基于數(shù)據(jù)挖掘的水庫智能決策支持系統(tǒng)研究

1、基于數(shù)據(jù)挖掘的水庫智能決策支持系統(tǒng)研究第20卷第3期2009年6月水資源與水工程journalofwaterresources&waterengineeringvo1.2ono.3jun.,2009基于數(shù)據(jù)挖掘的水庫智能決策支持系統(tǒng)研究陳謙亮,王義民(1.山西省汾河灌溉管理局,山西祁縣030900;2.西安理工大學(xué)水利水電學(xué)院,陜西西安71oo48)摘要:開發(fā)水庫智能決策支持系統(tǒng)是水庫調(diào)度的發(fā)展趨勢,數(shù)據(jù)挖掘技術(shù)為智能決策系統(tǒng)的研制提供了一種有效的解決方案.從分析水庫決策支持系統(tǒng)的信息特征出發(fā),探討了將數(shù)據(jù)倉庫,數(shù)據(jù)挖掘技術(shù)引入水庫智能決策的必要性,并構(gòu)建了一個完整的系統(tǒng)模型,闡述了模

2、型的各主要組成部分及其關(guān)鍵技術(shù)與實現(xiàn)方案.關(guān)鍵詞:數(shù)據(jù)挖掘;水庫智能決策;信息分析中圖分類號:tv697.1文獻標(biāo)識碼:a文章編號:1672643x(2009)03007504intelligentdecisionmakingsupportingsystemofreservoirbasedondataminingtechniqueschenqian-liang.wangyi-min(1.fenheriveradministrationbureauofirrigationofshanxiprovince,qixian,shanxi030900,china;2.facultyofwaterreso

3、urcesandhydraulicpower,xianuniversityoftechnology,xian,shaanxi710048,china)abstract:developmentofreservoirintelligentdecision-makingsupportingsystemisthedevelopingtendencyofreservoiroperation.dataminingtechniquescanprovideadeffectivesolutionforthedevelopmentofintelligentdecisionmakingsystem.byanalyz

4、ingtheinformationfeatures,thenecessityofintroducingthedatabaseanddataminingtechnologyappliedintoreservoirintelligentdecision-makingwasdiscussedandacompletesystemmodelwasestablished.eachmajorcomponentofthismodel.itscrucialtechnologyandrealizationschemewerediscussed.keywords:datamining;intelligentdeci

5、sionmakingofreservoir;informationanalysis1數(shù)據(jù)挖掘簡介2水庫調(diào)度決策支持系統(tǒng)及信息特征數(shù)據(jù)挖掘(datamining,dm)是一種決策支持過程,其狹義的說法,就是從大型數(shù)據(jù)庫的數(shù)據(jù)中提取人們感興趣的知識.這些知識是事先未知的,潛在的有用信息,提取出來的知識可表示為概念,規(guī)則,模式等形式.從廣義的角度,可把數(shù)據(jù)挖掘的對象定義為任何組織在一起的數(shù)據(jù)集合.數(shù)據(jù)挖掘是一門交叉學(xué)科,涉及到諸如機器學(xué),模式識別,統(tǒng)計學(xué),數(shù)據(jù)庫,聯(lián)機分析,模糊邏輯,人工神經(jīng)網(wǎng)絡(luò),不確定推理,數(shù)據(jù)可視化等學(xué)科.根據(jù)ibm的劃分方法,從功能上看,數(shù)據(jù)挖掘的分析方法包括關(guān)聯(lián)分析(asso

6、ciations),序列模式分析(sequentialpatterns),分類分析(classifiers)和聚類分析(clustering)等.數(shù)據(jù)挖掘中常用的技術(shù)有遺傳算法,粗集方法,決策樹,人工神經(jīng)網(wǎng)絡(luò),規(guī)則歸納,最近鄰技術(shù),可視化技術(shù)等l1.2.1水庫調(diào)度決策支持系統(tǒng)信息特征水庫電站擔(dān)負著供水,發(fā)電,防洪,灌溉,防凌等重要任務(wù),水庫調(diào)度決策支持系統(tǒng)是將水電站有關(guān)應(yīng)用模型與各種數(shù)據(jù)及各類水務(wù)計算有機地結(jié)合,以系統(tǒng)論,信息論和決策支持理論為指導(dǎo),應(yīng)用現(xiàn)代數(shù)學(xué)和計算機網(wǎng)絡(luò)技術(shù),實現(xiàn)水庫電站的徑流預(yù)報,發(fā)電調(diào)度,防洪調(diào)度等的決策支持,以優(yōu)化水電站的運行,提高經(jīng)濟效益.從信息分析的角度看,水庫調(diào)

