供水調(diào)度中實現(xiàn)決策支持的方法研究

［摘 要］ 針對供水調(diào)度系統(tǒng)在決策支持方面的不足，本文提出利用SQL Server Analysis Services在OLAP及數(shù)據(jù)挖掘方面的技術，建立數(shù)據(jù)倉庫、OLAP和數(shù)據(jù)挖掘三者相結合的決策支持系統(tǒng)的方案，討論了基于Analysis Services實現(xiàn)供水調(diào)度決策支持系統(tǒng)的技術。

［關鍵詞］ 決策支持系統(tǒng)；數(shù)據(jù)倉庫；OLAP；數(shù)據(jù)挖掘；Analysis Services

［中圖分類號］F270.7［文獻標識碼］A［文章編號］1673-0194（2009）02-0074-05

1 引 言

供水企業(yè)是服務于公共事業(yè)的國有企業(yè)，企業(yè)的目的是為社會提供優(yōu)質(zhì)的服務，而不是利用自己的壟斷地位，通過提價來獲得最大利益。企業(yè)只能通過挖掘自身的潛力，降低成本來獲得最大利益。供水調(diào)度是供水企業(yè)控制生產(chǎn)成本，提高生產(chǎn)效率的重要手段。目前供水企業(yè)在供水調(diào)度方面基本都應用了無線測控系統(tǒng)，用于定時測量供水管網(wǎng)的水壓、各水廠水泵開停機狀態(tài)、出廠水流量、清水池水位等生產(chǎn)數(shù)據(jù)，如何從這些豐富的業(yè)務數(shù)據(jù)中獲得有用的知識，幫助工作人員提高供水調(diào)度質(zhì)量，幫助企業(yè)管理人員提高決策能力，已成為供水企業(yè)信息化工作的當務之急。

2 實現(xiàn)決策支持的相關技術

2. 1決策支持系統(tǒng)（DSS）

決策支持系統(tǒng)是指具有輔助決策能力的高級計算機信息管理系統(tǒng)，它是能利用各種數(shù)據(jù)、信息、知識，特別是模型技術，輔助各級決策者解決半結構化和非結構化的決策問題的人機交互系統(tǒng)。決策支持系統(tǒng)能為企業(yè)和組織提供各種決策信息以及問題的解決方案，將決策者從低層次的信息分析處理工作中解放出來，使他們擁有更多的時間專注于最需要決策智慧和經(jīng)驗的工作，從而提高決策的質(zhì)量和效率。

傳統(tǒng)的決策支持系統(tǒng)建立在業(yè)務數(shù)據(jù)庫基礎之上，以模型庫為主體，只能進行定量分析，而對于定性的決策分析顯得力不從心；隨著企業(yè)業(yè)務數(shù)據(jù)量迅速增長，企業(yè)需要保存大量的歷史數(shù)據(jù)，需要在大量的歷史數(shù)據(jù)中進行定量和定性分析以獲取有用的信息，為企業(yè)提供決策依據(jù)，因此企業(yè)需要重新組織業(yè)務數(shù)據(jù)，建立基于數(shù)據(jù)倉庫的決策支持系統(tǒng)。

數(shù)據(jù)倉庫之父W. H. Inmon對數(shù)據(jù)倉庫的定義是：數(shù)據(jù)倉庫是面向主題的、集成的、相對穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合，用于支持經(jīng)營管理中的決策。

目前，數(shù)據(jù)倉庫技術的運用正在向廣度和深度兩個方向擴展。廣度擴展指的是數(shù)據(jù)源的廣泛化，即不僅可以從各種異構的數(shù)據(jù)庫中獲取數(shù)據(jù)，還可以從互聯(lián)網(wǎng)上獲取數(shù)據(jù)。而深度方向的研究指的是基于已有信息，面向數(shù)據(jù)分析的應用，包括數(shù)據(jù)挖掘技術和聯(lián)機分析處理技術。

