生态农业数据挖掘技术应用.pdfVIP

生态农业数据挖掘技术应用

1数据挖掘的定义和方法

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数

据中，提取出隐含在其中的、新颖的、未知的、但又有潜在有用的高

质量的信息。数据挖掘是面对应用的。它不仅是面对特定数据库的简

洁检索查询调用，而且要对这些数据进行微观和宏观的统计、分析、

综合和推理，发觉大事间的相互关联关系，利用已有的数据对将来的

活动进行猜测[4]。数据挖掘常用的技术有:统计分析技术，包括线性

分析和非线性分析、回归分析、规律回归分析、单变量分析、多变量

分析、时间序列分析、最近邻算法和聚类分析等技术[5]；学问发觉类

技术，包括人工神经网络、决策树、遗传算法、粗糙集、规章发觉和

关联挨次等。应用这些技术可完成对数据特征化区分，关联分析，分

类和猜测，聚类分析、演化分析等挖掘功能。在实际应用中，应结合

具体应用领域将多种技术相结合，以期获得最佳的挖掘质量和效果。

2数据挖掘实施过程

数据挖掘实施过程分为以下4个步骤[6]。

2.1数据定义和数据清洗

创建元数据，定义相关领域，填写空缺值、平滑数据噪声、识别删

除孤立点以及处理不全都数据。

2.2数据聚集和数据挖掘模型开发

集成多个数据库、立方体和文件的数据。对数据进行概化(用高层

1

次的概念代替低层次的原始数据)、规范化(将属性数据按肯定的比例

缩放到特定区间)、属性构造、数据归约(删除弱相关的属性、数据浓

缩)。选择学问发觉的方法，确定模型。

2.3数据挖掘

运用确定的数据挖掘模型，从数据中提取出用户需要的学问，用某

种特定的方式表示或使用常用的表示方式，以满足用户的需求，使数

据挖掘工作效用最大化。

2.4学问评估

学问评估包括解释、推演及模型调整。可将发觉的学问以用户需求

的方式进行表现，依据用户需求对过程中的某些处理阶段进行优化，

直至最大限度地满足用户的需求。

3生态农业

“生态农业”(EcologicalAgriculture)一词最初是由美国土壤学家

W.Albreche于1970年提出的。1981年英国农学家MWorhtington将

生态农业明确定义为“生态上能自我维持、低投入，经济上有活力,在

环境、伦理和审美方面可接受的小型农业”[7]。中国生态农业

(ChineseEcologicalAgriculture)具有深厚、古老的农业传统背景和基础，

有其本身肯定的发生进展过程,具有独特的共性,即不否定化肥、农药、

激素等的适当投入，追求技术和能量的高效，并具有劳力密集和技术

密集相结合的特征。中国生态农业是在传统农业的基础上进展起来的，

精耕细作、培肥地力、间套轮作、林粮间作、基塘种养、农牧结合等

传统农业精华与现代化技术相结合,逐步进展成为具有中国特色的农

2

业综合生产体系[8]。我国生态农业是综合运用了人与自然的关系原理,

以生态学、生态经济学、生物学、社会学等理论为基础,接受系统工

程方法和先进科学技术成就，以争辩生态经济协调进展，合理利用自

然资源、爱护生态环境为主题,以实现农业和农村经济持续协调进展

为目的，强调生态效益,兼顾经济效益和社会效益的新型农业进展模

式[9]。现代高新技术会更加广泛地渗透于生态农业中由于生态农业所

追求的目标是高效益和无污染，而要实现这个目标就必需更多地依靠

现代高新技术[10]。

4数据挖掘技术在生态农业上的应用

农业是一巨型简单系统。我国土地宽广，土壤类型众多，作物品种

简单，病虫害发生频繁且症象不断变化，肥水、密度以及气候相互之

间的关系和影响，很多还未被人们去生疏，然而所积累的数据之多是

任何一个领域所没有的，它具有大量、多维、动态、不完整、不确定

等特性。由于农业自身的一些特点，如：土壤类型众多，作物品种简

单，病虫害发生频繁且症象不断变化，肥水、密度以及气候相互之间

的关系和影响，就使得关于它们的数据库与学问库具有大型、多维、

动态、不完全（缺值）、不确定（数据中的系统或随机噪声）、稀疏性

（很少甚至没有有用的记录）等特征[11]。因此，数据挖掘工具应能

处理农业数据的这些特征。另外，农业数据还有另外一个特征，它的

测量与时间有关，在数据分析过程中要求考虑时间因素，以便进行猜

测。目前及今后数据挖掘技术在生态农业中的应用主要集中在以下几