7、度系統(tǒng)所需數(shù)據(jù)種類繁多,表現(xiàn)形式多樣,信息量巨大.系統(tǒng)需要通過電力微波或其他通道實現(xiàn)水庫調(diào)度系統(tǒng)的數(shù)據(jù)采集,與各水電站子系統(tǒng),水情測報系統(tǒng),氣象系統(tǒng)聯(lián)網(wǎng).系統(tǒng)數(shù)據(jù)主要包括水庫水位,水庫蓄水量,出,入庫流量,發(fā)電量,泄洪流量,雨量站實測數(shù)據(jù),水文站的流量,流速,水位,部分水庫與河道的沙情描述,部分河道的冰情描述,閘門運行狀態(tài)及開度,水電站綜合管理信息,水電站機組出力和全收稿日期:20090227作者簡介:陳謙亮(1971一),男,山西祁縣人,工程師,主要從事水資源管理的研究.水資源與水工程廠總出力等.數(shù)據(jù)采集與處理的內(nèi)容還包括:氣象云圖,水情報文,氣象報文及頻率圖像等z.2.2水庫調(diào)度智能決策支

8、持技術(shù)從時間角度看,決策支持技術(shù)的發(fā)展經(jīng)歷了四個階段:2o世紀(jì)50年代到6o年代:數(shù)據(jù)處理階段.2o世紀(jì)6o年代到7o年代:管理信息系統(tǒng)(mis)階段.2o世紀(jì)7o年代到8o年代:決策支持系統(tǒng)(dss)階段.這一階段,以數(shù)據(jù)庫為基礎(chǔ),運籌學(xué)和系統(tǒng)科學(xué)運用于計算機后形成了模型輔助決策系統(tǒng),由于采用的模型主要是數(shù)學(xué)模型,它輔助決策的能力主要表現(xiàn)在定量分析上.2o世紀(jì)90年代:智能決策支持系統(tǒng)(idss)階段.該階段的主要特征是模型技術(shù),專家系統(tǒng),數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)的全方位地有機集成,使得決策支持技術(shù)無論是在體系結(jié)構(gòu)還是在信息處理能力上都產(chǎn)生了較大的變化,因此,智能決策支持系統(tǒng)是發(fā)展方向.傳統(tǒng)的

9、基于數(shù)據(jù)庫的水庫調(diào)度決策支持系統(tǒng)已難以支持海量信息分析的現(xiàn)狀,因此,把數(shù)據(jù)倉庫(datawarehouse:dw),聯(lián)機分析處理(onlineanalyticalprocessing:olap),數(shù)據(jù)挖掘(datamining:dm)和基于智能計算等為代表的新一代分析技術(shù)相結(jié)合,應(yīng)用于水庫調(diào)度已成為必然趨勢.在此,數(shù)據(jù)倉庫為不同結(jié)構(gòu)的海量數(shù)據(jù)提供統(tǒng)一的存儲與分析平臺;聯(lián)機分析實現(xiàn)不同時間跨度,不同粒度的數(shù)據(jù)分析與趨勢預(yù)測;數(shù)據(jù)挖掘與知識發(fā)現(xiàn)等能提煉出隱藏在大量信息背后的規(guī)律與知識,從而使水文信息數(shù)據(jù)豐富,知識貧乏的現(xiàn)狀得到根本改變.為此,本文針對水度調(diào)度系統(tǒng)的特點,在傳統(tǒng)的基于數(shù)據(jù)庫,知識庫和

