数据挖掘技术在的现代农业上的应用.doc

数据挖掘技术在现代农业上的应用 摘要：从数据挖掘技术的基本原理出发，结合实例论述了数据挖掘技术在现代农业生产中的应用，旨在为数据挖掘技术与现代农业生产的进一步结合提供参考。 关键词：数据挖掘；现代农业；应用 ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｄａｔａ ｍｉｎｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｉｎ ｍｏｄｅｒｎ ａｇｒｉｃｕｌｔｕｒａｌ ｐｒｏｄｕｃｔｉｏｎ ｚｈａｎｇ ａｉ－ｇｕｏ１ａ，ｇａｏ ｈｅ１ｂ，ｗａｎｇ ｌｉ－ｗｅｉ２ （１ａ． ｃｏｌｌｅｇｅ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｅｌｅｃｔｒｉｃａｌ ｅｎｇｉｎｅｅｒｉｎｇ； １ｂ． ｃｏｌｌｅｇｅ ｏｆ ｈｏｒｔｉｃｕｌｔｕｒｅ， ｓｈｅｎｙａｎｇ ａｇｒｉｃｕｌｔｕｒａｌ ｕｎｉｖｅｒｓｉｔｙ，ｓｈｅｎｙａｎｇ １１０８６６，ｃｈｉｎａ； ２． ｆｕｘｉｎ ｒｕｒａｌ ｅｃｏｎｏｍｉｃ ｃｏｍｍｉｔｔｅｅ， ｆｕｘｉｎ １２３０００， ｌｉａｏｎｉｎｇ， ｃｈｉｎａ） ａｂｓｔｒａｃｔ： ｂａｓｅｄ ｏｎ ｔｈｅ ｂａｓｉｃ ｐｒｉｎｃｉｐｌｅ ｏｆ ｄａｔａ ｍｉｎｉｎｇ（ｄｍ） ｔｅｃｈｎｏｌｏｇｙ， ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｄｍ ｉｎ ｔｈｅ ｍｏｄｅｒｎ ａｇｒｉｃｕｌｔｕｒａｌ ｐｒｏｄｕｃｔｉｏｎ ｂｙ ｅｘａｍｐｌｅｓ was discussed． ｉｔ provided the references for ｔｈｅ ｆｕｒｔｈｅｒ ｃｏｍｂｉｎａｔｉｏｎ ｂｅｔｗｅｅｎ ｄｍ ａｎｄ ｍｏｄｅｒｎ ａｇｒｉｃｕｌｔｕｒａｌ ｐｒｏｄｕｃｔｉｏｎ． ｋｅｙ ｗｏｒｄｓ： ｄｍ； ｍｏｄｅｒｎ ａｇｒｉｃｕｌｔｕｒｅ； ａｐｐｌｉｃａｔｉｏｎ 农业是人类社会赖以生存的基本生活资料的来源，是社会分工和国民经济其他部门成为独立的生产部门的前提和基础，国民经济的发展规模和速度都受到农业生产水平的制约。随着科技的进步，在研究中积累了大量有价值的农业数据资源，包括自然资源、环境、气象和栽培管理等诸多方面，逐渐受到业界人士的关注。 数据挖掘技术是通过对海量数据的分类、提取，从中发现数据间的相互联系，而产生新规律的过程。目前，数据挖掘技术已广泛应用到商业、医疗业、金融业等服务行业，在农业方面的应用还处于初级阶段。为此，本文研究从现代农业产业和数据挖掘技术出发，论述其在现代农业中的应用，旨在为数据挖掘技术在行业内的应用以及指导现代农业生产提供参考。 １数据挖掘技术概述 数据挖掘（ｄａｔａ mｉｎｉｎｇ，ｄｍ）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、不被人知道但又潜在有用的信息和知识的过程。由于数据挖掘的目的是在大量数据中发现有价值的信息，故又被称为数据库中的知识发现（简称ｋｄｄ）。它包括数据库、人工智能、数理统计、可视化以及并行计算等方面的内容。 通过数据挖掘，有价值、有规律、高层次的信息可以从数据库的相关数据集中抽取出来。这些挖掘出来的规律包含了数据库中不同对象间的特殊关系，为以后的相关决策提供依据。数据挖掘得到的信息具有以下３个基本特征，即未知性、有效性和实用性。与传统分析方法相比，数据挖掘使用基于发现的方法，运用模式匹配和其他算法确定数据之间的联系。 １．１数据挖掘的功能 １．１．１自动预测趋势和行为数据挖掘自动在大型数据库中寻找预测性信息，使得从前需要手工分析的大量数据可直接得出结论。例如，肥料施入的预测问题，在过去一般都是利用经验或测定土壤中相关矿质元素的含量来决定是否施入或施入何种肥料。采用数据挖掘技术，可以迅速地解决上述问题，并会对指定的问题做出预测。 １．１．２关联分析不同变量的取值之间存在某种规律性，就被称为关联，关联可以分为简单关联、时序关联、因果关联。关联分析是指两个或多个事物之间存在一定的关联，那么其中一个事物就能通过其他事物进行预测。目的是挖掘出数据库中隐藏在数据间的相互关系。由于并不一定知道数据的关联函数或不确定，因此关联分析的生成需要带有可信度。 １．１．３聚类分析聚类是指将物理或抽象对象的集合分成由类似的对象组成多个类的过程。由聚类生成的簇是一组数据对象的集合，这些对象与同簇中的对象彼此相似，与其他簇中的对象相异。聚类分析，又称为群分析，是研究样品或指标分类问题的一种统计分析方法。在现代农业生产中，利用聚类分析的方法，可以对基因进行分类，推导出植物的亲本等信息。 １．１．４分类分类就是找出一个类别的概念描述，即对某类对象的内涵进行描述，概括这类对象的有关特征，并用这种描述来构造模型，可用于规则描述和预测。 １．１．５偏差分析数据库中的数据存在很多异常情况，发现这些情况至关重要。偏差分析的基本方法就是寻找结果与参照之间的差别。 １．２数据挖掘系统的构成 １．２．１信息库信息库一般由一个或