數(shù)據(jù)挖掘技術(shù)在現(xiàn)代農(nóng)業(yè)上的應(yīng)用

摘要：從數(shù)據(jù)挖掘技術(shù)的基本原理出發(fā)，結(jié)合實(shí)例論述了數(shù)據(jù)挖掘技術(shù)在現(xiàn)代農(nóng)業(yè)生產(chǎn)中的應(yīng)用，旨在為數(shù)據(jù)挖掘技術(shù)與現(xiàn)代農(nóng)業(yè)生產(chǎn)的進(jìn)一步結(jié)合提供參考。

關(guān)鍵詞：數(shù)據(jù)挖掘；現(xiàn)代農(nóng)業(yè)；應(yīng)用

中圖分類(lèi)號(hào)：ＴＰ３９１；Ｓ１２６文獻(xiàn)標(biāo)識(shí)碼：Ａ文章編號(hào)：0439－８114（２０11）21－4531-03

Ｔｈｅ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｄａｔａ Ｍｉｎｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ｍｏｄｅｒｎ Ａｇｒｉｃｕｌｔｕｒａｌ Ｐｒｏｄｕｃｔｉｏｎ

ＺＨＡＮＧ Ａｉ－ｇｕｏ１ａ，ＧＡＯ Ｈｅ１ｂ，ＷＡＮＧ Ｌｉ－ｗｅｉ２

（１ａ． Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ； １ｂ． Ｃｏｌｌｅｇｅ ｏｆ Ｈｏｒｔｉｃｕｌｔｕｒｅ， Ｓｈｅｎｙａｎｇ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ １１０８６６，Ｃｈｉｎａ； ２． Ｆｕｘｉｎ Ｒｕｒａｌ Ｅｃｏｎｏｍｉｃ Ｃｏｍｍｉｔｔｅｅ， Ｆｕｘｉｎ １２３０００， Ｌｉａｏｎｉｎｇ， Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ： Ｂａｓｅｄ ｏｎ ｔｈｅ ｂａｓｉｃ ｐｒｉｎｃｉｐｌｅ ｏｆ ｄａｔａ ｍｉｎｉｎｇ（ＤＭ） ｔｅｃｈｎｏｌｏｇｙ， ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＤＭ ｉｎ ｔｈｅ ｍｏｄｅｒｎ ａｇｒｉｃｕｌｔｕｒａｌ ｐｒｏｄｕｃｔｉｏｎ ｂｙ ｅｘａｍｐｌｅｓ was discussed． Ｉｔ provided the references for ｔｈｅ ｆｕｒｔｈｅｒ ｃｏｍｂｉｎａｔｉｏｎ ｂｅｔｗｅｅｎ ＤＭ ａｎｄ ｍｏｄｅｒｎ ａｇｒｉｃｕｌｔｕｒａｌ ｐｒｏｄｕｃｔｉｏｎ．

Ｋｅｙ ｗｏｒｄｓ： ＤＭ； ｍｏｄｅｒｎ ａｇｒｉｃｕｌｔｕｒｅ； ａｐｐｌｉｃａｔｉｏｎ

農(nóng)業(yè)是人類(lèi)社會(huì)賴(lài)以生存的基本生活資料的來(lái)源，是社會(huì)分工和國(guó)民經(jīng)濟(jì)其他部門(mén)成為獨(dú)立的生產(chǎn)部門(mén)的前提和基礎(chǔ)，國(guó)民經(jīng)濟(jì)的發(fā)展規(guī)模和速度都受到農(nóng)業(yè)生產(chǎn)水平的制約。隨著科技的進(jìn)步，在研究中積累了大量有價(jià)值的農(nóng)業(yè)數(shù)據(jù)資源，包括自然資源、環(huán)境、氣象和栽培管理等諸多方面，逐漸受到業(yè)界人士的關(guān)注。

數(shù)據(jù)挖掘技術(shù)是通過(guò)對(duì)海量數(shù)據(jù)的分類(lèi)、提取，從中發(fā)現(xiàn)數(shù)據(jù)間的相互聯(lián)系，而產(chǎn)生新規(guī)律的過(guò)程。目前，數(shù)據(jù)挖掘技術(shù)已廣泛應(yīng)用到商業(yè)、醫(yī)療業(yè)、金融業(yè)等服務(wù)行業(yè)，在農(nóng)業(yè)方面的應(yīng)用還處于初級(jí)階段。為此，本文研究從現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)和數(shù)據(jù)挖掘技術(shù)出發(fā)，論述其在現(xiàn)代農(nóng)業(yè)中的應(yīng)用，旨在為數(shù)據(jù)挖掘技術(shù)在行業(yè)內(nèi)的應(yīng)用以及指導(dǎo)現(xiàn)代農(nóng)業(yè)生產(chǎn)提供參考。