10、模型庫的決策支持系統(tǒng)基礎(chǔ)上,采用數(shù)據(jù)倉庫,聯(lián)機分析,數(shù)據(jù)挖掘以及專家系統(tǒng)的有關(guān)理論,構(gòu)建出新一代的水庫智能決策支持系統(tǒng)模型,為水情信息的綜合管理,水庫的實時調(diào)度提供一套可行的方案.3基于數(shù)據(jù)挖掘技術(shù)的水庫智能決策支持系統(tǒng)模型設(shè)計根據(jù)以上指導(dǎo)思想設(shè)計的系統(tǒng)結(jié)構(gòu)見圖1.3.1數(shù)據(jù)倉庫數(shù)據(jù)倉庫技術(shù)是在數(shù)據(jù)庫技術(shù)基礎(chǔ)上發(fā)展演化而來的,其基本思想就是將數(shù)據(jù)從操作數(shù)據(jù)庫中抽取出來,經(jīng)過清洗,變換,裝載等一系列處理后,形成用于決策支持的數(shù)據(jù)集合.數(shù)據(jù)倉庫的特點是物理地存放數(shù)據(jù),是不同時間的數(shù)據(jù)集合,來源于其他形式和功能的數(shù)據(jù)庫,能極大地提高決策支持系統(tǒng)的性能與信息分析能力.數(shù)據(jù)倉庫的建立并不是要取代數(shù)據(jù)庫,

11、而是建立在一個較全面和完善的信息應(yīng)用基礎(chǔ)之上,用于支持高層決策.因此,數(shù)據(jù)倉庫已成為數(shù)據(jù)分析與挖掘的基礎(chǔ)平臺,水庫調(diào)度智能決策系統(tǒng)數(shù)據(jù)倉庫的體系結(jié)構(gòu)分為源數(shù)據(jù),數(shù)據(jù)抽取與轉(zhuǎn)換,數(shù)據(jù)倉庫3個層次.圖1水庫智能決策支持系統(tǒng)結(jié)構(gòu)圖(1)源數(shù)據(jù)層(sourcedata)為數(shù)據(jù)倉庫提供源數(shù)據(jù),例如各種應(yīng)用系統(tǒng)數(shù)據(jù)庫,聯(lián)機事物處理系統(tǒng)(0itp)的操作型數(shù)據(jù),外部數(shù)據(jù)源等都可以作為數(shù)據(jù)倉庫的源數(shù)據(jù).水庫智能決策系統(tǒng)的源數(shù)據(jù)包括水庫水位,水庫蓄水量,雨量站實測數(shù)據(jù),水文站的基本數(shù)據(jù),閘門運行狀態(tài)及開度,以及氣象云圖等.(2)數(shù)據(jù)獲取層把數(shù)據(jù)倉庫所需要的數(shù)據(jù)(當(dāng)前的,歷史的),從各種相關(guān)的業(yè)務(wù)數(shù)據(jù)庫或數(shù)據(jù)文件

12、等源數(shù)據(jù)中抽取出來,進行各種必要的檢驗,整合和轉(zhuǎn)換處理,再將這些數(shù)據(jù)集成存儲到數(shù)據(jù)倉庫中.數(shù)據(jù)獲取層在數(shù)據(jù)倉庫的整體系統(tǒng)應(yīng)用中占有非常重要的地位.(3)數(shù)據(jù)倉庫包括多個主題,一個主題的數(shù)據(jù)通常存儲在一個數(shù)據(jù)庫中.本系統(tǒng)采取星型模型(starschema)建模.其中,主題是其基本組成單位,每個主題由多個事實表和維表組成,而一個事實表可以關(guān)聯(lián)多個維表,構(gòu)成一個以事實表為中心的星型結(jié)構(gòu),多個星型結(jié)構(gòu)共同組成一個主題.本系統(tǒng)的數(shù)據(jù)倉庫按陛質(zhì)主題可分為兩部分:一部分是實時數(shù)據(jù)庫,采用面向?qū)ο缶幊碳夹g(shù)開發(fā),常駐內(nèi)存,實時性能較好;另一部分是歷史數(shù)據(jù)庫,該庫規(guī)模較大,數(shù)據(jù)存取方式較多,支持ansisql語言

