黃冬梅，陳 括，王振華，施黎莉

（上海海洋大學(xué)信息學(xué)院，上海201306）

1 引言

隨著世界各國對海洋資源探索和海洋事業(yè)發(fā)展的日益重視，海洋信息化成為全面了解和研究海洋的重要途徑之一。目前，海洋數(shù)據(jù)的獲取手段多種多樣，海洋數(shù)據(jù)的“量”急劇增長，同時(shí)海洋數(shù)據(jù)的“類”多樣化發(fā)展，可以說，海洋數(shù)據(jù)已逐漸成為大數(shù)據(jù)的典范。海洋大數(shù)據(jù)為海洋環(huán)境的監(jiān)測、海洋資源的探測以及海洋災(zāi)害的預(yù)警預(yù)報(bào)等研究提供了重要的信息資源，但海洋大數(shù)據(jù)的“質(zhì)”問題也成為大家關(guān)注的重點(diǎn)。

以某海域海洋養(yǎng)殖區(qū)監(jiān)測為例。該海域基礎(chǔ)數(shù)據(jù)包括經(jīng)度、緯度以及海底地形；海洋環(huán)境要素?cái)?shù)據(jù)包括溫、鹽、浪、流、潮等，要素?cái)?shù)據(jù)采集周期為10分鐘；海洋養(yǎng)殖區(qū)域?qū)傩詳?shù)據(jù)包括養(yǎng)殖類型、養(yǎng)殖面積、養(yǎng)殖單位等。在海洋數(shù)據(jù)的整個(gè)生命周期中，從采集、傳輸、處理到應(yīng)用，都有可能使數(shù)據(jù)產(chǎn)生質(zhì)量問題，因此在使用數(shù)據(jù)前，需對該批海洋大數(shù)據(jù)進(jìn)行質(zhì)量檢驗(yàn)。但是，傳統(tǒng)的數(shù)據(jù)質(zhì)量檢驗(yàn)方法不能直接應(yīng)用于海洋大數(shù)據(jù)的質(zhì)量檢驗(yàn)，其原因在于：（1）海洋數(shù)據(jù)屬于空間數(shù)據(jù)的一類，其空間位置數(shù)據(jù)與屬性數(shù)據(jù)具有對應(yīng)關(guān)系；（2）海洋數(shù)據(jù)采集周期為10分鐘，因此海洋數(shù)據(jù)具有動態(tài)性特征，且其量急劇積累；（3）由于各環(huán)境要素的獲取手段不同，其數(shù)據(jù)格式、精度要求等各不相同。

本文的主要貢獻(xiàn)有：（1）利用超幾何分布模型給出了不同質(zhì)量檢驗(yàn)方案的殘差集合；（2）基于skyline的塊嵌套循環(huán)BNL（Block-Nested-Loops）算法選擇出最優(yōu)質(zhì)量檢驗(yàn)方案；（3）針對多源、多類、多維以及動態(tài)性海洋大數(shù)據(jù)，快速確定其質(zhì)量檢驗(yàn)的優(yōu)化方案。

2 相關(guān)工作

質(zhì)量檢驗(yàn)是從一批海洋數(shù)據(jù)中隨機(jī)抽取一定量的數(shù)據(jù)進(jìn)行檢驗(yàn)，來判斷該批數(shù)據(jù)質(zhì)量是否達(dá)到要求的精度［1］。針對數(shù)據(jù)質(zhì)量的問題，文獻(xiàn)［2］通過定義數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)，建立了數(shù)據(jù)質(zhì)量管理閉環(huán)過程。文獻(xiàn)［3］從數(shù)據(jù)的準(zhǔn)確性、完整性、代表性以及可比性方面對數(shù)據(jù)質(zhì)量進(jìn)行控制，同時(shí)用統(tǒng)計(jì)抽樣的方法對已有數(shù)據(jù)進(jìn)行檢驗(yàn)。文獻(xiàn)［4］將數(shù)據(jù)質(zhì)量衡量指標(biāo)分成客觀的數(shù)據(jù)質(zhì)量指示器和主觀的數(shù)據(jù)質(zhì)量參數(shù)，用戶根據(jù)需要選擇不同指標(biāo)對數(shù)據(jù)工程中的數(shù)據(jù)進(jìn)行衡量。文獻(xiàn)［5］將數(shù)據(jù)質(zhì)量評估指標(biāo)分成四類：內(nèi)在質(zhì)量和可訪問質(zhì)量、上下文質(zhì)量、表達(dá)質(zhì)量，每個(gè)類又細(xì)分成具體的維度來評估，拓寬數(shù)據(jù)質(zhì)量的認(rèn)識。文獻(xiàn)［6］采取取樣計(jì)算的方法，對關(guān)系數(shù)據(jù)庫數(shù)據(jù)質(zhì)量的兩個(gè)重要維度即精確度和完整度進(jìn)行量化，并具體分析了數(shù)據(jù)質(zhì)量對四種常見的關(guān)系代數(shù)操作（選擇、投影、笛卡爾積、連接）的影響。