１數(shù)據(jù)挖掘技術(shù)概述

數(shù)據(jù)挖掘（Ｄａｔａ mｉｎｉｎｇ，ＤＭ）就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、不被人知道但又潛在有用的信息和知識(shí)的過(guò)程。由于數(shù)據(jù)挖掘的目的是在大量數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息，故又被稱(chēng)為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（簡(jiǎn)稱(chēng)ＫＤＤ）。它包括數(shù)據(jù)庫(kù)、人工智能、數(shù)理統(tǒng)計(jì)、可視化以及并行計(jì)算等方面的內(nèi)容。

通過(guò)數(shù)據(jù)挖掘，有價(jià)值、有規(guī)律、高層次的信息可以從數(shù)據(jù)庫(kù)的相關(guān)數(shù)據(jù)集中抽取出來(lái)。這些挖掘出來(lái)的規(guī)律包含了數(shù)據(jù)庫(kù)中不同對(duì)象間的特殊關(guān)系，為以后的相關(guān)決策提供依據(jù)。數(shù)據(jù)挖掘得到的信息具有以下３個(gè)基本特征，即未知性、有效性和實(shí)用性。與傳統(tǒng)分析方法相比，數(shù)據(jù)挖掘使用基于發(fā)現(xiàn)的方法，運(yùn)用模式匹配和其他算法確定數(shù)據(jù)之間的聯(lián)系。

１．１數(shù)據(jù)挖掘的功能

１．１．１自動(dòng)預(yù)測(cè)趨勢(shì)和行為數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫(kù)中尋找預(yù)測(cè)性信息，使得從前需要手工分析的大量數(shù)據(jù)可直接得出結(jié)論。例如，肥料施入的預(yù)測(cè)問(wèn)題，在過(guò)去一般都是利用經(jīng)驗(yàn)或測(cè)定土壤中相關(guān)礦質(zhì)元素的含量來(lái)決定是否施入或施入何種肥料。采用數(shù)據(jù)挖掘技術(shù)，可以迅速地解決上述問(wèn)題，并會(huì)對(duì)指定的問(wèn)題做出預(yù)測(cè)。

１．１．２關(guān)聯(lián)分析不同變量的取值之間存在某種規(guī)律性，就被稱(chēng)為關(guān)聯(lián)，關(guān)聯(lián)可以分為簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、因果關(guān)聯(lián)。關(guān)聯(lián)分析是指兩個(gè)或多個(gè)事物之間存在一定的關(guān)聯(lián)，那么其中一個(gè)事物就能通過(guò)其他事物進(jìn)行預(yù)測(cè)。目的是挖掘出數(shù)據(jù)庫(kù)中隱藏在數(shù)據(jù)間的相互關(guān)系。由于并不一定知道數(shù)據(jù)的關(guān)聯(lián)函數(shù)或不確定，因此關(guān)聯(lián)分析的生成需要帶有可信度。

１．１．３聚類(lèi)分析聚類(lèi)是指將物理或抽象對(duì)象的集合分成由類(lèi)似的對(duì)象組成多個(gè)類(lèi)的過(guò)程。由聚類(lèi)生成的簇是一組數(shù)據(jù)對(duì)象的集合，這些對(duì)象與同簇中的對(duì)象彼此相似，與其他簇中的對(duì)象相異。聚類(lèi)分析，又稱(chēng)為群分析，是研究樣品或指標(biāo)分類(lèi)問(wèn)題的一種統(tǒng)計(jì)分析方法。在現(xiàn)代農(nóng)業(yè)生產(chǎn)中，利用聚類(lèi)分析的方法，可以對(duì)基因進(jìn)行分類(lèi)，推導(dǎo)出植物的親本等信息。

１．１．４分類(lèi)分類(lèi)就是找出一個(gè)類(lèi)別的概念描述，即對(duì)某類(lèi)對(duì)象的內(nèi)涵進(jìn)行描述，概括這類(lèi)對(duì)象的有關(guān)特征，并用這種描述來(lái)構(gòu)造模型，可用于規(guī)則描述和預(yù)測(cè)。

