收藏本站
《中国水利水电科学研究院》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

数据挖掘技术在水资源领域的应用研究

张小娟  
【摘要】: 二十一世纪是信息技术高速发展的时代,信息资源是重要的战略资源。水资源管理是一个信息密集型行业,信息资源的重要性显得更为关键。随着遥感、遥测、网络、数据库等技术的广泛应用,有力促进了水资源数据的采集和处理技术的发展,使之在时间和空间尺度及要素类型上有了不同程度的扩展。大量宝贵的水资源数据中隐含着许多重要的信息,如何及时、有效地分析处理这些数据,从激增的数据背后挖掘出有价值的信息,为决策提供重要的支持作用已经越来越引起人们的关注。数据挖掘技术是解决“数据丰富、信息缺乏”问题的一种有效方法。数据挖掘技术能够从大量数据中发现并抽取隐含的、新颖的、有意义的并能被人理解的信息和模式,实现从简单数据到信息再到知识的蜕变。 本文在充分理解数据挖掘基本理论的基础上,将数据挖掘技术应用到水资源领域。从水资源数据的特点和分析需求出发,以水资源利用主题数据仓库的构建为例,说明了建立水资源数据仓库的方法;以数据挖掘一般过程为基础构建了水资源数据挖掘的框架结构,对水资源数据挖掘过程中的关键问题做出论述,总结了数据挖掘方法在水资源领域的应用方向。 本文选择水资源严重短缺的北京市作为研究区域,通过SAS数据挖掘工具研究数据挖掘技术在水资源领域的应用,为解决水资源问题提供信息支撑。首先,利用相关分析和回归分析方法分析了各用水部门的用水规律,建立了各部门用水量与其主要影响因素之间的函数关系。通过本实例证明数据挖掘技术可以快速、准确地发现数据之间的相关关系,建立反映客观规律的数学模型,为用水管理提供决策支持。其次,利用SAS数据描述与图形展现工具分析了不同土地利用类型、不同时期的ET(蒸发蒸腾量)变化趋势,以及降雨、气温、风速、相对湿度等水文气象因素对ET的影响,为区域ET管理提供信息支持。在实际应用中发现,数据挖掘技术在处理海量数据方面有很大优势,不仅能快速实现海量数据的多样化统计分析,而且以丰富的图形展现给用户,有利于分析结果的解释和理解。最后,运用逐步自回归模型、指数平滑模型和季节性模型分别建立了地下水观测井的水位标高预测模型,并对模拟和预测结果进行了比较和优选。总体来说,季节性时序模型的模拟和预测精度较高。时间序列模型较全面地反映了地下水位动态变化规律,且计算简单,所需资料较少并易于获得,是一种较好的模拟预测模型,能够应用于分析地下水位动态变化和预测地下水位,为区域地下水的合理开发利用提供可靠依据。
【学位授予单位】:中国水利水电科学研究院
【学位级别】:硕士
【学位授予年份】:2007
【分类号】:TV213.4

