基于sql模糊控制的溫室決策支持系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

基于sql模糊控制的溫室決策支持系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

0數(shù)據(jù)倉庫與數(shù)據(jù)挖掘建立的決策支持系統(tǒng)農(nóng)業(yè)數(shù)據(jù)具有高數(shù)據(jù)、多維數(shù)、動(dòng)態(tài)、不完整和不確定性等特點(diǎn)。正確分析與處理這些數(shù)據(jù),使這些數(shù)據(jù)能最大程度地得到利用,可以進(jìn)一步提高農(nóng)業(yè)生產(chǎn)管理水平。其中,決策支持系統(tǒng)(DSS)發(fā)揮著越來越重要的作用,它將能幫助農(nóng)業(yè)生產(chǎn)進(jìn)行成本核算和利用最小投入獲取最大利潤(rùn),從而提高農(nóng)業(yè)生產(chǎn)的效益。傳統(tǒng)的決策支持系統(tǒng)是以模型和知識(shí)驅(qū)動(dòng)的。隨著數(shù)據(jù)量的增大,這種決策支持系統(tǒng)越來越顯示出固有的先天不足。利用數(shù)據(jù)倉庫和數(shù)據(jù)挖掘建立的決策支持系統(tǒng)是一種新的決策支持系統(tǒng),它能有效地改善傳統(tǒng)的決策支持系統(tǒng)的不足,并有新的突破。在本系統(tǒng)中,數(shù)據(jù)倉庫集成和存儲(chǔ)來自異質(zhì)的信息源數(shù)據(jù),而這些信息源本身就是規(guī)模龐大的數(shù)據(jù)庫;OLAP集中于數(shù)據(jù)的分析;數(shù)據(jù)挖掘則致力于知識(shí)的自動(dòng)發(fā)現(xiàn),從數(shù)據(jù)中獲取有用的知識(shí)。將三者分別應(yīng)用到?jīng)Q策支持系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)中,提高了相應(yīng)部分的處理能力。1數(shù)據(jù)庫與數(shù)據(jù)倉庫決策支持系統(tǒng)總體結(jié)構(gòu)如圖1所示。數(shù)據(jù)倉庫能夠?qū)崿F(xiàn)對(duì)決策主題數(shù)據(jù)的存儲(chǔ)和綜合,聯(lián)機(jī)分析處理可以實(shí)現(xiàn)多維數(shù)據(jù)分析;數(shù)據(jù)挖掘功能則從數(shù)據(jù)庫和數(shù)據(jù)倉庫中發(fā)現(xiàn)潛在的規(guī)則與知識(shí),來豐富知識(shí)庫的內(nèi)容,能提供更多的決策,并保障決策的準(zhǔn)確性和實(shí)用性;挖掘管理構(gòu)件協(xié)調(diào)各個(gè)操作模塊之間的工作,管理各模塊所使用的數(shù)據(jù)源、參數(shù)與挖掘結(jié)果;模型庫可以對(duì)多個(gè)廣義模型進(jìn)行組合輔助決策;專家系統(tǒng)可以利用知識(shí)推理進(jìn)行定性分析。它們集成的綜合決策支持系統(tǒng),相互補(bǔ)充和依賴,發(fā)揮各自的輔助決策優(yōu)勢(shì),實(shí)現(xiàn)更有效的輔助決策。2決策支撐系統(tǒng)中數(shù)據(jù)倉庫的應(yīng)用2.1數(shù)據(jù)倉庫的特點(diǎn)數(shù)據(jù)倉庫是面向主題的、集成的、穩(wěn)定的或不同時(shí)間的數(shù)據(jù)集合,用以支持經(jīng)營管理中的決策制定過程。結(jié)合應(yīng)用的技術(shù)優(yōu)勢(shì)如下:1)數(shù)據(jù)倉庫和聯(lián)機(jī)分析處理的數(shù)據(jù)組織方式是多維數(shù)據(jù)。