數(shù)據(jù)倉庫系統(tǒng)是多種技術的綜合體，由數(shù)據(jù)倉庫、數(shù)據(jù)庫管理系統(tǒng)、數(shù)據(jù)倉庫工具3部分組成：

（1） 數(shù)據(jù)庫管理系統(tǒng)（DBMS）負責管理整個系統(tǒng)的運轉，是整個系統(tǒng)的引擎。

（2） 數(shù)據(jù)倉庫包括遠期基本數(shù)據(jù)、近期基本數(shù)據(jù)、輕度綜合數(shù)據(jù)和高度綜合數(shù)據(jù)，是整個系統(tǒng)的核心。

（3） 數(shù)據(jù)倉庫工具則是通過聯(lián)機分析處理、數(shù)據(jù)挖掘等工具發(fā)揮數(shù)據(jù)倉庫的作用。

２． ２數(shù)據(jù)挖掘（ＤＭ）

數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中通過自動化或半自動化的方法挖掘出有用的模式和規(guī)則，即從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中發(fā)現(xiàn)隱含的、規(guī)律性的、人們事先未知的，但又是潛在有用的并且最終可理解的信息和知識的非平凡過程。它是一門交叉學科，融合了數(shù)據(jù)庫、人工智能、機器學習、統(tǒng)計學等多個領域的理論和技術。數(shù)據(jù)挖掘技術從數(shù)據(jù)庫、數(shù)據(jù)倉庫中挖掘有用的知識，這些知識以一定的組織方式形成知識庫，利用推理機對知識庫中的知識進行推理即形成智能模型。利用智能模型可以定性分析方式輔助決策。數(shù)據(jù)挖掘技術使知識庫集成到?jīng)Q策支持系統(tǒng)中形成智能決策支持系統(tǒng)，使其能夠對非結構化的問題進行分析推理。數(shù)據(jù)挖掘的方法和技術主要包括決策樹方法、神經(jīng)網(wǎng)絡方法、統(tǒng)計分析方法、遺傳算法和模糊論方法等。

２． ３聯(lián)機分析處理（ＯＬＡＰ）

OLAP是一種軟件技術，它使分析人員能夠迅速、一致、交互地從各個方面觀察信息，以達到深入理解數(shù)據(jù)的目的。這些信息是從原始數(shù)據(jù)轉換過來的，能夠真正為用戶所理解并真實地反映企業(yè)方方面面特征的信息。OLAP的顯著特征是能提供數(shù)據(jù)的多維概念視圖。數(shù)據(jù)的多維視圖使最終用戶能多角度、多側面、多層次地考察數(shù)據(jù)庫中的數(shù)據(jù)，從而深入地理解包含在數(shù)據(jù)中的信息及其內(nèi)涵。OLAP分析主要是通過對多維組織后的數(shù)據(jù)進行切片、切塊、聚合、鉆取、旋轉等分析動作，以求剖析數(shù)據(jù)，使用戶能夠從多種維度、多個側面、多種數(shù)據(jù)綜合度查看數(shù)據(jù)，從而了解數(shù)據(jù)背后隱含的規(guī)律。

3 供水調(diào)度決策支持功能需求分析

3. 1供水調(diào)度系統(tǒng)功能簡介

目前供水企業(yè)基本上實現(xiàn)了調(diào)度信息化。該信息系統(tǒng)包括遙測與信息處理兩部分。遙測部分，通過無線通信技術實現(xiàn)了對管網(wǎng)各測壓點的供水壓力值的采集，對各水廠的出廠水數(shù)據(jù)采集，包括出廠水壓值、流量，水廠水池的水位、余氯等數(shù)據(jù)的采集，以及抽水機電設備的開關狀態(tài)、電壓、電流、功率等數(shù)據(jù)的采集。信息處理部分，利用數(shù)據(jù)庫技術將遙測得到的數(shù)據(jù)存儲在計算機數(shù)據(jù)庫系統(tǒng)中，利用編程技術對存儲在數(shù)據(jù)庫中的數(shù)據(jù)進行檢索、顯示及報表打印。供水調(diào)度的主要目的是掌握各水廠的生產(chǎn)狀況，統(tǒng)籌安排各水廠的水泵開停，監(jiān)視供水管網(wǎng)運行狀況。高效的供水調(diào)度能讓企業(yè)在最少的投入情況下獲得最好的供水效果，通過減少生產(chǎn)成本實現(xiàn)企業(yè)利潤最大化的目的。

