基于数据仓库的气象干旱指标挖掘研究与实现
摘要
河南作为一个农业大省,干旱对经济,特别是农业生产的影响很大。干旱程度是对农作物生长形势研判的一个重要指标。在河南农业气象研究中,主要利用土壤相对湿度干旱指标来判定干旱程度。它是在测量土壤湿度后,计算相对湿度所得。目前,河南省气象部门测量土壤湿度是采用人工取土烘干称重的方法,工作量大,频次少,不利于对农作物生长形势的判定及农气研究。
多年来,河南省气象部门积累了大量的气象观测数据。如何综合利用这些信息,进行土壤相对湿度判定,为河南农业发展服务,是气象服务工作中的一个急需解决的问题。本文对此进行了比较详细的研究与实践,主要研究内容和创新点如下:
1.分析了国内外数据仓库、数据挖掘技术现状和河南气象档案业务发展情况,根据河南实际情况和本文干旱指标挖掘研究需要,设计并初步建设了河南气象数据仓库。2.研究土壤相对湿度干旱指标的估测方法,首次利用BP神经网络和RBF神经网络分别对该指标进行了挖掘,形成了土壤相对湿度干旱指标挖掘模型,并利用模型对河南干旱情况进行了评估。
Drought has an affect on the economy, especially great on agriculture in Henan, which is abig agricultural province. Drought grade is a key index to judge the crop growth. Soil RelativeHumidity Drought Index is mainly used to evaluate the soil drought grade in agrometeorologicalresearch in Henan. It is the result of soil absolute humidity after calculating soil humility. Atpresent in Henan meteorological department, the soil drought grade is evaluated by digging,drying and weighting soil, and the method is burdensome and of low frequency, so it is notenough for the agriculture research and crop growth estimation.
For years, plenty of meteorological data are accumulated in Henan meteorologicaldepartment. Finding a way of estimating the soil relative humidity drought index with the data toserve the agriculture development of Henan is the goal of this thesis.The main works and creations are as the followings:
1. By analyzing the status of data warehouse and mining technique and meteorologicalrecord development, Henan meteorological data warehouse is designed and preliminaryconstructed according to the situation in Henan and the research of drought index mining in thepaper.
2. BP neural network and RBF neural network is firstly used to research soil relativehumility drought index and a soil relative humility drought index mining model is formed andused in estimating drought grade in Henan.
多年来,河南省气象部门积累了大量的气象观测数据。如何综合利用这些信息,进行土壤相对湿度判定,为河南农业发展服务,是气象服务工作中的一个急需解决的问题。本文对此进行了比较详细的研究与实践,主要研究内容和创新点如下:
1.分析了国内外数据仓库、数据挖掘技术现状和河南气象档案业务发展情况,根据河南实际情况和本文干旱指标挖掘研究需要,设计并初步建设了河南气象数据仓库。2.研究土壤相对湿度干旱指标的估测方法,首次利用BP神经网络和RBF神经网络分别对该指标进行了挖掘,形成了土壤相对湿度干旱指标挖掘模型,并利用模型对河南干旱情况进行了评估。
Drought has an affect on the economy, especially great on agriculture in Henan, which is abig agricultural province. Drought grade is a key index to judge the crop growth. Soil RelativeHumidity Drought Index is mainly used to evaluate the soil drought grade in agrometeorologicalresearch in Henan. It is the result of soil absolute humidity after calculating soil humility. Atpresent in Henan meteorological department, the soil drought grade is evaluated by digging,drying and weighting soil, and the method is burdensome and of low frequency, so it is notenough for the agriculture research and crop growth estimation.
For years, plenty of meteorological data are accumulated in Henan meteorologicaldepartment. Finding a way of estimating the soil relative humidity drought index with the data toserve the agriculture development of Henan is the goal of this thesis.The main works and creations are as the followings:
1. By analyzing the status of data warehouse and mining technique and meteorologicalrecord development, Henan meteorological data warehouse is designed and preliminaryconstructed according to the situation in Henan and the research of drought index mining in thepaper.
