基于商空間的氣象數(shù)據(jù)挖掘研究.pdf

1、數(shù)據(jù)挖掘，是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程。目前對(duì)于數(shù)據(jù)挖掘技術(shù)的研究越來越多，并且已在多個(gè)領(lǐng)域中應(yīng)用，其應(yīng)用范圍涉及銀行、電信、保險(xiǎn)、交通等諸多領(lǐng)域。分類和預(yù)測是數(shù)據(jù)挖掘領(lǐng)域中兩種重要的數(shù)據(jù)分析形式，可以用于提取描述重要數(shù)據(jù)類的模型或預(yù)測未來的數(shù)據(jù)趨勢。本文將分類和預(yù)測等數(shù)據(jù)挖掘方法應(yīng)用于農(nóng)作物的產(chǎn)量預(yù)測，是對(duì)氣象數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘的應(yīng)用和

2、研究。預(yù)測農(nóng)作物產(chǎn)量的變化對(duì)政策宏觀調(diào)控和區(qū)域結(jié)構(gòu)調(diào)整都有著十分重要的意義。 為了更加有效的進(jìn)行氣象數(shù)據(jù)挖掘，本文引入了商空間粒度計(jì)算理論、灰色模型、構(gòu)造性機(jī)器學(xué)習(xí)算法等。粒度計(jì)算理論是信息處理的一種新的概念和計(jì)算范式，覆蓋了所有有關(guān)粒度的理論、方法、技術(shù)和工具的研究，現(xiàn)已成為人工智能領(lǐng)域研究的熱點(diǎn)之一。目前國際上三大粒度計(jì)算模型為模糊集、粗糙集以及商空間理論。商空間理論模型是由張鈴、張鈸教授提出的，該理論使用粒度的觀點(diǎn)分析描述

3、世界，從不同粒度層次對(duì)事物進(jìn)行分析使認(rèn)識(shí)更加全面合理，而且可以降低問題的計(jì)算復(fù)雜性。例如啟發(fā)式搜索、路徑規(guī)劃等問題的應(yīng)用實(shí)例都反映了該理論框架的實(shí)際應(yīng)用價(jià)值。灰色系統(tǒng)預(yù)測模型是通過時(shí)序數(shù)據(jù)累加生成的模塊建立起來的，濾去原始序列中可能混入的隨機(jī)量，從上下波動(dòng)的時(shí)間序列中尋找某種隱含的規(guī)律性，得到隨機(jī)性弱化而規(guī)律性強(qiáng)化了的新數(shù)列，挖掘出原始序列的內(nèi)在特征。而構(gòu)造性機(jī)器學(xué)習(xí)方法，其主要特點(diǎn)是對(duì)給定的具體的數(shù)據(jù)處理過程中，同時(shí)給出網(wǎng)絡(luò)的結(jié)構(gòu)和參

4、數(shù)。即所得到的結(jié)構(gòu)是在處理數(shù)據(jù)過程中逐步構(gòu)造的，而不是在學(xué)習(xí)之前事先給定的。 本文的主要工作： (1)概述了粒度計(jì)算理論的發(fā)展和基本模型，重點(diǎn)介紹了商空間粒度計(jì)算理論框架及構(gòu)造性機(jī)器學(xué)習(xí)算法(覆蓋算法)。 (2)研究了氣象數(shù)據(jù)挖掘(農(nóng)作物產(chǎn)量預(yù)測)的幾種主要模型的原理和實(shí)現(xiàn)，并且針對(duì)農(nóng)作物產(chǎn)量預(yù)測的特點(diǎn)，由基本單產(chǎn)預(yù)測模型，農(nóng)作物的產(chǎn)量可以分解為趨勢產(chǎn)量和氣象產(chǎn)量，趨勢產(chǎn)量可以反映社會(huì)生產(chǎn)力因素對(duì)農(nóng)作物產(chǎn)量的作用

5、，而氣象產(chǎn)量則是反映氣象變化對(duì)農(nóng)作物產(chǎn)量的影響，通過二者的結(jié)合能夠更好的進(jìn)行產(chǎn)量預(yù)測，提高預(yù)測的準(zhǔn)確率，因此本文重點(diǎn)研究了針對(duì)趨勢產(chǎn)量和氣象產(chǎn)量的不同組合模型。 (3)針對(duì)當(dāng)前預(yù)測模型的不足，采用了一種新的氣象數(shù)據(jù)挖掘組合模型，即首先采用張鈴教授提出商空間粒度計(jì)算模型對(duì)氣象數(shù)據(jù)(光、溫、水等氣象因子)進(jìn)行分層次的多粒度分析，構(gòu)造氣象產(chǎn)量預(yù)測的商空間模型，利用商空間理論中的性質(zhì)及定義，對(duì)分層后不同粒度的復(fù)雜氣象特征時(shí)間序列進(jìn)行集成

6、，使氣象數(shù)據(jù)的特征更為明確，以更好的進(jìn)行機(jī)器學(xué)習(xí)。對(duì)于趨勢產(chǎn)量的預(yù)測，文中采用的是灰色模型GM(1，1)，而氣象產(chǎn)量的預(yù)測則是構(gòu)造性機(jī)器學(xué)習(xí)方法(覆蓋算法)，通過二者的結(jié)合能夠取長補(bǔ)短提高作物的產(chǎn)量預(yù)測準(zhǔn)確率。 (4)通過對(duì)于安徽省五個(gè)具體地區(qū)的冬小麥產(chǎn)量預(yù)測試驗(yàn)，可以分析出基于商空間的組合模型具有更好的預(yù)測效果。 本文研究的產(chǎn)量預(yù)測模型是氣象數(shù)據(jù)挖掘的重要研究領(lǐng)域之一，同時(shí)也是數(shù)據(jù)挖掘中分類預(yù)測方法的一個(gè)典型應(yīng)用，而且