简析数据挖掘技术在水利工程管理中的实施要点

2014-12-17丁云球江西省上饶市万年县水利电力勘察设计室335500

决策与信息 2014年36期

丁云球江西省上饶市万年县水利电力勘察设计室 335500

丁云球
江西省上饶市万年县水利电力勘察设计室 335500

数据挖掘技术是一种能够在大量繁杂的数据中寻找潜在的、有利用价值信息的信息处理技术，在当前信息时代发挥着极其重要的作用。当前，在水利工程管理中，存在着大量的空间数据和非空间数据，要想对这些数据进行有效处理，就必须应用相应的数据处理技术。本文结合数据挖掘技术的相关概念，对其在水利工程管理中的实施要点进行了分析和探讨。

数据挖掘技术；水利工程；管理；实施要点

前言

在社会经济发展的推动下，我国的基础设施建设取得了巨大的成就，水利工程项目的数量也在不断增加，已经逐步形成了一个具有防洪、防涝、灌溉、发电、运输、水产养殖、旅游等功能的水利工程体系，在国民经济发展中起到了极其重要的作用。因此，做好水利工程管理工作，确保水利工程功能的充分发挥，是需要相关部门充分重视的问题。应用数据挖掘技术，可以有效解决水利工程管理中数据信息繁杂带来的相关问题，提升水利工程管理水平。

一、数据挖掘技术概述

数据挖掘，也可以称为资料探勘或者数据采矿，是数据库知识发现的一个步骤。简单来讲，数据挖掘就是从大量的数据中，通过相应的算法，搜索隐藏于其中信息的过程。而学术界比较认可的概念为：数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用过程中，提取出潜在的、不为人知的有用信息和知识的过程。数据挖掘技术主要是依据人工智能、计算机、统计学等相关技术，通过统计、在线分析处理、情报探索、专家系统以及模式识别等，对数据进行归纳推理，从中挖掘出潜在的信息，预测未来发展趋势，从而为决策提供相应的数据支持。

数据挖掘是一个多种专家共同合作的过程，同时也是一个高技术、高资金投入的过程，在实际应用中，为了趋近事物的本质和真实，必须进行长期反复的研究和实践，在反复的过程中，对问题进行最优化处理。数据挖掘的过程主要分为以下几个阶段：

（1）确定业务对象：做好业务对象的明确是数据域挖掘的首要步骤，挖掘的最后结构是不可预测的，但是探索的问题必须是有预见的，明确业务对象可以避免数据挖掘的盲目性，从而大大提高成功率。

（2）数据准备：首先，对于业务目标相关的内部和外部数据信息进行查找，从中找出可以用于数据挖掘的信息；其次，要对数据信息的内容进行全面细致分析，确定需要进行挖掘操作的类型；然后，结合相应的挖掘算法，将数据转化称为相应的分析模型，以保证数据挖掘的顺利进行。

（3）数据挖掘：在对数据进行转化后，就可以结合相应的挖掘算法，自动完成相应的数据分析工作。

（4）结果分析：对得到的数据分析结果进行评价，结合数据挖掘操作明确分析方法，一般情况下，会用到可视化技术。

（5）知识同化：对分析得到的数据信息进行整理，统一到业务信息系统的组成结构中。这个步骤不一定能够一次完成，而且其中部分步骤可能需要重复进行。

二、数据挖掘技术在水利工程管理中的实施要点

水利工程在经济和社会发展中是非常重要的基础设施，做好水利工程管理工作，确保其功能的有效发挥，是相关管理人员需要重点考虑的问题。最近几年，随着社会经济的飞速发展，水利工程项目的数量和规模不断扩大，产生的水利科学数据也在不断增加，这些数据虽然繁琐，但是在许多科研生产活动和日常生活中都是不可或缺的。例如，在对洪涝、干旱的预防以及对生态环境问题的处理方面，获取完整的水利科学数据是首要任务。那么，针对日益繁杂的海量水利科学数据，如何对有用的信息知识进行提取呢？数据挖掘技术的应用有效的解决了这个问题，可以从海量的数据信息中，挖掘出潜在的、有利用价值的知识，为相关决策提供必要的支持。

1.强化数据库建设

要想对各类数据进行科学有效的收集和整理，就必须建立合理完善的数据库。对于水利工程而言，应该建立分类数据库，如水文、河道河情、水量调度、防洪、汛情等，确保数据的合理性、全面性和准确性，选择合适的方法，对有用数据进行挖掘。

2.合理选择数据挖掘算法

（1）关联规则挖掘算法：关联规则挖掘问题最早提出于1993年，在当前数据挖掘领域，从事务数据库中发现关联规则，已经成为一个极其重要的研究课题。关联规则挖掘的主要目的，是寻找和挖掘隐藏在各种数据之间的相互关系，通过量化的数据，来描述事务A的出现对于事务B出现可能产生的影响，关联规则挖掘就是给定一组Item以及相应的记录组合，通过对记录组合的分析，推导出Item间存在的相关性。当前对于关联规则的描述，一般是利用支持度和置信度，支出度是指产品集A、B同时出现的概率，置信度则是在事务集A出现的前提下，B出现的概率。通过相应的关联分析，可以得出事务A、B同时出现的简单规则，以及每一条规则的支持度和置信度，支持度高则表明规则被经常使用，置信度高则表明规则相对可靠，通过关联分析，可以明确事务A、B的关联程度，决定两种事务同时出现的情况。

（2）自顶而下频繁项挖掘算法：对于长频繁项，如果采用关联规则挖掘算法，需要进行大量的计算分析，不仅耗时耗力，而且影响计算的精准度，这时，就可以采用自顶而下频繁项挖掘算法，这种算法是一种相对优秀的长频繁项挖掘算法，利用了事务项目关联信息表、项目约简、关键项目以及投影数据库等新概念与投影、约简等新方法，在对候选集进行生成的过程中，应该对重复分支进行及时修剪，提升算法的实际效率，从而有效解决了长频繁项的挖掘问题。结合计算机实验以及算法分析，可以看出，这种方法是相对完善的，同时也是十分有效的。不过需要注意的是，当支持度较大、频繁项相对较短时，利用关联规则挖掘中典型的Apriori方法，可以起到更好的效果。

（3）频繁项双向挖掘算法：这种算法是一种融合了自顶向下以及自底向上的双向挖掘算法，可以较好的解决长频繁项以及段频繁项的挖掘问题，主挖掘方向是利用自顶向下挖掘策略，但是结合自底向上方法生成的非频繁项集，可以对候选集进行及时修剪，提升算法的实际效率。