基于sql模糊控制的温室决策支持系统的设计与实现

基于sql模糊控制的温室决策支持系统的设计与实现

0数据仓库与数据挖掘建立的决策支持系统农业数据具有高数据、多维数、动态、不完整和不确定性等特点。正确分析与处理这些数据,使这些数据能最大程度地得到利用,可以进一步提高农业生产管理水平。其中,决策支持系统(DSS)发挥着越来越重要的作用,它将能帮助农业生产进行成本核算和利用最小投入获取最大利润,从而提高农业生产的效益。传统的决策支持系统是以模型和知识驱动的。随着数据量的增大,这种决策支持系统越来越显示出固有的先天不足。利用数据仓库和数据挖掘建立的决策支持系统是一种新的决策支持系统,它能有效地改善传统的决策支持系统的不足,并有新的突破。在本系统中,数据仓库集成和存储来自异质的信息源数据,而这些信息源本身就是规模庞大的数据库;OLAP集中于数据的分析;数据挖掘则致力于知识的自动发现,从数据中获取有用的知识。将三者分别应用到决策支持系统设计和实现中,提高了相应部分的处理能力。1数据库与数据仓库决策支持系统总体结构如图1所示。数据仓库能够实现对决策主题数据的存储和综合,联机分析处理可以实现多维数据分析;数据挖掘功能则从数据库和数据仓库中发现潜在的规则与知识,来丰富知识库的内容,能提供更多的决策,并保障决策的准确性和实用性;挖掘管理构件协调各个操作模块之间的工作,管理各模块所使用的数据源、参数与挖掘结果;模型库可以对多个广义模型进行组合辅助决策;专家系统可以利用知识推理进行定性分析。它们集成的综合决策支持系统,相互补充和依赖,发挥各自的辅助决策优势,实现更有效的辅助决策。2决策支撑系统中数据仓库的应用2.1数据仓库的特点数据仓库是面向主题的、集成的、稳定的或不同时间的数据集合,用以支持经营管理中的决策制定过程。结合应用的技术优势如下:1)数据仓库和联机分析处理的数据组织方式是多维数据。数据库的数据是一维平面结构形式,而数据仓库的数据组织已经把它扩展为空间的多维机构形式。因此,数据仓库集中了更多的数据,以便于用户从大量数据中提取各自的辅助决策数据和信息。2)数据仓库是为决策分析服务的。数据仓库的数据不是大量数据库的堆积,而是按决策主题重新组织的,这与数据库数据为事务处理有本质差别。数据仓库中的数据含基本数据、历史数据、综合数据和源数据,可以提供综合信息和时间趋势分析信息等辅助决策信息。3)联机分析处理提供的多维分析手段有切片、切块、旋转、上下钻取等多种形式,便于用户从不同角度提取所需要的数据和信息戮。2.2模型结构分析数据仓库中数据模型有星型、雪花型、星型雪花型3种。无论何种数据模型,都以事实为中心,它们的区别是外围维度表相互之间的关系不同。农业数据的数据量庞大,必须对其进行详细的分析处理,以确定模型中所使用的决策变量、约束条件和目标函数。本文选取星型雪花型模型。其优点是建模方便,易于用户理解,并能支持用户从多个维度对数据进行分析。星型雪花型模型有两种类型的表构成,即事实表和维表。事实表中的信息用于查询,维表可再扩展变成事实表与维表的雪花型模型形式。经分析,本系统的数据仓库事实表主要包括:环境参数信息、作物生长状态信息、作物病虫害信息、室外气候信息、时间、投入等。事实表又分多个维表:一是环境参数维表,包括温室内空气温度、空气湿度、土壤水分、CO2浓度、与光照强度等;二是作物生长状态维表,包括作物各个生长阶段、生长时间、单果质量与植株密度等;三是作物病虫害维表,包括作物病害、作物虫害;四是室外气候维表,包括降雨量、日照和平均温度;五是时间维表,包括年度、季度与月份等;六是投入维表,包括水电费、农药费、肥料费及其他费用等。病虫害维表还可继续细分,结构见图2所示。3对数据安全的数据清理和存储数据挖掘是一个包含多个处理步骤的知识发现过程。为使系统中的数据挖掘功能具有一定的通用性以及满足系统功能扩展的需要,一般采取的步骤为:数据清洗、数据集成、数据选择、数据转换、数据挖掘、模式评估和知识表达输出。数据仓库的数据清理和数据挖掘的数据清理非常相似。数据仓库还可以运用不同数据库的综合技术从各种数据库中载入数据,通过各种方法进行处理后,建立合适的数据模型和存储方式,可以解决数据不一致的问题。当要进行数据挖掘的时候,就只剩下数据转换的问题了,从而大大减轻了数据挖掘的负担,加快了数据挖掘的速度,提高了数据挖掘的可靠性。具体数据挖掘算法如下。3.1生的经验知识在此决策支持系统中,根据一些病虫害发生的经验知识(用启发式规则表示),利用Apriori算法,挖掘长时间段内温室环境与特定作物发病之间的关联规则。3.2立一个区间大小为4的窗口对于温室而言,在预测精度满足实际应用的条件下,可以用前3天的数据来预测第4天的值,即建立一个区间大小为4的窗口。当温室中出现仪器故障和其它问题导致传感器短时间内无法报告数据时,需对影响作物生长的关键环境参数(温度和湿度)进行预测,管理人员可以由此采取相应措施使温室维持在理想的温度和湿度范围内,以减少病虫害的发生,使作物仍能获得良好的生长条件。3.3基于相似搜索的模型筛选在系统中,温室环境包括不同的参数(如温度、湿度、光照、土壤水分),通过相似搜索的办法,用比较熟悉的模型(同时也是很重要的模型,如温度模型)与其它参数之间进行匹配,找出各个参数之间的相似性。相似的模型有温度和光照、空气湿度和土壤湿度等序列。4分析服务实现系统选用SQLServer2000作为开发平台。SQLServer2000中包含了数据挖掘特性,本文利用的是其数据挖掘组件—分析服务。SQLServer的分析服务采用开放的体系结构,是一整套的决策支持引擎和工具,同时无缝集成了多种符合OLEDBForDM和预测模型标记语言(PMML)的数据挖掘算法。分析服务的访问通过图形用户界面工具,并且运用微软管理控制台接口运行。它可以访问数据挖掘和联机分析处理两种形式的决策支持机制,能够直接从数据仓库中进行数据挖掘操作,实现数据挖掘与数据仓库、应用程序的紧密耦合,从而大大提高数据挖掘效率。5基于专家的数据设计本文对数据挖掘和数据仓库技术在温室决策支持系统中的应用进行了初步尝试;结合温室中的数据特