數(shù)據(jù)庫的數(shù)據(jù)是一維平面結(jié)構(gòu)形式,而數(shù)據(jù)倉庫的數(shù)據(jù)組織已經(jīng)把它擴(kuò)展為空間的多維機(jī)構(gòu)形式。因此,數(shù)據(jù)倉庫集中了更多的數(shù)據(jù),以便于用戶從大量數(shù)據(jù)中提取各自的輔助決策數(shù)據(jù)和信息。2)數(shù)據(jù)倉庫是為決策分析服務(wù)的。數(shù)據(jù)倉庫的數(shù)據(jù)不是大量數(shù)據(jù)庫的堆積,而是按決策主題重新組織的,這與數(shù)據(jù)庫數(shù)據(jù)為事務(wù)處理有本質(zhì)差別。數(shù)據(jù)倉庫中的數(shù)據(jù)含基本數(shù)據(jù)、歷史數(shù)據(jù)、綜合數(shù)據(jù)和源數(shù)據(jù),可以提供綜合信息和時(shí)間趨勢(shì)分析信息等輔助決策信息。3)聯(lián)機(jī)分析處理提供的多維分析手段有切片、切塊、旋轉(zhuǎn)、上下鉆取等多種形式,便于用戶從不同角度提取所需要的數(shù)據(jù)和信息戮。2.2模型結(jié)構(gòu)分析數(shù)據(jù)倉庫中數(shù)據(jù)模型有星型、雪花型、星型雪花型3種。無論何種數(shù)據(jù)模型,都以事實(shí)為中心,它們的區(qū)別是外圍維度表相互之間的關(guān)系不同。農(nóng)業(yè)數(shù)據(jù)的數(shù)據(jù)量龐大,必須對(duì)其進(jìn)行詳細(xì)的分析處理,以確定模型中所使用的決策變量、約束條件和目標(biāo)函數(shù)。本文選取星型雪花型模型。其優(yōu)點(diǎn)是建模方便,易于用戶理解,并能支持用戶從多個(gè)維度對(duì)數(shù)據(jù)進(jìn)行分析。星型雪花型模型有兩種類型的表構(gòu)成,即事實(shí)表和維表。事實(shí)表中的信息用于查詢,維表可再擴(kuò)展變成事實(shí)表與維表的雪花型模型形式。經(jīng)分析,本系統(tǒng)的數(shù)據(jù)倉庫事實(shí)表主要包括:環(huán)境參數(shù)信息、作物生長(zhǎng)狀態(tài)信息、作物病蟲害信息、室外氣候信息、時(shí)間、投入等。事實(shí)表又分多個(gè)維表:一是環(huán)境參數(shù)維表,包括溫室內(nèi)空氣溫度、空氣濕度、土壤水分、CO2濃度、與光照強(qiáng)度等;二是作物生長(zhǎng)狀態(tài)維表,包括作物各個(gè)生長(zhǎng)階段、生長(zhǎng)時(shí)間、單果質(zhì)量與植株密度等;三是作物病蟲害維表,包括作物病害、作物蟲害;四是室外氣候維表,包括降雨量、日照和平均溫度;五是時(shí)間維表,包括年度、季度與月份等;六是投入維表,包括水電費(fèi)、農(nóng)藥費(fèi)、肥料費(fèi)及其他費(fèi)用等。病蟲害維表還可繼續(xù)細(xì)分,結(jié)構(gòu)見圖2所示。3對(duì)數(shù)據(jù)安全的數(shù)據(jù)清理和存儲(chǔ)數(shù)據(jù)挖掘是一個(gè)包含多個(gè)處理步驟的知識(shí)發(fā)現(xiàn)過程。為使系統(tǒng)中的數(shù)據(jù)挖掘功能具有一定的通用性以及滿足系統(tǒng)功能擴(kuò)展的需要,一般采取的步驟為:數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)選擇、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)挖掘、模式評(píng)估和知識(shí)表達(dá)輸出。