基于数据挖掘的洪峰预测系统的研究与实现

【摘要】：数据挖掘(Data Mining)是致力于数据分析和理解，揭示数据内部蕴藏规律的技术，它是目前信息技术应用的热点之一。近年来，水利信息化在国内外发展迅速，积累了大量的水文数据。发现这些水文数据中蕴藏的规律，有利于掌握水文数据变化规律和趋势，在洪水预报、防洪调度方面有重要的现实意义。目前我国洪水预报的传统的方法还是通过已有的专业知识，对洪水的形成过程进行分析和模拟来预测洪水的大小。这种传统的方法针对性较强，通用性不足。 本文利用数据挖掘的思想，结合SAS系统所提供的一些成熟的数据挖掘方法，建立了基于J2EE的数据挖掘的洪峰预测系统。该系统提供一种轻量级的洪峰预测手段，它通过形成洪峰的主要因素的数据来预测洪峰的大小，弥补了传统方法通用性不足的缺点。文章首先对水文数据进行分析，讨论了水文时间序列预处理的相关技术。通过补全缺失数据、平滑噪声数据、消除不一致数据等技术，得到高质量的数据。并根据水文数据可能存在误差的情况，在挖掘模块中建立了两种洪峰预测方法：回归分析和主成分一回归分，其中主成分一回归分析将主成分分析中的贡献率和降维的概念引入到回归分析中，降低了水文数据中可能存在的误差数据对预测结果的不利影响，从而使该系统具备一定的健壮性。 文章最后通过对沿渡河的实际数据进行分析，并通过测试评估验证了笔者提出的选择不同预测方法的策略：在水文数据存在误差超过总数据的10％时，选用主成分一回归分析来降低误差给挖掘结果带来的不利影响，否则选用回归分析来提高挖掘结果的准确性。该系统的健壮性、通用性，为水利信息领域内的应用提供了一个可参考的数据挖掘过程。