3. 2供水調(diào)度決策支持中的OLAP需求研究

OLAP能夠提供對歷史數(shù)據(jù)的各個維度進行深入觀察和對某一特征的總體描述，能給企業(yè)提供淺層次決策。利用OLAP，能在由業(yè)務數(shù)據(jù)基礎上形成的具有多維性的數(shù)據(jù)倉庫之上形成涉及時間和地理位置（包括各水廠和城市供水管網(wǎng)測壓點）以及其他維的生產(chǎn)運行數(shù)據(jù)的各種數(shù)據(jù)透視表，通過在這些透視表上實現(xiàn)對數(shù)據(jù)進行切片、切塊、聚合、鉆取、旋轉等分析動作，從而發(fā)現(xiàn)一些隱藏的生產(chǎn)運行情況，如分析在各個時段滿足城市管網(wǎng)各測壓點水壓穩(wěn)定的情況下，各水廠的出廠水流量以及水泵開停數(shù)據(jù)，實現(xiàn)對各水廠的生產(chǎn)指導。此外，OLAP還可以用于企業(yè)的報表分析，在日常的企業(yè)管理過程中，需要大量的報表，借助于OLAP工具可以方便地生成各種報表。

3. 3供水調(diào)度決策支持系統(tǒng)中的數(shù)據(jù)挖掘需求研究

數(shù)據(jù)挖掘在數(shù)據(jù)倉庫和OLAP的基礎上能夠更好地挖掘隱藏在歷史數(shù)據(jù)背后的知識，有助于企業(yè)深層次決策。在由業(yè)務數(shù)據(jù)基礎上形成的具有多維性的數(shù)據(jù)倉庫之上，利用決策樹技術，挖掘供水調(diào)度過程中隱藏的規(guī)則，幫助調(diào)度管理人員進行日常的調(diào)度。利用神經(jīng)網(wǎng)絡技術挖掘各時段各水廠開停水泵的最佳組合。利用關聯(lián)規(guī)則技術挖掘城市管網(wǎng)各測壓點水壓與出現(xiàn)管道爆裂事故的關聯(lián)，幫助決策者合理設置城市測壓點，以便更好地監(jiān)視城市管網(wǎng)的運行狀態(tài)。

4 供水調(diào)度決策支持系統(tǒng)實現(xiàn)

數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘是計算機領域的新興技術，基于這3項技術的決策支持系統(tǒng)已成為當前決策支持系統(tǒng)的主流發(fā)展方向。目前，世界上幾大著名的數(shù)據(jù)庫公司和統(tǒng)計軟件公司都相繼推出了自己的DSS解決方案和功能強大的DSS開發(fā)工具，其中微軟公司在它的數(shù)據(jù)庫產(chǎn)品SQL Server中推出的Analysis Services是一個比較流行并且功能強大的產(chǎn)品，它包含了一整套的決策支持引擎和工具，提供了數(shù)據(jù)挖掘和聯(lián)機分析處理兩種服務。微軟的數(shù)據(jù)挖掘解決方案是基于OLE DB for Data Mining規(guī)范的工業(yè)標準，它是由微軟提出并且由眾多數(shù)據(jù)挖掘公司支持的工業(yè)標準。這個規(guī)范展示了一個新的類似于SQL語言的數(shù)據(jù)挖掘語言，數(shù)據(jù)庫開發(fā)者可以利用它去建立數(shù)據(jù)挖掘應用。因此選用微軟決策支持系統(tǒng)解決方案來實現(xiàn)供水調(diào)度決策支持系統(tǒng)是一個可行和可靠的方案。在該方案中（如圖1所示）采用SQL Server作為后臺數(shù)據(jù)庫服務器，在分析系統(tǒng)中采用SQL Server 的Analysis Services，它是用于OLAP和數(shù)據(jù)挖掘的中間層服務器。Analysis Services是客戶－服務器結構，它由兩個主要部分組成：Analysis Services服務器和客戶端的Pivot Table Services（數(shù)據(jù)透視表服務）。