13、訪問.第3期陳謙亮,等:基于數(shù)據(jù)挖掘的水庫智能決策支持系統(tǒng)研究如果按內(nèi)容與數(shù)據(jù)對象的主題分,則種類更多,包括實時數(shù)據(jù)庫,暫存數(shù)據(jù)庫,計算數(shù)據(jù)庫,預(yù)置數(shù)據(jù)庫,歷史數(shù)據(jù)庫等,并且數(shù)據(jù)庫可擴充和修改,以滿足應(yīng)用軟件分期分項的要求.為了數(shù)據(jù)的存取方便,靈活,采用先進的,符合準(zhǔn)國際標(biāo)準(zhǔn)sql的sybase數(shù)據(jù)庫管理系統(tǒng),提供數(shù)據(jù)的多種類,不同層次的存取,檢索手段,如:時間索引,河流索引,地區(qū)索引,水庫索引等.歷史數(shù)據(jù)庫的規(guī)模龐大,需保存系統(tǒng)幾十年,上百年的水情,水文及氣象數(shù)據(jù),采用基于網(wǎng)絡(luò)的sybase分布式數(shù)據(jù)庫,應(yīng)用客戶/tll務(wù)器模式,網(wǎng)絡(luò)透明,用戶不用關(guān)心所要存取的數(shù)據(jù)存放在網(wǎng)絡(luò)的哪個設(shè)備上.實

14、時數(shù)據(jù)庫,計算數(shù)據(jù)庫中的數(shù)據(jù)按一定順序,格式保存在歷史數(shù)據(jù)庫中.數(shù)據(jù)主要包括重要的水情,水文實測數(shù)據(jù),冰情,沙情及各類報表數(shù)據(jù),重要參數(shù)越限后變化過程數(shù)據(jù),以及重要分析計算結(jié)果數(shù)據(jù)等.3.2數(shù)據(jù)訪問和分析層數(shù)據(jù)訪問和分析層提供分析和決策人員訪問目標(biāo)數(shù)據(jù)庫中的數(shù)據(jù),并作進一步的深入分析之用.在數(shù)據(jù)倉庫基礎(chǔ)上直接采用的智能化分析技術(shù)主要有:聯(lián)機分析處理和數(shù)據(jù)挖掘.聯(lián)機分析技術(shù)的主要功能是進行多維數(shù)據(jù)分析和生成報表,專門用于支持復(fù)雜的分析操作,可以快速,靈活地進行大數(shù)據(jù)量的復(fù)雜查詢處理,并且以一種直觀易懂的形式,如圖表形式,將查詢結(jié)果提供給決策人員.數(shù)據(jù)挖掘技術(shù)是從海量數(shù)據(jù)中抽取隱含的,潛在的有用知

15、識的過程.數(shù)據(jù)挖掘的基本過程見圖2.傳統(tǒng)的信息處理主要是基于數(shù)據(jù)庫中數(shù)據(jù)的查詢,或通過聚集函數(shù)計算來發(fā)現(xiàn)有用的信息,并不能找出隱藏在數(shù)據(jù)中的規(guī)律,而數(shù)據(jù)挖掘并不僅僅是單純的信息處理,它包括了數(shù)據(jù)匯總和比較,并且還執(zhí)行關(guān)聯(lián),分類,預(yù)測,聚類,時間序列分析和其他數(shù)據(jù)分析任務(wù),從而自動發(fā)現(xiàn)隱藏在大量數(shù)據(jù)中的隱含模式和有趣知識(詳見第4部分).圖2數(shù)據(jù)挖掘的基本過程3.3輔助決策模塊輔助決策模塊的主要目標(biāo)是根據(jù)用戶的需要,利用數(shù)據(jù)倉庫及數(shù)據(jù)訪問和分析層所提供的信息,模型,方法與規(guī)則,對水庫進行合理調(diào)度.該模塊邏輯上主要由知識庫,模型庫,方案庫以及這3庫的管理模塊構(gòu)成.其中知識庫,模型庫和方案庫采集并存

16、儲了數(shù)據(jù)訪問和分析層產(chǎn)生的以及領(lǐng)域?qū)＜姨峁┑母鞣N知識,模型,算法以及推理所要用到的規(guī)則,數(shù)據(jù)匹配關(guān)系等.模型庫含有各種決策支持的模型,主要包括:預(yù)報,優(yōu)化,仿真,統(tǒng)計計算等數(shù)學(xué)模型,如用水需求分析模型,徑流預(yù)報模型,仿真調(diào)度模型,優(yōu)化調(diào)度模型,配水模型等;對數(shù)據(jù)庫操縱的數(shù)據(jù)處理模型;圖形,圖像顯示模型;報表輸出模型.方案是不同預(yù)報來水,不同用水計劃,不同調(diào)控約束,不同水庫運行方式的一種組合情況,方案庫是多個方案的集合,決策者可以在某一方案的基礎(chǔ)上,通過對水庫的調(diào)控獲得更滿意的方案.水庫智能決策支持系統(tǒng)知識庫設(shè)計的主要任務(wù)是水庫知識的形式化和知識庫的構(gòu)造,主要由知識庫(knowledgebase