以上的方法研究都是基于傳統(tǒng)數(shù)據(jù)的質(zhì)量檢驗(yàn)方法，海洋大數(shù)據(jù)不同于傳統(tǒng)數(shù)據(jù)，有其自身的特點(diǎn)：（1）海洋數(shù)據(jù)獲取難度大、成本高，因此大部分的海洋數(shù)據(jù)質(zhì)量檢驗(yàn)具有不可逆性；（2）海洋數(shù)據(jù)涵蓋區(qū)域廣、時(shí)空分布不均勻，因此如何根據(jù)海洋數(shù)據(jù)的不同批量范圍，快速給出其質(zhì)量檢驗(yàn)的優(yōu)化方案是海洋大數(shù)據(jù)質(zhì)量檢驗(yàn)的關(guān)鍵問題。針對海洋數(shù)據(jù)質(zhì)量的檢驗(yàn)研究較少，文獻(xiàn)［7］介紹了利用極值控制方法、檢驗(yàn)法、迪克遜（Dixon）檢驗(yàn)法等方法對海洋站的數(shù)據(jù)質(zhì)量進(jìn)行控制。文獻(xiàn)［8］針對GPS浮標(biāo)側(cè)波數(shù)據(jù)的間斷現(xiàn)象，采用了插值法和后續(xù)值前移的接續(xù)方法對海洋數(shù)據(jù)進(jìn)行質(zhì)量控制。文獻(xiàn)［9］以海流觀測技術(shù)LADCP（Lowered Acoustic Doppler Current Profiler）獲取的流速信息為例，通過實(shí)驗(yàn)說明了對流速信息進(jìn)行質(zhì)量控制前后的不同結(jié)果，并闡述了對海洋數(shù)據(jù)進(jìn)行質(zhì)量控制的重要性。這些學(xué)者針對不同類型的海洋數(shù)據(jù)進(jìn)行了質(zhì)量檢驗(yàn)研究，但是面對類型復(fù)雜的海洋大數(shù)據(jù)時(shí)，如何確立其質(zhì)量檢驗(yàn)方案并對其質(zhì)量進(jìn)行控制的相關(guān)研究較少。

近年來skyline計(jì)算［10］受到了眾多國內(nèi)外研究者的關(guān)注，文獻(xiàn)［11］將skyline計(jì)算應(yīng)用在集中靜態(tài)環(huán)境中，并利用空間索引技術(shù)快速進(jìn)行skyline查詢。文獻(xiàn)［12］基于簇結(jié)構(gòu)的思想提出了一種新的skyline算法，并將該算法用于無線傳感器網(wǎng)絡(luò)。skyline查詢是一個(gè)多目標(biāo)決策問題，可以使同一問題中的幾個(gè)不同的因素達(dá)到平衡，為用戶做出更好的決策。

本文采用傳統(tǒng)的百分比方法給出待檢驗(yàn)海洋大數(shù)據(jù)的質(zhì)量檢驗(yàn)方案集，并根據(jù)超幾何分布模型計(jì)算所有質(zhì)量檢驗(yàn)方案的殘差集合，運(yùn)用skyline的塊嵌套循環(huán)算法對已有的質(zhì)量檢驗(yàn)方案集進(jìn)行優(yōu)化選擇。通過平衡檢驗(yàn)精度和費(fèi)用，快速給出該批海洋大數(shù)據(jù)的最優(yōu)質(zhì)量檢驗(yàn)方案。

3 海洋大數(shù)據(jù)質(zhì)量檢驗(yàn)方案和方案殘差

3.1 海洋大數(shù)據(jù)質(zhì)量檢驗(yàn)方案

將海洋數(shù)據(jù)的質(zhì)量檢驗(yàn)記為S（N，n，c），其中，N為批量，即待檢驗(yàn)的海洋數(shù)據(jù)的總體數(shù)量；n為樣本量，即從批量中抽取的用來檢查的海洋數(shù)據(jù)樣本數(shù)量；c為接收數(shù)，即樣本中允許出現(xiàn)的海洋數(shù)據(jù)不合格數(shù)的最大值。從待檢驗(yàn)海洋數(shù)據(jù)檢驗(yàn)批N中抽取n個(gè)樣本，逐一檢查其質(zhì)量；記海洋樣本數(shù)據(jù)中的不合格品數(shù)為d，若海洋數(shù)據(jù)不合格數(shù)小于或等于接收數(shù)c，則該批海洋數(shù)據(jù)達(dá)到了精度要求，待檢驗(yàn)海洋數(shù)據(jù)被認(rèn)為未發(fā)現(xiàn)質(zhì)量問題，反之則說明該批海洋數(shù)據(jù)存在質(zhì)量問題。

