负荷的异常数据能够被识别和修正，其理论依据是（）。A、电力负荷的规律性B、电力负荷在相邻时段之间具有连贯性C、电力负荷的随机性D、时间相近、天气条件相似和日期类型相同的相似日具有近似相同的日负荷曲线

参考答案：错误

答案：A

解析：

正确答案：A
解析：BSP方法研究步骤为：开始阶段；定义企业过程；定义数据类。所以A)正确。

参考答案：A

正确答案：C
解析：人们在收集、分析和处理大批数据时常会遇到零星异常数据(野点、离群点)，这些异常数据可能是由于测量误差、输入错误或程序运行错误产生的，也可能是由偏离系统正常状态的故障引起的，还有可能是出现了出乎意料的情况，甚至是发生了人们尚未认识清楚的现象。
  有时，个别异常数据对大批数据的某些统计量影响不大，中位数就是这样的统计量。它位于这批数据的中间位置，比它大的数与比它小的数一样多。对于奇数2n+1个数而言，按大小排序后，第n+1个数就是它的中位数，在它左边有n个数，在它右边也有n个数。对于己排序的偶数2n个数而言，它的中位数就等于第n个数与第n+1个数的平均数，它两边的数各有n个。即使这批数据中个别极端数增大很多或减小很多，中位数一般也不大变。因此人们常说，中位数是比较稳定地反映大批数据的代表值，不易受极端异常数据的干扰。算术平均值则更容易受异常数据的影响，算术平均值中体现了所有各数的作用(贡献)，包括好的作用及破坏作用。
  在处理大批数据时，有时个别异常数据的破坏作用非常大。例如，用最小二乘法进行线性拟合时，对于某些正常的数据可以得到比较符合实际的拟合直线；但如果其中有少数点(可能因为输入错误)发生了严重错误(大大脱离了群体)，那么拟合的结果就会发生严重失真。由于拟合直线顾及了这些异常数据，结果被个别害群之马拉偏了方向，脱离了轨道，做出了完全没有实际意义的结果。
  对于出错的数据，我们需要尽快将其找出来，修正或删除它。错误严重的数据即使数量不多，对数据处理的危害也会很大。然而，异常数据还可能不是错误的数据。我们不能简单地删除它，需要认真研究分析，再进行特殊的处理。
  居里夫人在做物理实验时，发现了少量严重偏离轨道的射线，从而发现了X射线。
  电信部门在计算电话费用时发现个别客户有异常高的费用，经认真调查分析，发现了盗用电话号码的犯罪分子。
  某医院对某单位进行了普遍体检，发现某人的某种指标高得惊人，他们并没有简单地认为一定是仪器出了故障，而是经过认真分析，再进一步检查，发现了世界上非常特殊的一种疾病，还研究出了治疗方法，取得了重大的科研成果。
  某单位在检测某系统的运行的过程中，有一天突然发现了异常数据。由于对异常数据的重视，经过分析，他们查出了系统的故障，避免了给单位造成大的损失。
  所以，异常数据不一定是错误数据，可能具有特殊的意义，可能含有有用的信息，还可能隐含大的商机，也有可能含有发现新知识、新现象的线索。我们一定要认真分析，不能简单地将其删除(舍去)。
  现在兴起了多种方法进行异常数据的检测、剔除与修正，例如基于统计模型的方法、基于距离的检测方法、神经网络方法和支持向量机方法等，我们应重视异常数据的挖掘。