數據挖掘技術在圍網漁業(yè)漁情預報中的應用研究——漁情預報中強影響因子的挖掘.pdf

1、本論文主要研究內容為以下幾個方面： (1) 我們改進了傳統(tǒng)的基于可辨識矩陣的屬性約簡算法，采用啟發(fā)式搜索方法，利用屬性在可辨識矩陣中的出現(xiàn)頻率作為啟發(fā)條件，來對決策表進行搜索進而獲得約簡屬性，為了獲得較優(yōu)的約簡，在算法中增加了反向刪除策略，判斷每個約簡屬性是否獨立，直到不能刪除為止，最終獲得有效的最小約簡。這種算法可以有效獲得屬性集的一個最小約簡，而不是傳統(tǒng)算法得到的一個約簡的超集。 (2) 根據研究得到的新型屬性約簡算

2、法，對影響圍網漁業(yè)產量的4種不同類型海洋環(huán)境因子：海水溫度因子(5個)、海面高度因子(2個)、海面風速因子(1個)和海水葉綠素濃度因子(1個)進行數據挖掘，以得到其中對圍網漁業(yè)產量影響的核心因子集合。通過收集相應海洋環(huán)境因子，經過合適預處理后，得到度量一致，結構統(tǒng)一，賦予有效性的海洋數據集。由于屬性約簡算法對數據的特殊要求，需要將數值屬性的概念層級提升，以獲得合適的屬性相等標準，故而根據面向屬性歸納的思想，對數據集進行數據泛化操作，再利

3、用新型屬性約簡算法，獲得屬性集的最小約簡。 (3) 根據數據挖掘后的約簡屬性來建立回歸模型，并通過獲得的模型來驗證屬性約簡算法獲得的強影響因子。 (4) 在整個實驗過程中，我們發(fā)現(xiàn)針對海洋環(huán)境因子數據，我們需要著力解決海洋數據的編碼格式統(tǒng)一、度量統(tǒng)一、數據結構統(tǒng)一、可定制化和及時傳輸等問題，而這些問題隨著引入RSS技術，可以得到有效的改善，事實上，USGS(U.S.Geological Survey)已經通過RSS技術來

4、發(fā)布關于地震信息的數據了，并且取得了較好的效果。最后提出基于RSS的圍網漁業(yè)自動化漁情預測軟件框架，通過之前數據挖掘研究中書寫的兩個SQL存儲過程結合RSS技術實現(xiàn)自動化的數據收集、數據泛化、約簡屬性提取，進而建立預測模型。 本文針對傳統(tǒng)圍網漁業(yè)漁情預測方法的缺點，首次綜合多種類型海洋環(huán)境因子，采用數據挖掘技術中的面向屬性歸納和新型屬性約簡方法，獲得多種類型因子中的約簡屬性，即影響圍網產量的強影響因子，進而通過構建回歸預測模型進