17、),推理機(reasonormachine),學(xué)習(xí)機(selfstudysection)和知識庫管理模塊組成.知識庫的功能是貯存有關(guān)知識,包括流域水資源專業(yè)知識,水庫調(diào)度知識和專家的調(diào)控經(jīng)驗.推理機是以知識庫中的已有知識為基礎(chǔ),判別水庫調(diào)度方案是否合理的過程,自學(xué)習(xí)機是對運行中積累的決策經(jīng)驗進行整理和貯存,以人機交互方式從專家那里獲取知識,在運行中通過自學(xué)習(xí)積累經(jīng)驗,增加新知識,刪除不合理舊知識的過程.例如對于同一徑流預(yù)報模型,通過最新的水文資料(數(shù)據(jù)庫中數(shù)據(jù))系列,重新率定預(yù)報模型的參數(shù),或者尋找一種更合適的預(yù)報模型來取代原有的模型.3.4人機對話與人機界面上述模型的生成,數(shù)據(jù)的存取,問題分

18、析和求解,決策方法的評估等是通過人機對話方式實現(xiàn)的.人機對話設(shè)計成各個對應(yīng)軟件模塊及其對應(yīng)數(shù)據(jù)庫的相應(yīng)數(shù)據(jù)接口,模型庫接口,使之整體性良好且各功能模塊分工明確.對話方式以菜單選擇為主,結(jié)合問答形式來執(zhí)行決策者的操作命令.運行任一軟件或相關(guān)若干應(yīng)用的綜合軟件,人機對話子系統(tǒng)均能給出極為豐富的選擇和各種相關(guān)的組合,同時給出約束條件和參數(shù)等,可動態(tài)生成對應(yīng)的各種模型和選擇所需的計算方法,將水庫運行方案(某些條件下有多種決策方案)提供給決策者.4數(shù)據(jù)挖掘在水庫調(diào)度中的應(yīng)用4.1基于數(shù)據(jù)挖掘的水文預(yù)報應(yīng)用時間序列分析,序列模式挖掘等方式可對78水資源與水工程各種信息進行實時洪水和中長期徑流預(yù)報.水文數(shù)據(jù)

19、挖掘的研究總體上還處于起步與探索階段,但是由于各種解決水文過程的不確定性與非確知的理論,方法和技術(shù)的研究與實踐已經(jīng)取得了多方面的進展,從而為水文數(shù)據(jù)挖掘奠定了理論與技術(shù)基礎(chǔ).4.1.1徑流中長期預(yù)報水庫中長期徑流預(yù)報是根據(jù)降水徑流,流域氣象,水文要素等數(shù)據(jù),采用模型來預(yù)報入庫來水.由于水庫的入庫來水及變化是十分復(fù)雜的非線性過程,它既受到氣象水文因素的影響,又帶有隨機變化的不確定性,因此,利用數(shù)據(jù)挖掘技術(shù)研究水庫中長期來水是非常必要的.另外,數(shù)據(jù)挖掘的主要目的是實現(xiàn)知識發(fā)現(xiàn),根據(jù)知識的類型不同,可采取不同的技術(shù),如模糊數(shù)據(jù)挖掘,人工神經(jīng)網(wǎng)絡(luò),小波分析,分形理論和混沌理論等.陳守煜應(yīng)用模糊水文學(xué)的

20、成因分析,統(tǒng)計分析與模糊集分析相結(jié)合的方法,提出中長期水文預(yù)報綜合分析理論模式與方法4.corani,g.提出應(yīng)用簡化的神經(jīng)網(wǎng)絡(luò)進行水文預(yù)測,并驗證了簡化的神經(jīng)網(wǎng)絡(luò)比完整的神經(jīng)網(wǎng)絡(luò)具有更廣泛的應(yīng)用范圍.值得指出的是人工神經(jīng)與很多其它的預(yù)測方法都可以有較好的結(jié)合,如灰色系統(tǒng)理論,遺傳算法,小波分析,模糊集等都有與其結(jié)合后提高計算精度或效率的報道.針對年降雨量,太陽黑子相對數(shù)以及人類活動對徑流序列有較大影響的特點,可采用基于蟻群算法的聚類分析方法,對多種徑流影響因素進行綜合聚類分析,通過相似性搜索對徑流序列進行深入挖掘.為了能深刻地反映各個時間段的河jli徑流變化,在河川徑流時間序列分析中常引入小