分析服務器，是微軟Analysis Services的核心，它從異構數(shù)據(jù)源中提取和組織數(shù)據(jù)，并在多維數(shù)據(jù)庫中對數(shù)據(jù)進行必要的聚集和處理，同時也可以利用存放在OLTP數(shù)據(jù)庫中的匯總表。通過DSO（Decision Supporｔ Ｏｂｊｅｃｔｓ，決策支持對象）能訪問分析服務器，實現(xiàn)在分析服務器引擎上執(zhí)行管理任務。分析服務器還負責創(chuàng)建和使用挖掘模型從OLAP數(shù)據(jù)中獲取趨勢信息和進行預測。

數(shù)據(jù)透視表服務，是一組實現(xiàn)將OLAP立方從OLAP服務器傳遞到客戶端應用程序的工具。數(shù)據(jù)透視表支持在線和離線數(shù)據(jù)分析和數(shù)據(jù)挖掘，為實現(xiàn)這個目標，數(shù)據(jù)透視表服務向開發(fā)者提供了兩個查詢OLAP數(shù)據(jù)源的編程接口：為OLAP服務的OLE DB和ActiveX數(shù)據(jù)對象（多維），ADO MD。

4. 1數(shù)據(jù)析取和數(shù)據(jù)倉庫的實現(xiàn)

數(shù)據(jù)倉庫通常以星型模型或雪花型模型組織數(shù)據(jù)并存儲，在這兩種模式中，都是由一個核心事實表和一些與事實表關聯(lián)的維表組成，并在所有表的主要字段上建立索引。事實表是根據(jù)選定的主題構造，主要存儲用于分析數(shù)據(jù)的度量值。維（ｄｉｍｅｎｓｉｏｎ）是一組對事實進行分析時使用的屬性。維允許用戶從不同角度觀察事實，如時間、地理等。在這兩種模式中，維的層次內(nèi)容等信息保存在維表中，并通過事實表中相應維的碼值與事實表相連。這些表都可以通過SQL Server中的數(shù)據(jù)庫創(chuàng)建工具和表創(chuàng)建工具完成。對于數(shù)據(jù)倉庫中的數(shù)據(jù)，用戶可以在服務器端使用SQL Server提供的DTS工具從源數(shù)據(jù)中，進行抽取和轉換數(shù)據(jù)，然后送到數(shù)據(jù)倉庫中。對于調(diào)度決策支持系統(tǒng)，源數(shù)據(jù)包括調(diào)度系統(tǒng)數(shù)據(jù)、管網(wǎng)維修數(shù)據(jù)、水質(zhì)檢驗數(shù)據(jù)。選擇管網(wǎng)維修數(shù)據(jù)的原因是，調(diào)度系統(tǒng)的一個目的是通過管網(wǎng)測壓點的水壓來發(fā)現(xiàn)管道故障，而調(diào)度系統(tǒng)中沒有這方面的數(shù)據(jù)，因此需要用管網(wǎng)維修管理系統(tǒng)中的數(shù)據(jù)進行補充。選擇水質(zhì)檢驗數(shù)據(jù)的原因是，調(diào)度系統(tǒng)的一個工作是遙測各水廠的水質(zhì)數(shù)據(jù)，而調(diào)度系統(tǒng)中沒有城市管網(wǎng)各取水點的水質(zhì)數(shù)據(jù)，因此需要用水質(zhì)管理系統(tǒng)中的數(shù)據(jù)進行補充。

4. 2聯(lián)機分析處理（OLAP）的實現(xiàn)