１．１．５偏差分析數(shù)據(jù)庫(kù)中的數(shù)據(jù)存在很多異常情況，發(fā)現(xiàn)這些情況至關(guān)重要。偏差分析的基本方法就是尋找結(jié)果與參照之間的差別。

１．２數(shù)據(jù)挖掘系統(tǒng)的構(gòu)成

１．２．１信息庫(kù)信息庫(kù)一般由一個(gè)或多個(gè)類(lèi)型的數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)組成，可以對(duì)數(shù)據(jù)進(jìn)行整理和集成。

１．２．２服務(wù)器根據(jù)用戶(hù)對(duì)數(shù)據(jù)挖掘的要求，服務(wù)器主要負(fù)責(zé)數(shù)據(jù)的收集、整理、提取等工作。

１．２．３數(shù)據(jù)挖掘引擎數(shù)據(jù)挖掘引擎是系統(tǒng)的基礎(chǔ)部分，主要用于特征化、關(guān)聯(lián)、演變分類(lèi)、聚類(lèi)分析、演變和偏差分析。

１．２．４用戶(hù)界面用戶(hù)界面是人機(jī)交互界面，根據(jù)用戶(hù)需要提交相關(guān)操作命令來(lái)獲取結(jié)果。

１．２．５知識(shí)庫(kù)用于指導(dǎo)搜索或評(píng)估結(jié)果模式的興趣度。

各部分關(guān)系如圖１所示。

１．３數(shù)據(jù)挖掘的過(guò)程

數(shù)據(jù)挖掘的過(guò)程可分為３個(gè)部分：數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、結(jié)果的解釋和評(píng)估。

１．３．１數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘過(guò)程中一個(gè)很重要的步驟，尤其對(duì)含有噪聲、不完整甚至不一致的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，以提高數(shù)據(jù)挖掘?qū)ο蟮馁|(zhì)量，以達(dá)到提高數(shù)據(jù)挖掘所獲模式知識(shí)質(zhì)量的目的。

１．３．２數(shù)據(jù)挖掘首先確定挖掘的任務(wù)以及目的，如數(shù)據(jù)分類(lèi)、聚類(lèi)等；其次決定挖掘算法；最后實(shí)施挖掘操作，獲取有用的模式。

１．３．３結(jié)果的解釋和評(píng)估經(jīng)過(guò)數(shù)據(jù)挖掘階段的評(píng)估，其中可能存在冗余或無(wú)關(guān)的模式在此時(shí)可被剔除。此階段模式若不滿足用戶(hù)要求，則需要退回到發(fā)現(xiàn)過(guò)程的前面階段，如重新選取數(shù)據(jù)，采用新的數(shù)據(jù)變換方法，設(shè)定新的參數(shù)值或更換一種挖掘算法。

２數(shù)據(jù)挖掘技術(shù)在現(xiàn)代農(nóng)業(yè)上的應(yīng)用

２．１在農(nóng)業(yè)系統(tǒng)工程上的應(yīng)用

農(nóng)業(yè)專(zhuān)家系統(tǒng)又稱(chēng)作農(nóng)業(yè)智能系統(tǒng)，是將人工智能的知識(shí)工程原理應(yīng)用于農(nóng)業(yè)領(lǐng)域的一項(xiàng)高新技術(shù)。農(nóng)業(yè)專(zhuān)家系統(tǒng)通過(guò)總結(jié)和收集農(nóng)業(yè)領(lǐng)域知識(shí)與技術(shù)、各種試驗(yàn)數(shù)據(jù)與數(shù)學(xué)模型，模仿人類(lèi)的解題策略，對(duì)問(wèn)題進(jìn)行分析推理，從而得出結(jié)論。Ｗａｎｇ等人［１］在研究玉米精準(zhǔn)農(nóng)業(yè)智能決策支持系統(tǒng)中指出，智能系統(tǒng)在解決精準(zhǔn)施肥、預(yù)測(cè)產(chǎn)量等問(wèn)題上可為決策者提供可靠決策信息。

２．２在農(nóng)作物栽培管理上的應(yīng)用

數(shù)據(jù)挖掘技術(shù)在農(nóng)作物栽培管理上的應(yīng)用以農(nóng)業(yè)生產(chǎn)決策系統(tǒng)為主。通過(guò)提供相關(guān)自然環(huán)境和社會(huì)環(huán)境數(shù)據(jù)、協(xié)助明確問(wèn)題、模型計(jì)算和列舉可能方案等多種方式，為農(nóng)業(yè)生產(chǎn)的管理者做出正確決策提供依據(jù)。夏志軍等［２］利用數(shù)據(jù)挖掘技術(shù)對(duì)溫室中的作物進(jìn)行生長(zhǎng)預(yù)測(cè)時(shí)發(fā)現(xiàn)，數(shù)據(jù)挖掘技術(shù)較其他方法得到的預(yù)測(cè)值更加準(zhǔn)確。