21、波分析技術(shù),利用小波分析時頻局化性質(zhì)分析徑流的變化特征,將徑流時間序列的趨勢項,隨機項,周期項,突變項的不同頻率成分分離,研究河川徑流的變化規(guī)律,通過這些知識發(fā)現(xiàn),為水庫調(diào)度,水資源合理配置,水庫電站規(guī)劃和促進區(qū)域可持續(xù)發(fā)展提供科學(xué)依據(jù),以提高決策的準(zhǔn)確性和精確性.分形幾何是由法國數(shù)學(xué)家b.b.mandelbrol建立并發(fā)展起來的一門學(xué)科,它研究自然界不規(guī)則現(xiàn)象及其內(nèi)在的規(guī)律.李華曄等人6論述了河流水系分形特征,以黃河水系為例,采用算法模型求出分形維數(shù),把分形理論應(yīng)用于河流,水系研究,為這一理論的研究提供了新方法,通過計算分形維數(shù)可對河流隨時問演化過程進行預(yù)測.河jli徑流的變化既具有確定性,

22、又具有隨機性,應(yīng)用混沌理論,能打破以往傳統(tǒng)水文分析中單一的確定性分析或隨機性分析方法.sivakumar等人e對水文混沌分析方法作了較為系統(tǒng)深入的研究,得出了一些重要結(jié)論.4.1.2洪水預(yù)報實時洪水預(yù)報是使用數(shù)據(jù)倉庫中的實時數(shù)據(jù),采用水文預(yù)報模型(包括降雨徑流模型,河道洪水演算模型,實時校正模型等),從實時數(shù)據(jù)中挖掘信息,進行多模型,多參數(shù)的分析計算,以獲得具有科學(xué)依據(jù)的預(yù)報結(jié)果.周曉陽等e針對以三峽為中心的長江防洪系統(tǒng),研究了長江中下游成災(zāi)洪水的分類規(guī)律,利用模糊概率聚類方法,采用相似系統(tǒng)作聚類指標(biāo),對洪水?dāng)?shù)據(jù)進行了分類.將流量過程分成若干類型以進行洪水的分類預(yù)報.lindasee9利用so

23、m神經(jīng)網(wǎng)絡(luò)將歷史水位分類為低,中,上升,洪峰和下落五種類型,然后對于不同的類型運用不同的mlp神經(jīng)網(wǎng)絡(luò)結(jié)合模糊及遺傳算法進行訓(xùn)練,最終得到針對不同水文特征的預(yù)報模型.4.2水庫調(diào)度規(guī)則的決策樹方法水庫調(diào)度規(guī)則的獲取主要有兩種方式:一是常規(guī)方法,即利用長系列歷史徑流資料進行優(yōu)化計算,得到長系列的運行過程,通過統(tǒng)計回歸等方法推求調(diào)度規(guī)則,如調(diào)度圖,調(diào)度函數(shù)等;二是直接假定某種形式的調(diào)度規(guī)則(新規(guī)則),利用數(shù)學(xué)模型去檢驗,評價和改進該調(diào)度規(guī)則,如線性,非線性調(diào)度規(guī)則,決策樹方法和模糊調(diào)度的方法.應(yīng)用決策樹研究水庫調(diào)度規(guī)則主要是應(yīng)用數(shù)據(jù)挖掘的分類功能.分類是數(shù)據(jù)挖掘研究中的一個非常重要的領(lǐng)域,它是已知