本文使用檢驗(yàn)批的不合格品率來衡量海洋數(shù)據(jù)質(zhì)量水平的標(biāo)準(zhǔn)，用海洋數(shù)據(jù)平均質(zhì)量水平來衡量數(shù)據(jù)的平均質(zhì)量。海洋數(shù)據(jù)不合格品率的計(jì)算如公式（1）所示，海洋數(shù)據(jù)平均質(zhì)量水平的計(jì)算如公式（2）所示：

其中，di為對第i批海洋數(shù)據(jù)樣本逐個(gè)檢查時(shí)，發(fā)現(xiàn)的不合格品數(shù)據(jù)的個(gè)數(shù)；n為第i檢驗(yàn)批海洋數(shù)據(jù)中抽取的樣本量；m為待檢驗(yàn)海洋數(shù)據(jù)批量。

3.2 海洋大數(shù)據(jù)質(zhì)量方案殘差

針對每一批待檢驗(yàn)海洋數(shù)據(jù)，其存在一個(gè)接收質(zhì)量限 AQL［13］（Acceptance Quality Level）和極限質(zhì)量限 LQL［14］（Limit Quality Level）。接收質(zhì)量限AQL是當(dāng)一批連續(xù)序列被提交驗(yàn)收檢驗(yàn)時(shí)，可允許的最差過程平均質(zhì)量水平，它是可以接收和拒絕接收的過程平均界限值。在對一批海洋數(shù)據(jù)質(zhì)量檢驗(yàn)前，先根據(jù)所需數(shù)據(jù)質(zhì)量要求給出該次檢驗(yàn)過程的AQL值，即檢驗(yàn)批可允許的不合格品率p。極限質(zhì)量限LQL指為了抽樣檢驗(yàn)，限制在某一低接收概率的質(zhì)量水平，它是在抽樣檢驗(yàn)中對不應(yīng)接收的批質(zhì)量的最小值。

基于超幾何分布模型［15］，質(zhì)量檢驗(yàn)方案的接收概率記為L（）p：

因此，基于AQL的接收質(zhì)量限接收概率殘差Ea和LQL的極限質(zhì)量限接收概率殘差Eb由下式給出：

其中，α為生產(chǎn)方風(fēng)險(xiǎn)，當(dāng)海洋數(shù)據(jù)的質(zhì)量達(dá)到質(zhì)量接收限AQL，其接收概率L（pa）應(yīng)在（1－α）附近，Ea為接收質(zhì)量限接收概率殘差；β為使用方風(fēng)險(xiǎn)，當(dāng)質(zhì)量水平劣于極限質(zhì)量限LQL，其接收概率L（pb）應(yīng)在β附近，Eb為極限質(zhì)量限接收概率殘差。

4 海洋大數(shù)據(jù)質(zhì)量檢驗(yàn)方案的優(yōu)化選擇算法

塊嵌套循環(huán)BNL［16］是對具有兩類屬性值的數(shù)據(jù)點(diǎn)的兩兩比較方法的一種優(yōu)化算法，其本質(zhì)是多目標(biāo)決策算法。本文采用百分比質(zhì)量檢驗(yàn)方案對海洋數(shù)據(jù)的質(zhì)量檢驗(yàn)方案S（N，n，c）的數(shù)據(jù)進(jìn)行檢驗(yàn)，運(yùn)用BNL對質(zhì)量檢驗(yàn)方案中的接收質(zhì)量限接收概率殘差Ea和極限質(zhì)量限接收概率殘差Eb進(jìn)行優(yōu)化選擇，在兼顧生產(chǎn)方風(fēng)險(xiǎn)和使用方風(fēng)險(xiǎn)的條件下，選出最優(yōu)化的質(zhì)量檢驗(yàn)方案。