２．３在作物育種上的應(yīng)用

種質(zhì)資源是培育新品種的前提。我國(guó)現(xiàn)存的可用于各種作物與各種特性數(shù)據(jù)的評(píng)價(jià)和分析的農(nóng)作物種質(zhì)資源包括１８０種作物，３７萬(wàn)份品種、種質(zhì)和基因信息，其中包括７００多個(gè)數(shù)據(jù)庫(kù)和１２５萬(wàn)條信息。

數(shù)據(jù)庫(kù)中的品種資源蘊(yùn)藏著豐富的遺傳多樣性。對(duì)于數(shù)據(jù)庫(kù)的研究工作，不能僅停留在統(tǒng)計(jì)檢索上，還需在資源數(shù)據(jù)中獲得更多的信息，來(lái)幫助人們選育具備豐產(chǎn)、優(yōu)質(zhì)、抗性強(qiáng)的新品種。隨著種質(zhì)資源研究工作的深入，數(shù)據(jù)挖掘技術(shù)在種質(zhì)資源的分類(lèi)、抗性評(píng)價(jià)、基因發(fā)現(xiàn)及生物多樣性研究等方面［３］均得到深入發(fā)展。

２．４在農(nóng)業(yè)氣象上的應(yīng)用

氣象災(zāi)害預(yù)測(cè)對(duì)農(nóng)業(yè)生產(chǎn)具有重要意義。在農(nóng)業(yè)氣象服務(wù)決策系統(tǒng)中，如何向用戶(hù)提供及時(shí)、準(zhǔn)確與針對(duì)性強(qiáng)的氣象服務(wù)信息，為防災(zāi)減災(zāi)提供更可靠的科學(xué)依據(jù)，是農(nóng)業(yè)氣象服務(wù)工作的一個(gè)重要內(nèi)容。通過(guò)對(duì)氣象數(shù)據(jù)（如溫度、濕度、降雨量、風(fēng)力以及日照等）進(jìn)行處理，當(dāng)數(shù)據(jù)超出一定的范圍或發(fā)生異常變化時(shí)，可能就預(yù)示著會(huì)發(fā)生災(zāi)害天氣，可為防災(zāi)、減災(zāi)提供更可靠的科學(xué)依據(jù)。邱潔等［４］認(rèn)為，關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘在研究災(zāi)害天氣預(yù)測(cè)中具有重要實(shí)用價(jià)值。

２．５在防治病蟲(chóng)害上的應(yīng)用

利用數(shù)據(jù)挖掘技術(shù)可進(jìn)行病蟲(chóng)害動(dòng)態(tài)監(jiān)測(cè)、發(fā)生趨勢(shì)預(yù)測(cè)及其風(fēng)險(xiǎn)評(píng)估等。作物病蟲(chóng)害的發(fā)生一般受栽培條件、作物抗性以及環(huán)境因素影響。為此，需要對(duì)現(xiàn)存病蟲(chóng)害發(fā)生及相關(guān)數(shù)據(jù)進(jìn)行分析，這樣才能在病蟲(chóng)害防治上做出正確決策。張家愛(ài)［５］開(kāi)發(fā)出了基于數(shù)據(jù)挖掘技術(shù)的病蟲(chóng)害專(zhuān)家防治決策支持系統(tǒng)，用于預(yù)測(cè)某段時(shí)間發(fā)生蟲(chóng)害的可能性以及發(fā)生其他種類(lèi)蟲(chóng)害的可能性，從而為病蟲(chóng)害防治提供決策支持，并得到了實(shí)際的應(yīng)用，取得了一定的經(jīng)濟(jì)效益。