【相似文献】
中国期刊全文数据库 前10条
1 郑亚兰;;铁路货运车流预控系统设计研究[J];铁路计算机应用;2011年06期
2 陈林;陈维义;;基于数据仓库的海军要地防空作战决策支持系统[J];四川兵工学报;2011年07期
3 陈凤;;面向主题的高校智能决策支持系统研究[J];常熟理工学院学报;2011年04期
4 林烈青;;企业数据中心的研究与设计[J];制造业自动化;2011年15期
5 裴艳菊;;论太钢信息化决策支持系统[J];科学之友;2011年15期
6 吴侃侃;;BI,辅助企业决策[J];中国电力企业管理;2009年36期
7 刘洋;胡晓峰;吴琳;淦文燕;;面向战争模拟的作战实时信息系统研究与实现[J];军事运筹与系统工程;2011年02期
8 于宪煜;胡友健;曾文;;供水企业最佳收益分析方法[J];地理空间信息;2011年04期
9 冷芳玲;鲍玉斌;高伟;于戈;;基于MapReduce的数据聚集运算算法[J];中国科技论文在线;2011年07期
10 侯筱婷;李昌华;来炳恒;;虚拟施工关键技术研究[J];机械科学与技术;2011年07期
中国重要会议论文全文数据库 前10条
1 张蕾;;由数据到知识的信息升华引擎——数据仓库与数据挖掘技术浅析[A];四川省通信学会2005年学术年会论文集[C];2005年
2 宋擒豹;沈钧毅;;数据仓库体系结构研究[A];第十六届全国数据库学术会议论文集[C];1999年
3 曹顺良;李荣;张忠平;汪卫;朱扬勇;李亦学;;BioDW:一个整合的生物信息学数据仓库平台[A];第二十届全国数据库学术会议论文集(技术报告篇)[C];2003年
4 严哲南;楼荣生;;窗口算法问题的解决方案[A];第十六届全国数据库学术会议论文集[C];1999年
5 杨崇联;谢旭升;;基于数据仓库的政府决策支持服务系统研究与实现[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
6 刘刚;付忠广;申鹏飞;郑玲;靳涛;;基于发电厂机组数据仓库的数据挖掘系统的研究[A];2004电站自动化信息化学术技术交流会议论文集[C];2004年
7 胡伟;孙德翔;程翔;;试论数据挖掘技术在智能化航空维修管理系统中的应用[A];第四届长三角科技论坛航空航天与长三角经济发展分论坛暨第三届全国航空维修技术学术年会论文集[C];2007年
8 姚卿达;屈定春;;联邦数据库互操作方法在数据仓库中的应用[A];数据库研究进展97——第十四届全国数据库学术会议论文集(下)[C];1997年
9 唐蕾;张剡;柏文阳;徐洁磐;;数据仓库工具集NGDW-1的设计与实现[A];第十九届全国数据库学术会议论文集(研究报告篇)[C];2002年
10 廖燕玲;卢语丹;阮艳萍;高丽金;;高校教学决策支持系统的数据仓库研究[A];Proceedings of 2010 National Vocational Education of Communications and Information Technology Conference (2010 NVCIC)[C];2010年
中国重要报纸全文数据库 前10条
1 陈金波;数据挖掘:提升电信CRM水平的助推器[N];人民邮电;2007年
2 汪雯;如何进行数据挖掘[N];金融时报;2006年
3 本报记者 龚杰;数据仓库解决策之惑[N];计算机世界;2004年
4 本报记者 程亮;数据仓库人才紧缺[N];人才市场报;2005年
5 本报特约撰稿人 王闯舟;数据仓库环境 谁成最佳选择?[N];通信产业报;2005年
6 本报记者 周松林;上证所建成国内首个数据仓库灾备系统[N];中国证券报;2008年
7 万振龙;动态数据仓库承接历史与未来[N];网络世界;2009年
8 本报记者 田梦;数据仓库 如何筑起信息管理大厦[N];计算机世界;2009年
9 ;主流数据仓库产品[N];计算机世界;2009年
10 福建省燕京惠泉啤酒股份有限公司 谢伟锋;数据仓库成跨系统整合趋势[N];中国计算机报;2009年
中国博士学位论文全文数据库 前10条
1 孟京辉;经营单位级森林经营数据仓库研建及应用研究[D];中国林业科学研究院;2011年
2 朱传华;三峡库区地质灾害数据仓库与数据挖掘应用研究[D];中国地质大学;2010年
3 陈燕;数据仓库的设计与实现[D];大连理工大学;2000年
4 克里木;自适应数据仓库系统的研究与实现[D];大连理工大学;2003年
5 宋杰;面向多类型数据源的数据仓库构建及ETL关键技术的研究[D];东北大学;2008年
6 艾丹祥;基于数据挖掘的客户智能研究[D];武汉大学;2007年
7 陈金玉;数据仓库实体化视图联机—致性维护研究[D];重庆大学;2002年
8 徐雪琪;基于统计视角的数据挖掘研究[D];浙江工商大学;2007年
9 晏峻峰;基于数据挖掘技术的证素辨证方法研究[D];湖南中医药大学;2007年
10 景旭文;基于数据挖掘的动态全息产品概念设计理论与方法研究[D];东南大学;2005年
中国硕士学位论文全文数据库 前10条
1 孟薇;数据挖掘技术在教务管理系统中的应用研究[D];北方工业大学;2009年
2 王冬屏;数据挖掘技术在网通CRM中的应用研究[D];长春理工大学;2007年
3 薛黎明;数据挖掘在客户分析中的应用[D];大连海事大学;2007年
4 张通学;面向领域的数据挖掘平台相关技术研究及实现[D];大连交通大学;2008年
5 陈思维;基于数据仓库的区域环境质量预测分析系统[D];电子科技大学;2010年
6 张艳;维度建模在电信数据仓库中的应用[D];西安电子科技大学;2010年
7 蒋昙飞;面向社区服务的数据仓库关键技术研究与实现[D];西安电子科技大学;2009年
8 彭辛庚;电信企业数据仓库经营分析系统的设计与实现[D];湖南大学;2009年
9 赵在宽;基于数据仓库的气象干旱指标挖掘研究与实现[D];解放军信息工程大学;2009年
10 李慧;基于数据仓库的图书馆决策支持系统[D];天津大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026