微軟將OLAP功能集成到SQL Server中，其中Pivot Table Services提供客戶端OLAP數(shù)據(jù)訪問功能，通過這一服務，開發(fā)人員可以用Visual Basic或其他語言開發(fā)用戶前端數(shù)據(jù)展現(xiàn)程序。另外，SQL Server還支持第三方數(shù)據(jù)展現(xiàn)工具。

MDX是微軟Analysis Services專用的多維查詢語言。為了實現(xiàn)OLAP功能，在Analysis Services中需要創(chuàng)建OLAP數(shù)據(jù)庫。OLAP數(shù)據(jù)庫中包括立方、度量、維以及相關級別的對象。立方是一個多維的數(shù)據(jù)結構，它由一個事實表和相關的維表及度量組成。它實際上是源數(shù)據(jù)倉庫中的一個視圖。

數(shù)據(jù)透視表是立方的合適用戶界面，因為它允許用戶基于所選擇的維將多維數(shù)據(jù)“拉平”。其他的維作為過濾條件。數(shù)據(jù)透視表使用MDX從立方中獲取數(shù)據(jù)，而MDX則通過ADO MD來進行多維查詢。通過數(shù)據(jù)透視表提供的功能可以實現(xiàn)切片、切塊、聚合、鉆取、旋轉等分析動作。

以下利用Visual Basic實現(xiàn)數(shù)據(jù)透視表來進行OLAP。首先，在VB窗體中增加一個數(shù)據(jù)透視表控件，然后通過執(zhí)行以下程序來實現(xiàn)向控件中填入數(shù)據(jù)。

Dim strSource As String

‘……Store MDX expression in variable

strSource=“MDX表達式”

With Me.PivotTable1

‘……Set the PT connection string using the OLAP OLEDB provider

.ConnectionString=“Data Source=LocalHost;Provider=MSOLAP;”_

“Initial Catalog=數(shù)據(jù)庫名稱”

‘……Set the PT data source to the MDX expression

.CommandText=strSource

‘……Format the totals as local currency

.ActiveData.DataAxis.Totals(“Amount”).NumberFormat=“Currency”

End With

說明：

LocalHost是指運行在本機上的服務器；MSOLAP是為SQL Server Analysis Services服務的OLE DB提供者的名稱。

4. 3數(shù)據(jù)挖掘的實現(xiàn)

在微軟SQL Server中的Analysis Services 提供了數(shù)據(jù)挖掘服務，它提供了一些新的工具，通過發(fā)現(xiàn)數(shù)據(jù)模式和規(guī)則并使用這些模式和規(guī)則進行預測分析。

SQL Server中的Analysis Services可以對關系數(shù)據(jù)庫和多維數(shù)據(jù)源中的數(shù)據(jù)進行挖掘。數(shù)據(jù)挖掘主要包括3個步驟：建立數(shù)據(jù)挖掘模型，訓練挖掘模型，利用這個已訓練好的挖掘模型進行數(shù)據(jù)分析。

數(shù)據(jù)挖掘的基本機制是數(shù)據(jù)挖掘模型，數(shù)據(jù)挖掘模型是在針對數(shù)據(jù)挖掘的OLE DB中介紹的一個新概念。一個數(shù)據(jù)挖掘模型可以被認為是一個關系表，它是具有不同數(shù)據(jù)類型的列表。數(shù)據(jù)挖掘模型的結構在許多方面與數(shù)據(jù)庫表的結構相似。但是，數(shù)據(jù)庫表代表的是記錄的集合（或記錄集），數(shù)據(jù)挖掘模型的結構表示定義數(shù)據(jù)挖掘模型的事例集，而所存儲的數(shù)據(jù)則表示來自處理事例數(shù)據(jù)的規(guī)則和模式。在Analysis Services中，被分析的項稱為事例(case)，所有的事例組成被分析的一組數(shù)據(jù)，稱為事例集(case set)。