2. BP neural network and RBF neural network is firstly used to research soil relativehumility drought index and a soil relative humility drought index mining model is formed andused in estimating drought grade in Henan.
引文
[1]朱明.数据挖掘.北京:中国科学技术大学出版社,2008,11.
[2]石丽,李坚.数据仓库与决策支持.北京:国防工业出版社,2003.
[3][美]PaulrajPonnia著,段云峰李剑威韩浩宋美娜译.数据仓库基础.北京:电子工业出版社,2004.
[4]数据挖掘概念与技术.韩家炜,堪博著,范明,孟小峰译.北京:机械工业出版社,2007,3
[5]河南省农业厅种植业管理处.河南省农业和粮食生产有关情况[EB/OL].2008-05-15,http://www.agri.gov.cn/ztzl/xnc/fzlssc/t20080515_1040663.htm.
[6]冯平.干旱灾害的识别途径.自然灾害学报[J],1997,3:41-47.
[7]陈京民等.数据仓库与数据挖掘技术.北京:电子工业出版社,2002.
[8]张春阳,周继恩等.基于数据仓库的决策支持系统的构建.计算机工程,2002,4:3-4.
[9]徐立臻,谢鸿强等.数据仓库系统中源数据的提取与集成.小型微型计算机系统,2003,5:10-11.
[10]蒋良孝,蔡之华.基于数据仓库的数据挖掘研究.计算机技术与自动化,2003,9:8-9.
[11]李琪,白英彩.数据仓库中维的建模和查询.计算机研究与发展,2002,5:12-14.
[12]中国气象局.中国气象事业发展战略.北京:中国气象出版社,2004.
[13]许松,花灿华,气候资料信息处理系统展望[J].南京气象学院学报,2000,23(1):139-144.
[14]朱德利.SQLSERVER2005数据挖掘与商务智能完全解决方案.北京:电子工业出版社,2007.
[15]JiaweiHan.数据挖掘概念与技术[M].北京:机械工业出版社,2002.61-63.
[16]李光焰.数据仓库中元数据分类及管理系统研究进展分析[J].情报科学,2004,7:11-16.
[17]JohannesGehrke,VenkateshGanti,RaghuRamakrishnanandWei-Yin Loh.BOAT,Optimistic Decision Tree Construction. In proceeding of the 1999 ACM SIGMODInternationalConferenceonManagementofData,Philadelphia,Pennsylvania,May1999:45-55.
[18]张最良,李长生,赵文志,丁富力.军事运筹学.北京:军事科学出版社,1992..
[19]黄静.神经网络模型在股票预测上的应用.人工智能及识别技术[J],2007,3:225-226.
[20]张凤明,徐满华.RBF人工神经网络在工程项目风险预测中的应用[J].工程建设,2003,7:47-50.
[21]邱秀梅,姜德贵.边坡岩体稳定性的RBF人工神经网络预测模型.山东大学学报M],2007,1:601-604.
[22]章锡俏,盛洪飞,姚艳雪.基于RBF神经网络的不利天气道路通行能力计算.交通与计算机,2007,11:21-27.
[23]KarenElizabethRendek,BusRapidTransitTheB-lineservice,atransitinnovationforgreatvancouve2002, TheUniversityofcagary,Canada.
[24]韩力群.人工神经网络教程.北京:北京邮电大学出版社,2006,12.
[25]陆阳,韩江洪,高隽.二进神经网络隐元数据最小上界研究.模式识别与人工智能.2009,9(13):255-258.
[26]董长虹.Matlab神经网络与应用.北京:国防工业出版社,2007.
[27]冯定.神经网络家家系统.北京:科学出版社,2006.
[28]国标GB/T20481-2006.