輸入：待檢驗(yàn)的海洋數(shù)據(jù)集O，｜O｜＝N；

輸出：最優(yōu)的海洋大數(shù)據(jù)質(zhì)量檢驗(yàn)方案S（N，n，c）。

步驟1 求海洋大數(shù)據(jù)質(zhì)量檢驗(yàn)方案集Q，｜Q｜＝N2；

步驟2 for（i＝1；i≤N；i＋＋ ）｛

利用公式（5）求殘差ai，并將其放入殘差集Ea中；

利用公式（6）求殘差bi，并將其放入殘差集Eb中；

／／利用公式（5）和（6）求殘差集Ea和Eb；

｝

步驟3 將殘差集Ea和Eb作為輸入，調(diào)用skyline的塊嵌套循環(huán)算法，計(jì)算出最優(yōu)解（ak，bk）（0＜k≤｜Ea｜）；

步驟4 根據(jù)（ak，bk）從方案集Q中選出最優(yōu)方案S（N，n，c）。

算法分析：在該算法中，求海洋大數(shù)據(jù)質(zhì)量檢驗(yàn)方案集Q的時(shí)間復(fù)雜度為O（N2）；求殘差集的時(shí)間復(fù)雜度為O（N2）；塊嵌套循環(huán)算法的時(shí)間復(fù)雜度為O（N2）；從方案集Q中選出最優(yōu)方案的時(shí)間復(fù)雜度為O（N）。因此，該算法的時(shí)間復(fù)雜度為O（N2）。

5 實(shí)驗(yàn)分析

5.1 實(shí)驗(yàn)數(shù)據(jù)

Figure 1 Breed area distribution chart圖1 養(yǎng)殖區(qū)域分布圖

以如圖1所示的某海域部分養(yǎng)殖區(qū)域監(jiān)測站點(diǎn)數(shù)據(jù)為例，來檢驗(yàn)本文所提方法的可行性。其中，研究區(qū)域內(nèi)包括監(jiān)測點(diǎn)位數(shù)據(jù)N為1 392個(gè)，其每一點(diǎn)位包括三大類數(shù)據(jù)，分別是空間位置數(shù)據(jù)、海洋要素?cái)?shù)據(jù)和養(yǎng)殖信息數(shù)據(jù)，如表1所示（因需要將位置數(shù)據(jù)及典型要素?cái)?shù)據(jù)隱藏）。

采用四種不同的抽樣比f對海洋數(shù)據(jù)進(jìn)行質(zhì)量檢驗(yàn)，對于該批海洋數(shù)據(jù)的批量N，樣本量n分別取批量N 的5%、10%、15%和20%，接收數(shù)c取不同的值，表2所列為海洋數(shù)據(jù)的百分比質(zhì)量檢驗(yàn)方案。

5.2 質(zhì)量檢驗(yàn)方案優(yōu)化選擇

根據(jù)以上四種不同的百分比抽樣方法，利用超幾何分布模型，根據(jù)AQL和LQL對應(yīng)的不合格品率值，不合格品率分別取Pa＝0.02，Pb＝0.1，計(jì)算得出接收概率值L（Pa）和L（Pb），以及其對應(yīng)的殘差值Ea和Eb。百分比抽樣方案的接收概率值和殘差如表3所示。

Table 1 Attribute information of the breed area distribution表1 養(yǎng)殖區(qū)分布屬性信息

Table 2 List of the percentage sampling plan表2 百分比抽樣方案列表

Table 3 Accept probability and residual of the percentage sampling plan表3 百分比質(zhì)量檢驗(yàn)方案接收概率值和殘差

由表3可以看出：

（1）抽樣比f＝5%時(shí)，質(zhì)量檢驗(yàn)方案的樣本量n為69，質(zhì)量檢驗(yàn)方案為S（1 392，69，c），其中接收數(shù)c從0開始取值，依次以1遞增；當(dāng)接收數(shù)c大于或等于4時(shí)，其極限質(zhì)量限接收概率殘差小于0，如表中方案S（1 392，69，4）、S（1 392，69，5）、S（1 392，69，6）、S（1 392，69，7）的極限質(zhì)量限接收概率殘差分別為－0.062 1、－0.195 6，－0.359 9、－0.517 0，此時(shí)所有方案只顧及了生產(chǎn)方風(fēng)險(xiǎn)，但沒有考慮使用方風(fēng)險(xiǎn)，故此舍去。（2）當(dāng)抽樣比為f＝10%，質(zhì)量檢驗(yàn)方案的樣本量n為139，質(zhì)量檢驗(yàn)方案為S（1 392，139，c）。當(dāng)接收數(shù)c大于或等于10時(shí)，AQL的接受概率L（Pa）約等于1，即無論待檢驗(yàn)數(shù)據(jù)質(zhì)量如何，采用該方案對其進(jìn)行質(zhì)量檢驗(yàn)，均可判為合格數(shù)據(jù)，該現(xiàn)象不利于使用方。所以當(dāng)抽樣比為f＝10%，接收數(shù)c大于或等于10的質(zhì)量檢驗(yàn)方案，不予考慮。同理，（3）當(dāng)抽樣比為f＝15%，質(zhì)量檢驗(yàn)方案樣本量n為208，接收數(shù)c大于或等于13的質(zhì)量檢驗(yàn)方案，不予考慮。（4）當(dāng)抽樣比為f＝20%，質(zhì)量檢驗(yàn)方案樣本量n為278，接收數(shù)c大于或等于15的質(zhì)量檢驗(yàn)方案，不予考慮。

