[发明专利]一种基于Apriori方法的气象灾害智能感知方法

说明书

技术领域

本发明涉及智能感知和数据挖掘领域，尤其是一种基于Apriori方法的气象灾害智能感知方法。

 

背景技术

目前，决策支持系统(DSS)是指综合利用大量数据，将数学模型和数据处理模型、管理学、控制论、运筹学等多学科知识有机组合，通过人机交互辅助各级决策者实现科学决策的系统。它通过信息、仿真和计算机等技术手段综合利用现有的数据模型，辅助决策者解决半结构化或非结构化决策问题。从决策支持系统的定义来看，信息、决策者和模型是决策支持系统的三个最基本要素，DSS的目的是辅助决策者做出决策方案，提高决策者的决策技能和组织决策的水平，最终提高组织技能，取得更好的经济效益。

目前DSS发展的重要方向及其衍生主要有以下几个方向:(l)模型驱动的智能决策支持系统(Model- driven IDSS)，(2)数据驱动的智能决策支持系统(Data-Driven IDSS), (3)知识驱动的决策支持系统(Knowledge-Driven IDSS)。

IDSS主要通过对关联隐藏的数据进行处理并模型化，利用数值模型的计算结果来进行决策支持。对于一个智能系统来说，知识库是其核心，在这个知识库中，往往包含大量模糊、随机、不可靠或不确定性因素的数据，显然用于海量数据的处理的数据挖掘技术是实现智能感知与优化发展的核心。

Apriori方法的基本思想是“利用频繁项集的先验知识，也就是说使用一种逐层搜索的迭代方法来寻找频繁项集进而求出关联规则”。该方法是一种寻找频繁项集的最基本方法，至今仍作为关联规则挖掘的经典方法被广泛研究改进应用。

Apriori具有良好可伸缩性和实用性能，尤其是在处理离散数据时能够有突出的表现。不过，在产生候选项目集类方法中存在固有不足，比如在处理高相关性的稠密数据时，存在着以下缺点: 容易并呈现组合式的增长速度，产生巨大的候选项目集。必须要对数据库多次扫描。如果最长的模式是n的话，则需要(n+l)次数据库扫描。产生大量冗余规则等。

发明内容

本发明在基于传统Apriori关联方法的基础上，提出一种改进的Apriori方法，并应用于一个气象灾害智能感知系统。相较传统方法的不足之处，该方法降低了磁盘访问率，提升了运行效率，减少了冗余规则。

这个改进方法主要通过矩阵存储法和事务压缩提升了系统效率，并通过约束规则降低了规则冗余。该方法可以直接运用在该气象灾害智能感知系统中，经过实验验证，该系统可以通过知识库中的数据利用关联规则导出到规则库。

本发明的技术方案是：

一种基于Apriori方法的气象灾害智能感知方法，它包括如下步骤： 

1）定义知识库和规则库；

2）采用矩阵存储法降低磁盘访问率；

3）采用事务压缩方法进一步减少候选项目集ck中的候选项的数量；

4）采用约束规则更新项目集，

进行智能感知，得到相应的气象灾害预测信息。

本发明的知识库中包含了气象灾害历史感知数据，气象灾害预警预案数据，法律法规数据的内容；规则库用于存储通过关联规则方法导出的规则数据，包含气象灾害数据及其对应的智能感知信息。 

本发明的矩阵存储法为：首先对数据库进行编码，采用矩阵存储方法一次性将数据全部读进内存并存储项集。

本发明的事务压缩方法：在候选项目集Ck产生前，对Lk-1进一步裁剪，统计Lk-1中所有的项目出现的次数，删除Lk-1中包含出现次数小于k-1的项目的项目集，以减少参加连接的k-1项目集的数量。

本发明的约束规则为：直接将不符合社会基本事实的连接生成项从候选项集中删除。

本发明的有益效果：

本发明提出的一种改进的Apriori关联方法在现在的气象灾害智能感知系统中有明显的优化作用。相对于传统的Apriori关联方法，本方法在运行过程中需要扫描数据库次数减少，减轻了数据库负担，并大大减少了生成的候选数据项。显著提高了运行效率。

 

附图说明

图1为气象灾害智能感知系统业务流程图。

图2为传统方法和改进后的方法时间对比图。

 

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。