在微軟的SQL Server中，用戶可以使用挖掘模型向導創(chuàng)建數(shù)據(jù)挖掘模型，并可以使用數(shù)據(jù)挖掘模型瀏覽器以圖形格式顯示數(shù)據(jù)挖掘模型的內(nèi)容；還可以編程方式通過用于數(shù)據(jù)挖掘的OLE DB for Data Mining創(chuàng)建、培訓和使用數(shù)據(jù)挖掘模型，用于數(shù)據(jù)挖掘的OLE DB for Data Mining是支持數(shù)據(jù)挖掘功能的OLE DB規(guī)范的擴展。

4. 3. 1構建、訓練數(shù)據(jù)挖掘模型

Analysis Services 提供了服務器端和客戶端兩種架構，可以分別從服務器端和客戶端構建數(shù)據(jù)挖掘模型。如果在服務器端構建數(shù)據(jù)挖掘模型，并且模型已經(jīng)得到了訓練，那么所有的客戶端都可以訪問該模型，并且利用該模型進行預測查詢。在客戶端構建模型，可以使用戶在網(wǎng)絡斷開后在本地執(zhí)行數(shù)據(jù)挖掘任務。

在服務器端通過應用程序創(chuàng)建和訓練數(shù)據(jù)挖掘模型，只能使用決策支持對象（DSO），它是一組接口類，它們定義并顯示出了Analysis Services使用COM（Component Object Model）管理的對象。從數(shù)據(jù)挖掘的角度來說，主要關心3個對象：Server對象，它包含了運行Analysis Services引擎的服務器信息；特殊的MDStores集，它暴露數(shù)據(jù)庫和立方使用的通用接口；MiningModels對象。以下是利用現(xiàn)有的數(shù)據(jù)庫、數(shù)據(jù)源和多維數(shù)據(jù)集，采用Visual Basic建立數(shù)據(jù)挖掘模型及訓練查詢的主要代碼：

Dim dsoServer As New DSO.Server

Dim dsoDB As New DSO. MDStores

Dim dsoDmm As DSO.MiningModel

Dim dsoColumn As DSO.Column

Dim dsoRole As DSO.Role

dsoServer.Connect “servername” ‘連接到OLAP服務器

Set dsoDB = dsoServer.MDStores(“數(shù)據(jù)庫名”)

Set dsoDmm=dsoDB.MiningModels.AddNew(“新模型名”，sbclsOlap)

Set dsoRole=dsoDmm.Roles.AddNew(“All Users”) ‘創(chuàng)建角色

dsoDmm.MiningAlgorithm= “Microsoft_Decision_

Trees”‘使用決策樹算法

dsoDmm.SourceCube=“數(shù)據(jù)立方名”

dsoDmm.CaseDimension=“選取的事例維度”

dsoDmm.TrainingQuery=“” ‘讓DSO進行訓練查詢

dsoDmm.Update

‘以下為設置定義模型結構的列

Set dsoColumn=dsoDmm.Columns(“列名”) ‘定義輸入列

dsoColumn.IsInput=True

dsoColumn.IsDisabled=False ‘處理前使該列激活

…

Set dsoColumn=dsoDmm.Columns(“列名”) ‘定義預測列

dsoColumn.IsPredictable=True

dsoColumn.IsDisabled=False

dsoDmm.LastUpdated=Now ‘設置更新日期為現(xiàn)在

dsoDmm.Update ‘保存模型的元數(shù)據(jù)

dsoDmm.LockObject olapLockProcess‘處理模型前進行鎖定

dsoDmm. Process processFull ‘處理模型

dsoDmm. UnlockObject ‘解鎖

在客戶端應用程序中創(chuàng)建數(shù)據(jù)挖掘模型不是使用DSO而是使用數(shù)據(jù)定義語言（ＤＤＬ）。ＤＤＬ是在ＯＬＥ ＤＢ Ｆｏｒ ＤＭ里定義的，是ＳＱＬ語言的擴展，非常類似于ＳＱＬ，這也使得成千上萬的ＳＱＬ程序員而不是數(shù)據(jù)挖掘專業(yè)人員，可以方便地利用他們的ＳＱＬ知識來建立數(shù)據(jù)挖掘模型。如果應用程序運行在客戶端，那么首先要在客戶端通過使用PivotTable Service連接到Analysis Services，然后在應用程序中運行DDL命令，來完成數(shù)據(jù)挖掘模型創(chuàng)建。以下是用來創(chuàng)建數(shù)據(jù)挖掘模型的命令：

