基于数据挖掘的决策树算法应用研究

数据挖掘是一种发现大量数据中潜在信息的数据分析方法和技术,已经成为关注的热点。决策树方法因其简单、直观、准确率高等特点,在数据挖掘及数据分析中得到了广泛的应用。本文使用数据挖掘的C4.5算法对UCI数据库中的蘑菇数据构建决策树模型,给出了蘑菇可食用或有毒的决策。     

基于贝叶斯网络的过度训练诊断

针对贝叶斯网络在具体应用时需根据实际应用问题来建立相应的贝叶斯网络模型的问题，采用Java语言设计并开发了一套贝叶斯网络预测诊断系统，用来实现因果推理和诊断推理。重点讨论了系统的网络数字化、网络学习、网络推理等关键问题。利用该平台建立了过度训练的诊断网络，通过试验证明得出，此套系统简单易用、通用性强，可应用于不同的研究领域。     

基于关联规则数据挖掘算法的应用

数据挖掘,又称数据库中的知识发现,作为一门新兴的研究领域,主要目的是从数据集合中发现隐含的、事先未知的、对决策有潜在价值的用户感兴趣的知识,数据挖掘是当前数据库领域中最受瞩目的研究方向之一。在数据挖掘研究中,关联规则挖掘作为数据挖掘研究中的一个重要部分,引起了越来越多的关注。本文利用SQL Server 2005数据挖掘工具,对已测得的土壤数据,利用关联规则算法对土壤的地力等级进行了预测。     

数据挖掘技术在黄土高原水土流失预测中的应用探讨

开展黄土高原水土流失预测是水土保持可持续发展的重要内容,同时也是维持黄河健康生命理论体系的重要组成部分。本研究对现有的水土流失预测方法进行了分析,指出了现有预测方法的优点与局限,提出利用数据挖掘技术对黄土高原水土流失进行分析和预测的新思路,并描述了数据挖掘方法及其过程。与传统的方法相比,该方法可以实现真正意义上的预测,可为水土保持措施布局及流域综合治理决策提供服务。     

数据挖掘在教学中的应用

数据挖掘指从数据仓库中提取隐含的、事先未知的和潜在有用的信息,从而帮助决策者提出问题、发现问题、解决问题等。数据挖掘在教学中也开始被应用,并取得良好的效果。     

Vine Copula与贝叶斯模型平均结合的月径流预测及应用

准确可靠且预见期较长的月径流预测对水资源配置、防汛抗旱以及生态环境保护等具有重要意义。径流变化与降水、气温、潜在蒸散发以及前期径流等存在密切联系。鉴于Vine Copula可以灵活地将多个随机变量的边缘分布函数通过Copula对的形式联结起来构造多维联合分布函数以及贝叶斯模型平均(Bayesian Model Averaging,BMA)在处理多模型集合预报方面的优势,该研究基于BMA集合多个Vine Copula模型提出了一种BVC径流预测模型(简称BVC模型),应用于黄河流域上游4个水文站(唐乃亥站、民和站、红旗站和折桥站)的月径流预测,采用确定性系数(R²)、纳什效率系数(Nash-Sutcliffe Efficiency coefficient,NSE)和均方根误差(Root Mean Squared Error,RMSE)评价模型的预测性能。结果表明,验证期内预见期为1～3个月时,BVC模型在各水文站的R²均大于等于0.83、NSE均大于等于0.78且RMSE均维持在较低水平;与随机森林(Random Forest,RF)模型和长短...     

基于可视化数据挖掘的流域环境污染预警模型研究

在深入分析数据挖掘的基础上,提出了一种基于可视化数据挖掘的流域环境污染预警模型,并详细论述了预警模型的逻辑流程、系统结构和功能。     

基于组合赋权贝叶斯模型的平寨水库水质评价

[目的]对黔中水利枢纽的一期工程的核心水源工程——平寨水库的水环境质量进行评价,为该水库水环境质量评价及科学管理提供科学参考。[方法]于2018年1,5,8月选取了平寨水库7个断面进行水样采集,选择溶解氧(DO),化学需氧量(COD),总氮(TN),氨氮(NH_3-N)这4个因子作为水质评价指标。在层次分析法和熵权法组合确定各评价指标权重的基础上,结合贝叶斯模型对平寨水库进行水质评价。[结果]①从组合权重来看,TN和COD对平寨水库水质影响较大,DO和NH_3-N影响较小。②平寨水库丰水期水质最好,其次为枯水期,最次为平水期;各断面中库区中心1(KQ1)、库区中心2(KQ2)以及纳雍河断面(NY)水质最差。③TN和COD是平寨水库的主要污染因子。[结论]基于组合赋权贝叶斯模型的水质评价方法不仅区分了各评价因子对水质贡献的差异性,同时对水质进行了较为精确的评价。整体而言,平寨水库水质状况达到了贵州省水功能区划的相应要求。     

贝叶斯最大熵地统计方法研究与应用进展

以克里格估算为基础的插值和随机模拟为代表的经典地统计方法是目前研究地理属性空间分布的主要方法,但仍存在精度不高及不能有效利用其他有价值信息的缺陷。近年来贝叶斯最大熵地统计方法在国外逐渐流行,该方法能够在有效利用多源数据的基础上,提高空间分布研究精度,是一种新的非线性方法。本文详细阐述了贝叶斯最大熵方法的数据内容、实施步骤、一般算法及计算结果,并介绍了该方法的应用情况,最后对该方法的优点和不足作出了评价。     