24、現(xiàn)存的類別,要建立類別的描述規(guī)則,并對新例的觀察值判別歸類.決策樹不需要用戶了解很多背景知識,只要訓(xùn)練樣本能夠用屬性值的方式表達,就可以使用該算法來學(xué)習(xí).它根據(jù)預(yù)先分類的樣本發(fā)展群體數(shù)據(jù)模型,在新的(未分類的)數(shù)據(jù)中應(yīng)用該模型以預(yù)測這些數(shù)據(jù)記錄將產(chǎn)生的假定結(jié)果.在水庫調(diào)度過程中,大量的數(shù)據(jù)資料和信息反饋積累起來形成了一個較為龐大的數(shù)據(jù)庫,可以利用數(shù)據(jù)挖掘算法充分挖掘其中潛在的有價值的關(guān)系與模式,利用一些預(yù)先給定的屬性值(水庫庫容,調(diào)度時期,人流等)來預(yù)測水庫的出庫水量,用以指導(dǎo)今后的水庫調(diào)度.文獻elo-i應(yīng)用決策樹研究了安康水庫的調(diào)度規(guī)則,結(jié)果表明該方法具有計算速度快,靈活性高,健壯性好,以

25、及解釋性強的優(yōu)點.(下轉(zhuǎn)第82頁)82水資源與水工程2009年更多的糧食國際合作項目研究,在總結(jié)灌區(qū)灌溉管理經(jīng)驗的基礎(chǔ)上,建立起節(jié)水灌溉的模型推廣應(yīng)用等等.促進了灌區(qū)的發(fā)展.(6)農(nóng)業(yè)生產(chǎn)新技術(shù)的推廣應(yīng)用.如土肥最佳耦合模式,新品種,新技術(shù)的推廣應(yīng)用,農(nóng)業(yè)生產(chǎn)機械化程度的不斷提高和農(nóng)業(yè)種植結(jié)構(gòu)調(diào)整等等,促進了農(nóng)業(yè)生產(chǎn)的進步,發(fā)展.5結(jié)語(1)在水稻種植面積和灌溉用水量減少較多的情況下,水稻總產(chǎn)量變化不大,灌溉水分生產(chǎn)率的大幅度提高,提升了灌區(qū)內(nèi)水資源的承載能力.這兩項指標(biāo)綜合反映了灌區(qū)農(nóng)業(yè)生產(chǎn)水平,灌溉工程狀況,灌溉管理水平和單位水量投人的農(nóng)作物產(chǎn)出率隨時間的變化,不斷得到提高.(2)為適應(yīng)越

26、來越少的農(nóng)業(yè)供水,灌區(qū)普遍推廣節(jié)水灌溉與農(nóng)業(yè)生產(chǎn)新技術(shù).水稻單產(chǎn)量的大幅度提高,農(nóng)業(yè)節(jié)水緩解了漳河水庫水資源供需矛盾.(3)工業(yè),城市生活,發(fā)電和其他用水量則呈上升的趨勢,反映出灌區(qū)水資源利用從以農(nóng)業(yè)灌溉為主轉(zhuǎn)為向區(qū)域內(nèi)經(jīng)濟社會全面供水,水資源利用效率得到了進一步的提高.(4)隨著區(qū)域內(nèi)社會經(jīng)濟的快速發(fā)展,城市化進程的不斷加快,人口的不斷增多,非農(nóng)業(yè)用水呈現(xiàn)不斷增加的趨勢,水庫供需矛盾將會更加突出.因此,在繼續(xù)做好國民經(jīng)濟各部門的節(jié)水工作的同時,還要注重工程建設(shè),水資源保護,水環(huán)境修復(fù),制定切實可行的政策,加快節(jié)水型社會的建設(shè),以水資源的可持續(xù)利用支撐經(jīng)濟社會的可持續(xù)發(fā)展.參考文獻:1陳崇德,

27、李紅,王建章.漳河灌區(qū)水量分配和農(nóng)業(yè)生產(chǎn)趨勢研究fj-.水利發(fā)展研究,2006,(1o):3841.2陳崇德,彭亮,趙華安.漳河水庫水資源短缺的分析j.昆明理工大學(xué),2005,30(2a):361364.3張笑天.漳河水庫水資源利用潛能分析口.水利建設(shè)與管理,2008,(9):9597.4陳崇德,胡小梅,潘剛.灌區(qū)農(nóng)業(yè)種植結(jié)構(gòu)調(diào)整和用水量變化的思考口.中國水利,2008,(3):495o.5尉水平,陳德立,李保國.農(nóng)業(yè)水價調(diào)整對解決華北平原水資源短缺的有效性分析j.資源科學(xué),2007.29(2):4o45.6吳紹洪,戴爾阜,靳京.山東省禹城市糧食生產(chǎn)資源利用效率評價j.資源科學(xué),2007,29(1):2126.(上接第78頁)5結(jié)語數(shù)據(jù)