數(shù)據(jù)倉庫的數(shù)據(jù)清理和數(shù)據(jù)挖掘的數(shù)據(jù)清理非常相似。數(shù)據(jù)倉庫還可以運(yùn)用不同數(shù)據(jù)庫的綜合技術(shù)從各種數(shù)據(jù)庫中載入數(shù)據(jù),通過各種方法進(jìn)行處理后,建立合適的數(shù)據(jù)模型和存儲(chǔ)方式,可以解決數(shù)據(jù)不一致的問題。當(dāng)要進(jìn)行數(shù)據(jù)挖掘的時(shí)候,就只剩下數(shù)據(jù)轉(zhuǎn)換的問題了,從而大大減輕了數(shù)據(jù)挖掘的負(fù)擔(dān),加快了數(shù)據(jù)挖掘的速度,提高了數(shù)據(jù)挖掘的可靠性。具體數(shù)據(jù)挖掘算法如下。3.1生的經(jīng)驗(yàn)知識(shí)在此決策支持系統(tǒng)中,根據(jù)一些病蟲害發(fā)生的經(jīng)驗(yàn)知識(shí)(用啟發(fā)式規(guī)則表示),利用Apriori算法,挖掘長(zhǎng)時(shí)間段內(nèi)溫室環(huán)境與特定作物發(fā)病之間的關(guān)聯(lián)規(guī)則。3.2立一個(gè)區(qū)間大小為4的窗口對(duì)于溫室而言,在預(yù)測(cè)精度滿足實(shí)際應(yīng)用的條件下,可以用前3天的數(shù)據(jù)來預(yù)測(cè)第4天的值,即建立一個(gè)區(qū)間大小為4的窗口。當(dāng)溫室中出現(xiàn)儀器故障和其它問題導(dǎo)致傳感器短時(shí)間內(nèi)無法報(bào)告數(shù)據(jù)時(shí),需對(duì)影響作物生長(zhǎng)的關(guān)鍵環(huán)境參數(shù)(溫度和濕度)進(jìn)行預(yù)測(cè),管理人員可以由此采取相應(yīng)措施使溫室維持在理想的溫度和濕度范圍內(nèi),以減少病蟲害的發(fā)生,使作物仍能獲得良好的生長(zhǎng)條件。3.3基于相似搜索的模型篩選在系統(tǒng)中,溫室環(huán)境包括不同的參數(shù)(如溫度、濕度、光照、土壤水分),通過相似搜索的辦法,用比較熟悉的模型(同時(shí)也是很重要的模型,如溫度模型)與其它參數(shù)之間進(jìn)行匹配,找出各個(gè)參數(shù)之間的相似性。相似的模型有溫度和光照、空氣濕度和土壤濕度等序列。4分析服務(wù)實(shí)現(xiàn)系統(tǒng)選用SQLServer2000作為開發(fā)平臺(tái)。SQLServer2000中包含了數(shù)據(jù)挖掘特性,本文利用的是其數(shù)據(jù)挖掘組件—分析服務(wù)。SQLServer的分析服務(wù)采用開放的體系結(jié)構(gòu),是一整套的決策支持引擎和工具,同時(shí)無縫集成了多種符合OLEDBForDM和預(yù)測(cè)模型標(biāo)記語言(PMML)的數(shù)據(jù)挖掘算法。分析服務(wù)的訪問通過圖形用戶界面工具,并且運(yùn)用微軟管理控制臺(tái)接口運(yùn)行。它可以訪問數(shù)據(jù)挖掘和聯(lián)機(jī)分析處理兩種形式的決策支持機(jī)制,能夠直接從數(shù)據(jù)倉庫中進(jìn)行數(shù)據(jù)挖掘操作,實(shí)現(xiàn)數(shù)據(jù)挖掘與數(shù)據(jù)倉庫、應(yīng)用程序的緊密耦合,從而大大提高數(shù)據(jù)挖掘效率。5基于專家的數(shù)據(jù)設(shè)計(jì)本文對(duì)數(shù)據(jù)挖掘和數(shù)據(jù)倉庫技術(shù)在溫室決策支持系統(tǒng)中的應(yīng)用進(jìn)行了初步嘗試;結(jié)合溫室中的數(shù)據(jù)特