基于多维建模的滑坡监测数据挖掘

安全监测是研究和防治滑坡的重要手段之一,而位移监测又是滑坡监测中一种最常用的监测手段.滑坡位移监测数据的分析一般基于平面文件进行,而本研究则基于数据仓库的概念,深入分析滑坡位移监测时间序列数据,使用建模工具Power Designer建立了滑坡位移监测多维模型,在多维数据集的基础上进行数据挖掘分析.以长江三峡库区白水河滑坡位移监测数据为例,设计了滑坡监测数据多维数据集的维、概念层次和度量等,并在SQL Server 2005 Analysis Services软件中使用Microsoft时序算法实现数据挖掘,对滑坡位移进行预测分析,得到的预测数据与实测数据误差很小,表明Microsoft时序算法可用于滑坡监测数据的短期预测.     

基于预测模型的选课算法研究

比较了传统的选课算法的优劣,提出了基于预测模型的选课算法,分析了其算法思想和算法流程,并将其应用于小型的选课过程,取得了较高的效率和较好的匹配度。     

基于远程教育网的Web日志挖掘研究

分析了现代远程教育的弊端,结合Web日志挖掘技术,构造了基于远程教育网的Web日志挖掘模型,提高远程教育网个性化服务的性能。     

基于Downhill-Simplex算法的观测数据与作物生长模型同化方法研究

以夏玉米叶面积指数（LAI）、贮存器官干重（WSO）、地上总干重（TAGP）以及土壤水分含量（SM）为结合点,建立了基于Downhill—Simplex算法的作物生长模型WOFOST同化多种地面观测数据的一般方法或流程：开展观测数据与作物生长模型同化方法的正确性验证→利用Downhill—Simplex算法进行WOFOST模型的敏感性分析一选择敏感参数组合→通过优化效果确定待优化参数→利用新的观测数据对待优化参数进行优化,从而实现了观测数据与作物生长模型的同化,提升了模型的模拟能力。同化过程中遴选出的WOFOST模型的待优化参数主要包括比叶面积、最大CO2同化速率、初始地上部总干物重、根深最大日增量和初始土壤有效水等。     

降雨产沙资料整理方法对两者关系的影响

合理的水土流失资料整理方法是挖掘数据内在规律的基础,通过采集江西省赣县花岗岩次生马尾松林地不同植被恢复类型小区2010—2011年2 a的降雨产沙资料,研究了4种整理方法对降雨产沙关系的影响。结果表明:加大资料整理的时间尺度和降雨间隔时间,可以显著提高降雨产沙之间的相关性,同时整理方法对拟合曲线的性质产生影响,综合考虑拟合优度和曲线性质的一致性,可以采取周晴方法的幂函数来描述不同类型小区降雨产沙之间的内在关系;植被恢复减弱了产沙速率,随着降雨量的增加,纯林小区的产沙速率下降,百喜草恢复小区变化缓慢,低郁闭度胡枝子恢复小区增加迅速,因此侵蚀严重的林地应首先实施草本植被恢复,逐步实现乔灌草生态结构恢复。     

基于MODIS数据的黑河流域地表温度反演研究

基于MODIS数据,运用毛克彪的劈窗算法反演了具有冰雪、冻土地表类型的黑河流域2009年9月23日的地表温度。结果表明：沙漠和戈壁的温度最高,永久积雪/冰川的温度最低,能够客观地反映黑河流域9月下旬白天的气候特点。将反演结果与流域内9个气象站点的实测数据对比分析,得出反演的地面温度与实测的地面温度平均误差为0.82℃,在当前遥感反演地表温度的误差之内。因此,该算法适合大面积的地表温度快速反演。     

煤矿矿区不同采煤塌陷年限土壤物理性质对比研究

为揭示采煤塌陷对矿区土壤物理性质的影响机理,为矿区生态修复和重建提供理论依据,在选取典型样地的基础上,采用土壤测定方法,研究了不同塌陷年限不同土层土壤物理性质的变化。结果表明:随采煤塌陷年限的延长,矿区表层土壤密度逐渐增大,底层土壤密度先增大后减小;毛管孔隙度逐渐下降,非毛管孔隙度先下降后上升;表层土壤总孔隙度逐渐下降,底层土壤总孔隙度先下降后上升;土壤体积含水量和土壤贮水量先上升后下降,土壤质量含水量逐渐下降;表层土壤毛管持水量逐渐降低,底层土壤毛管持水量先下降后上升;表层土壤田间持水量逐渐降低,底层土壤田间持水量先下降后上升;土壤排水能力先下降后上升。     

基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用

[目的]对基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用进行探讨,为现代农业研究中土壤墒情预测及农业生产提供支持。[方法]基于支持向量回归机方法建立土壤墒情预测模型,利用细菌觅食优化算法优化支持向量机预测模型的相关参数。根据从种植区采集的田间数据对模型进行建模和测试。[结果]与仅利用支持向量回归机和利用粒子群优化的支持向量回归机分别建立的模型进行对比,发现本研究所提算法建立的预测模型的预测效果更佳。[结论]该模型预测效果较好,所建模型已应用于实际项目,预测精度基本满足要求,且运行稳定。进而证明了该研究所提算法的有效性和可行性。