雄厚，经验丰富，完全有能力承担速冻果蔬加工技术研发工作任务。2009年注册了“秋田牌”商标，有利于项目产品市场发掘。基础设施条件宛城区区位优越。焦枝线、宁西线在区内十字交汇。312国道、207线、209线、豫01线、豫02线和许(昌)南(阳)高速公路、南(阳)襄(樊)高速公路纵横全区。飞往郑州、北京、广州等地的航班架起了空中桥梁。各种通讯设施和互联网沟通五洲四海。穿越境内的“南水北调"中线工程正在建设中。全区尽在华中电网的覆盖下，有三条超高压环形电力输电线路过境，鸭河火电厂、蒲山电厂也以并网发电。发达的交通、先进的通讯、充足的电力为宛城区发展工农业提供了得天独厚的条件。项目建设地点位于宛城区，水、电、路等基础设施配套完善，完全能够保障项目实施。第四章市场分析与销售方案4.1市场分析市场供求现状及前景分析(1)项目产品国内外市场供求状况和销售价格，同类产品生产企业布局、生产能力和销售情况分析：美国是世界上速冻食品产量最大、花样品种最多、人均消费最高的国家，速冻食品的年产量达2000万吨，品种近3000种，人均占有量60公斤以上；欧洲市场也是世界速冻食品消费的主要市场，消费量远超过1000万吨，人均占有量30公斤；日本是亚洲速冻食品消费的第一大市场，年消费量300多万吨。速冻食品是食品业的主要组成部分，全球速冻食品主要分布在欧洲和亚太地区。全球速冻食品的市场份额欧洲为46.1％，亚太地区25.4％，美国22.1％，其他地区6.4％。由于速冻食品具有营养价值高、卫生、方便、快捷等特点，正被世界各国特别是发展中国家的人民所接受。全球速冻食品的市场总量逐年增加，2003年就达92076.4百万美元，而且以3.4％的年均增长速度增长。我国速冻食品起步于20世纪80年代，经历了快速发展和价格大战，目前已经成为食品行业最具竞争力的领域。2006年，中国速冻食品制造行业实现工业总产值156.01亿元，同比增长40.58％；实现利润总额8.48亿元，同比增长85.09％。2007年1-11月，中国速冻食品制造行业实现累计工业总产值174.53亿元，同比增长29.93％；2007年实现累计利润总额8.100亿元，同比增长22.66％。对速冻食品行业来讲，整个行业逐步加大产品的技术含量和加强产品的市场细分，加之人民收入水平的不断提高，可以预测，在未来10年内，速冻米、面食品行业将进入一个高速发展期，完成由新兴行业向成熟朝阳行业的转换和过渡。速冻米、面食品加工领域的利润率主要取决于产业规模、生产管理以及产品利润等几方面。在经历了几年的市场争夺战和价格战后，各厂家都把扩大市场份额的战略计划放在了提升产品品质和完善各档次产品结构两方面。同时，对传统节日的时令产品销量逐年增加的喜人数字，也使各企业把节日产品作为争取更多销量的热点产品。所以，速冻食品必将成为国民餐桌上的主角。(2)项目产品的目标市场、市场需求、市场前景：速冻食品是在-25℃以下迅速冻结，然后在-18℃或更低温度条件下贮藏运输、长期保存的一种新兴食品。据统计：目前发达国家人均年消费冷冻食品一般在20公斤以上，并以30％的速度递增。速冻食品已成为当今世界上发展最快的食品之一。自1999年起的连续三年，全国连锁超市中销售的食品日用品中，速冻食品销售额均名列第一。因其迅速发展的态势，速冻产业被誉为食品行业的朝阳产业。由于城镇居民消费水平和消费观念的提升，为无公害蔬菜的发展带来巨大的市场空间，随着城市超市化进程的加速，特别是大中城市生活观念转变和生活节奏的加快，同时为配餐提供广阔的市场前景。速冻食品企业面临的挑战与机会：1）生活水平提高和生活节奏加快为速冻食品提供市场空间。由于人民生活水平提高，生活节奏加快，电子化、微波化逐渐在城乡人民家庭生活中实现，冰箱、冰柜成了人们生活必需品，这些都为速冻食品的迅速发展提供了条件。速冻食品成为当今世界上发展最快的食品工业之一，近年来，其贸易量每年以10％～30％的速度递增。目前世界速冻食品总产量超过6000万吨，品种3500种左右。我国速冻食品的真正发展是在最近10几年，这个阶段，从1995年起，我国速冻食品的年产量每年以20％的幅度递增，成为90年代发展最快的食品加工业，速冻食品年产量接近1000万吨。2)城市超市化的转变，加速了速冻产业的发展。中国的城市超市化进程是从连锁超市开始的。96年以前，连锁超市基本以便利店形态出现，出售的商品以食品和日常生活用品为主，面积一般在几十平方米，很少超过500平方米，当时的商品流通基本以批发为主，超市化进程处于萌芽、成长期，对食品生产商影响较小。但在96年以后，城市超市业态发生极大变化。随着国外零售商业巨头的进入和国内商业企业的崛起，3000—20000平方米的大超市(卖场)在省会级城市随处可见。特别是世界排名前三位的零售企业家乐福、沃尔玛、万德龙的大规模进入，加速了中国商品流通业态的变革，改变了城市消费者原有的购物方式，转向超市化购物。3)超市化对食品流通渠道的影响。城市超市化进程是因为能满足城市消费者的购物需求而得到城市