CREATE MINING MODEL [模型名稱]

( [列名] 列的數(shù)據(jù)類型 列類型，

…

[列名] 列的數(shù)據(jù)類型 列類型） USING ＜算法名稱＞

對于使用OLAP立方的數(shù)據(jù)挖掘模型的訓練模型命令：

INSERT INTO ＜model name＞

對于使用關系型數(shù)據(jù)的數(shù)據(jù)挖掘模型的訓練模型命令：

INSERT INTO ＜ model name ＞ (＜column names＞ )＜source data＞

4. 3. 2利用數(shù)據(jù)挖掘模型進行預測查詢

數(shù)據(jù)挖掘的基本功能是允許最終用戶根據(jù)從訓練數(shù)據(jù)挖掘模型時學到的知識進行預測。OLE DB For Data Mining中定義了預測查詢組件的使用，Analysis Services已經(jīng)增加了一個SQL擴展，即預測連接（Ｐrediction Ｊoin），一個預測連接的完成需要一個已訓練好的數(shù)據(jù)挖掘模型并指定它與新數(shù)據(jù)的關系，然后利用該模型對新數(shù)據(jù)進行預測。以下是預測查詢的語句：

SELECT ＜ SELECT-expressions＞ FROM ＜ model name ＞

PREDICTION JOIN ＜被預測的新事例＞ ON ＜join condition＞

[WHERE ＜ WHERE- expression ＞]

表達式中 PREDICTION JOIN … ON字句規(guī)定了數(shù)據(jù)挖掘模型中的列和設計的輸入數(shù)據(jù)源之間的映射聯(lián)接。同時OLE DB For Data Mining中制定了大量的預測函數(shù)，它們能夠在預測語句中的SELECT字句中被調(diào)用，利用這些預測函數(shù)可以得到大量的附加信息，例如預測精確度，最大可能性的行的統(tǒng)計偏差等信息。詳細的預測函數(shù)定義可以參考OLE DB For Data Mining。

5 結束語

決策支持系統(tǒng)的建立是一項復雜的系統(tǒng)工程。企業(yè)需要決策支持系統(tǒng)提供的決策信息會隨著企業(yè)的發(fā)展和管理的需要不斷地變化，因此決策支持系統(tǒng)的解決方案制訂和實現(xiàn)技術選擇是決策支持系統(tǒng)高效運行的保障。本文提出了一個適合城市供水調(diào)度決策支持系統(tǒng)建設的方案及實現(xiàn)方法。供水企業(yè)可以利用該決策支持系統(tǒng)提高企業(yè)的管理質(zhì)量，降低生產(chǎn)成本，提高企業(yè)經(jīng)濟效益。

主要參考文獻

[1] Tony Bain. SQL Server 2000數(shù)據(jù)倉庫與Analysis Services[M]. 邵勇譯. 北京:中國電力出版社，2003.

[2] Margaret H Dunham. 數(shù)據(jù)挖掘教程[M]. 北京:清華大學出版社，2005.

[3] C Seidman. SQL Server 2000數(shù)據(jù)挖掘技術指南[M]. 北京:機械工業(yè)出版社，2002.

[4] 王向輝，匡曉寧，劉偉達，等. 數(shù)據(jù)挖掘技術及其在決策支持系統(tǒng)中的應用[J]. 計算技術與自動化，2004，32(4).

[5] 陳嵐嵐，楊波，李旭霞. 數(shù)據(jù)挖掘技術及其發(fā)展方向[J]. 武警工程學院學報，2002，18(4).