[29]范佳妮,王振雷,钱锋.BP人工神经网络隐层结构设计的研究进展.控制工程,2005,12(SO):105~109.
[30]赵振宁.模糊理论和神经网络的基础与应用.北京:清化大学出版社,1996.
[2]石丽,李坚.数据仓库与决策支持.北京:国防工业出版社,2003.
[3][美]PaulrajPonnia著,段云峰李剑威韩浩宋美娜译.数据仓库基础.北京:电子工业出版社,2004.
[4]数据挖掘概念与技术.韩家炜,堪博著,范明,孟小峰译.北京:机械工业出版社,2007,3
[5]河南省农业厅种植业管理处.河南省农业和粮食生产有关情况[EB/OL].2008-05-15,http://www.agri.gov.cn/ztzl/xnc/fzlssc/t20080515_1040663.htm.
[6]冯平.干旱灾害的识别途径.自然灾害学报[J],1997,3:41-47.
[7]陈京民等.数据仓库与数据挖掘技术.北京:电子工业出版社,2002.
[8]张春阳,周继恩等.基于数据仓库的决策支持系统的构建.计算机工程,2002,4:3-4.
[9]徐立臻,谢鸿强等.数据仓库系统中源数据的提取与集成.小型微型计算机系统,2003,5:10-11.
[10]蒋良孝,蔡之华.基于数据仓库的数据挖掘研究.计算机技术与自动化,2003,9:8-9.
[11]李琪,白英彩.数据仓库中维的建模和查询.计算机研究与发展,2002,5:12-14.
[12]中国气象局.中国气象事业发展战略.北京:中国气象出版社,2004.
[13]许松,花灿华,气候资料信息处理系统展望[J].南京气象学院学报,2000,23(1):139-144.
[14]朱德利.SQLSERVER2005数据挖掘与商务智能完全解决方案.北京:电子工业出版社,2007.
[15]JiaweiHan.数据挖掘概念与技术[M].北京:机械工业出版社,2002.61-63.
[16]李光焰.数据仓库中元数据分类及管理系统研究进展分析[J].情报科学,2004,7:11-16.
[17]JohannesGehrke,VenkateshGanti,RaghuRamakrishnanandWei-Yin Loh.BOAT,Optimistic Decision Tree Construction. In proceeding of the 1999 ACM SIGMODInternationalConferenceonManagementofData,Philadelphia,Pennsylvania,May1999:45-55.
[18]张最良,李长生,赵文志,丁富力.军事运筹学.北京:军事科学出版社,1992..
[19]黄静.神经网络模型在股票预测上的应用.人工智能及识别技术[J],2007,3:225-226.
[20]张凤明,徐满华.RBF人工神经网络在工程项目风险预测中的应用[J].工程建设,2003,7:47-50.
[21]邱秀梅,姜德贵.边坡岩体稳定性的RBF人工神经网络预测模型.山东大学学报M],2007,1:601-604.
[22]章锡俏,盛洪飞,姚艳雪.基于RBF神经网络的不利天气道路通行能力计算.交通与计算机,2007,11:21-27.
[23]KarenElizabethRendek,BusRapidTransitTheB-lineservice,atransitinnovationforgreatvancouve2002, TheUniversityofcagary,Canada.
[24]韩力群.人工神经网络教程.北京:北京邮电大学出版社,2006,12.
[25]陆阳,韩江洪,高隽.二进神经网络隐元数据最小上界研究.模式识别与人工智能.2009,9(13):255-258.
[26]董长虹.Matlab神经网络与应用.北京:国防工业出版社,2007.
[27]冯定.神经网络家家系统.北京:科学出版社,2006.
[28]国标GB/T20481-2006.
[29]范佳妮,王振雷,钱锋.BP人工神经网络隐层结构设计的研究进展.控制工程,2005,12(SO):105~109.
[30]赵振宁.模糊理论和神经网络的基础与应用.北京:清化大学出版社,1996.