２．６在農(nóng)產(chǎn)品銷(xiāo)售上的應(yīng)用

將農(nóng)業(yè)市場(chǎng)價(jià)格數(shù)據(jù)庫(kù)和中國(guó)農(nóng)產(chǎn)品進(jìn)出口貿(mào)易數(shù)據(jù)倉(cāng)庫(kù)等數(shù)據(jù)庫(kù)作為數(shù)據(jù)挖掘的數(shù)據(jù)源，提取出隱含在其中可信的、新穎的、人們事先不知道但又是潛在的有用信息。可使用關(guān)聯(lián)分析，發(fā)現(xiàn)相關(guān)規(guī)則；使用統(tǒng)計(jì)技術(shù)，可以發(fā)現(xiàn)農(nóng)產(chǎn)品價(jià)格走勢(shì)；使用分類(lèi)、預(yù)測(cè)，可對(duì)將來(lái)的價(jià)格進(jìn)行預(yù)測(cè)；使用聚類(lèi)分析，可以對(duì)產(chǎn)品客觀地分類(lèi)；使用孤立點(diǎn)分析技術(shù)，可找出罕見(jiàn)的事件；通過(guò)演變分析，可以了解一些產(chǎn)品價(jià)格變化的規(guī)律和趨勢(shì)等。李志亮等［６］將數(shù)據(jù)挖掘技術(shù)應(yīng)用到蔬菜批發(fā)市場(chǎng)中，建立數(shù)據(jù)挖掘模型，獲得蔬菜價(jià)格和銷(xiāo)量等之間的關(guān)系，對(duì)指導(dǎo)市場(chǎng)具有重要意義。

３結(jié)語(yǔ)

數(shù)據(jù)挖掘在農(nóng)業(yè)上的應(yīng)用是一個(gè)潛力巨大的科研領(lǐng)域，是農(nóng)業(yè)科學(xué)和計(jì)算機(jī)技術(shù)發(fā)展相結(jié)合的產(chǎn)物。目前，數(shù)據(jù)挖掘在農(nóng)業(yè)上的應(yīng)用還處于初級(jí)階段，隨著計(jì)算機(jī)技術(shù)的發(fā)展，數(shù)據(jù)挖掘技術(shù)勢(shì)必在今后的農(nóng)業(yè)產(chǎn)業(yè)化發(fā)展中發(fā)揮重要作用。

參考文獻(xiàn)：

［１］ ＷＡＮＧ Ｇ Ｗ， ＣＨＥＮ Ｇ Ｆ， ＹＡＯ Ｙ Ｘ， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｍａｉｚｅ ｐｒｅｃｉｓｉｏｎ ｉｎｔｅｌｌｉｇｅｎｃｅ ｓｐａｔｉａｌ ｄｅｃｉｓｉｏｎ ｓｕｐｐｏｒｔ ｓｙｓｔｅｍ［Ｊ］．Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ，２０１０，１１（６）：１４７－１５１，１８８．

［２］ 夏志軍，李萍萍，胡永光，等．?dāng)?shù)據(jù)挖掘技術(shù)在溫室作物生長(zhǎng)預(yù)測(cè)中的應(yīng)用［Ｊ］． 江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），２００３，２４（２）：２０－２２，３７．

［３］ ＶＩＳＷＡＮＡＴＨＡＮ Ｍ， ＲＯＤＯＭＩＲＯ Ｏ． Ｐｌａｎｔ ｇｅｎｏｍｉｃｓ ａｎｄ ａｇｒｉｃｕｌｔｕｒｅ： Ｆｒｏｍ ｍｏｄｅｌ ｏｒｇａｎｉｓｍｓ ｔｏ ｃｒｏｐｓ， ｔｈｅ ｒｏｌｅ ｏｆ ｄａｔａ ｍｉｎｉｎｇ ｆｏｒ ｇｅｎｅ ｄｉｓｃｏｖｅｒｙ［Ｊ］． Ｅｌｅｃｔｒｏｎｉｃ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ， ２００１，４（３）：１－１０．

［４］ 邱潔，過(guò)仲陽(yáng)，蘇君毅，等．關(guān)聯(lián)規(guī)則及其在災(zāi)害天氣預(yù)測(cè)中的應(yīng)用［Ｊ］．華東師范大學(xué)學(xué)報(bào)（自然科學(xué)版），２００５，１２（５）：１６５－１６９．

［５］ 張家愛(ài)．?dāng)?shù)據(jù)挖掘技術(shù)在農(nóng)業(yè)決策支持系統(tǒng)中的應(yīng)用［Ｊ］．吉林農(nóng)業(yè)科技學(xué)院學(xué)報(bào)，２０１０，１９（１）：５６－５７．

［６］ 李志亮，羅芳．?dāng)?shù)據(jù)挖掘在蔬菜批發(fā)市場(chǎng)中的應(yīng)用［Ｊ］．信息科學(xué)，２０１０（１）：６８．