论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　［摘要］因能从海量数据中发现潜在的、有价值的知识，数据挖掘成为人们非常感兴趣的热点技术。水利工程管理面临的是海量的非空间数据和空间数据，对这些数据的挖掘，能够提炼出有价值的知识，从而提高水利工程管理的科学化水平和决策水平。在水利工程管理中利用空间数据挖掘技术，需要解决数据仓库建设、数据挖掘与GIS集成和数据挖掘系统模型等3个方面的关键问题。数据仓库是建设水利工程数据挖掘系统的基础。数据挖掘与GIS集成的方式有嵌入式、松散耦合式、紧密耦合式3种，紧密耦合式是两者集成的最好方式。水利工程系统的数据挖掘适合采用基于OLAP和OLAM的探查性数据挖掘模型。

　　［关键词］空间数据挖掘；水利工程；数据挖掘模型；地理信息系统；数据仓库

　　1、引言

　　我国长期以来兴建了一大批水利工程，初步形成了具有防洪、排涝、灌溉、供水、发电、养殖、种植、旅游等功能要素的水利工程体系，为国民经济的高速发展发挥了巨大的基础作用和支撑作用。在水利工程建设取得辉煌成就的同时，人们逐渐意识到我们在水利工程的管理上还存在着手段比较落后，重建轻管、水利资源利用率低等突出问题，致使一大批水利工程不能发挥其价值，或者工程寿命大大缩短。穆范椭等分别从制度管理、机制管理、人力资源管理等几个方面对水利工程管理中存在的问题进行了论述，并提出了不少可行性的解决措施。不可否认，水利工管理中出现的问题，不少是制度上的问题，但水利工程管理有其特殊性、复杂性，需要广博的知识和高超的技术，单纯靠“软管理”是不能从根本上解决问题的，必须借助一些现代化的信息手段来辅助进行决策和管理，才能够更好、更科学地解决问题。

　　近年来，在水利工程信息化的过程中，我国建设了一大批水利工程管理信息系统，对于水利工程的建设和运行管理起到了很好的帮助作用。但是，这些系统所提供的功能大多是业务型的，很少面向管理决策。随着水利工程管理向现代化纵深发展，这些系统远远满足不了人们的需要。另一方面，水利工程管理信息系统在发展过程中积累了海量的数据，不少是空间类型的数据，而且这些数据还在不断地增长，而相比于数据的生产、运输和累积能力，人类对空间数据的分析能力还很落后。人们虽然深知这些海量数据中蕴含了很多有价值的知识，但是不知道如何利用它们，而依靠传统的信息系统是解决不了这些问题的。

　　数据挖掘技术的出现为这些问题的解决带来了可能。所谓数据挖掘，就是从海量数据中发现潜在的、有价值的知识的过程。传统的数据挖掘技术和方法一般作用于非空间数据，而水利工程管理方面的数据不但有非空间数据，还有大量的空间数据。和非空间数据相比，空间数据除了具备非空间数据的特征外，还有拓扑、方位和距离等非空间特征，因此其挖掘技术的实现有其特殊性。在武汉大学李德仁院士首次提出空间数据挖掘这一概念后，国内外不少学者为此开展了广泛的研究。

　　2、空间数据挖掘在水利工程管理中应用需要解决的主要问题

　　水利工程管理信息系统中存在着大量的空间数据，因此需要采用空间数据挖掘技术。和一般的空间数据挖掘系统相比，对水利工程数据的挖掘需要考虑其历史发展因素和特殊性。首先，水利工程是一个系统工程，其有效管理往往需要多领域、多部门的专家相互协作，一项重要决策的做出往往需要对历史数据从各种维度进行分析，反复考虑各种因素，综合各个专家的意见才能形成，而不同的专家和决策者会从不同的角度来分析数据，因此对水利工程数据的挖掘需要交互探查或查询驱动的方法，在技术实现上需要采用数据仓库和数据立方体支持这种探查式的、快速的联机查询和分析。其次，在用的水利工程信息系统的主体是GIS（GeographicalInformationSystem，地理信息系统），大部分的空间数据是由GIS系统生成的，空间数据的查询、计算、分析和可视化显示是一种复杂的技术，因此如何利用原有的GIS系统中的数据，数据挖掘如何和GIS集成以进行复杂的空间数据处理成为一个需要解决的重要问题。最后，要实现水利工程的数据挖掘，需要建立一个数据挖掘系统模型，模型在系统工程的研究、设计和实现中是一个非常重要的问题，一个好的模型对了解系统本质特征、揭示系统的规律起到非常重要的作用，建模也是实现一个工程系统的重要一步。因此，要想实现空间数据挖掘技术在水利工程管理中的应用，这3个问题是我们不可回避的、必须研究的核心问题。

　　3、空间数据仓库

　　水利工程信息化的过程中产生了海量的数据，而数据仓库是处理海量数据的关键技术，它可以将不同来源的数据统一到语义上一致的环境下。在水利工程信息系统中除了有丰富的非空间数据外，还有大量的空间数据，如地图、预处理过的遥感图像、视频等。空间数据与非空间数据相比，除了具备传统数据库数据的特征外，还携带了空间特征，如拓扑、方位、距离等。“空间数据仓库是面向主题的、集成的、时变的和非易失性的非空间数据和空间数据的集合”，用于支持空间数据挖掘和与空间数据相关的决策过程。建立空间数据仓库是一个具有挑战性的工作，需要解决两个方面的问题：集成来自异构数据源和系统的空间数据；如何在空间数据仓库中实现快速而灵活的联机分析处理。

　　影响水利工程建设和管理决策的数据来源是丰富多样的，如气象数据库、蓄滞洪区空间分布式社会经济数据库、雨情和水情数据库、水旱灾情数据库等，它们往往存在于异构的环境中，可能来自于不同的系统，数据格式多种多样。数据格式不仅与特定的结构有关，如光栅格式和矢量格式，而且与特定的厂家有关。为了能够进行空间数据的分析和处理，需要首先对这些异构的数据进行清洗、变换和集成，以清晰一致的格式存放在数据仓库中，然后可以调用相应的数据挖掘算法获取有用的知识。空间数据仓库已成为联机数据分析处理和数据挖掘必不可缺的平台。

　　利用空间数据仓库技术，可以对异构的各类信息进行过滤、集中和综合，完成水情信息采集、工情信息采集、防汛抗旱信息等水利工程信息的自动接收、处理等功能，在此基础上可以进行汛情分析、暴雨洪水预报、调度、灾情评估以及旱情预测等知识发现功能。

　　空间数据仓库、OLAP（On-LineAnalyticProcess，联机分析处理）和OLAM（On-LineAnalyticMining，联机分析挖掘）的实现基于多维数据模型，这种模型围绕中心主题组织数据，将数据看作数据立方体的形式。数据立方体允许从多维对数据建模和观察，它由维和事实来定义。数据仓库有星型模式、雪花型模式或事实星座型模式。在这3种结构中，星型模式提供了简洁而有组织的仓库结构，便于进行OLAP和OLAM操作，所以是空间数据仓库建模的好选择。相比于传统的数据立方体，空间数据立方体中存在3种类型的维：非空间维、空间到非空间维和空间到空间维；有两种不同的度量：数值度量和空间度量。

　　4、水利工程GIS系统与数据挖掘系统结合的方式