利用BNL算法對不同抽樣比產(chǎn)生的海洋數(shù)據(jù)質(zhì)量檢驗(yàn)方案進(jìn)行選擇。首先將海洋數(shù)據(jù)抽樣方案 殘 差 點(diǎn) 的 集 合 定 義 為 S ＝ ｛S1（Ea1，Eb1），S2（Ea2，Eb2），…，Sn（Ean，Ebn）｝，對 所 有 質(zhì) 量 檢 驗(yàn)方案的殘差點(diǎn)集兩兩交互比較，從而篩選出平衡兩殘差的最優(yōu)解，即選出最優(yōu)化的質(zhì)量檢驗(yàn)方案，在保證使用方精度的同時(shí)考慮生產(chǎn)方的風(fēng)險(xiǎn)。

抽樣比為f＝5%時(shí)，海洋數(shù)據(jù)質(zhì)量檢驗(yàn)方案為S（1 392，69，c）的接收概率殘差如圖2所示。

Figure 2 Distribution of 5%quality inspection scheme residuals圖2 5%質(zhì)量檢驗(yàn)方案殘差集合

圖2 給出了抽樣比為5%時(shí)，各海洋數(shù)據(jù)質(zhì)量檢驗(yàn)方案的殘差集合，其中，橫坐標(biāo)表示接收質(zhì)量限接收概率殘差Ea，縱坐標(biāo)表示極限質(zhì)量限接收概率殘差Eb。由圖2可以看出，質(zhì)量檢驗(yàn)方案S（1 392，69，3）的殘差點(diǎn)S13（0.004 0，0.028 3）完全支配其它質(zhì)量檢驗(yàn)方案殘差點(diǎn)，即該方案的接收質(zhì)量限接受概率殘差Ea和極限質(zhì)量限接收概率殘差Eb都優(yōu)于其它方案的殘差。故此，質(zhì)量檢驗(yàn)方案S（1 392，69，3）為抽樣比為5%時(shí)的最優(yōu)化海洋數(shù)據(jù)質(zhì)量檢驗(yàn)方案。

抽樣比為f＝10%時(shí)，海洋數(shù)據(jù)質(zhì)量檢驗(yàn)方案為S（1 392，139，c）的接收概率殘差如圖3所示。

Figure 3 Distribution of 10%quality inspection scheme residuals圖3 10%質(zhì)量檢驗(yàn)方案殘差集合

圖3 給出了抽樣比為10%時(shí)，各海洋數(shù)據(jù)質(zhì)量檢驗(yàn)方案的殘差集合。由圖3可以看出，質(zhì)量檢驗(yàn)方案為S（1 392，139，c）的殘差點(diǎn)S25（0.002 8，0.096 9）和S26（0.033 3，0.091 1）完全支配這組質(zhì)量檢驗(yàn)方案其它殘差點(diǎn)，但是這兩個(gè)點(diǎn)并不相互支配，即這兩個(gè)方案的接收質(zhì)量限接收概率殘差Ea和極限質(zhì)量限接收概率殘差Eb都優(yōu)于其它方案的殘差，而這兩個(gè)方案之間各有優(yōu)劣。因此，S25（0.002 8，0.096 9）和 S26（0.033 3，0.091 1）同 為skyline集合點(diǎn)，其所對應(yīng)的S（1 392，139，5）和S（1 392，139，6）為這組質(zhì)量檢驗(yàn)方案的最優(yōu)解。

同樣的方法可以得出在抽樣比為15%和20%的兩組質(zhì)量檢驗(yàn)方案中，質(zhì)量檢驗(yàn)方案為S（1 392，208，c）的 殘 差 點(diǎn) S37（0.004 1，0.099 9）、S38（0.033 7，0.099 6）以及質(zhì)量檢驗(yàn)方案 S（1 392，278，c）的殘差點(diǎn)S48（0.037 2，0.100 0）、S49（0.012 8，0.100 0）分別完全支配所在組的其它質(zhì)量檢驗(yàn)方案殘差點(diǎn)，因此 S37（0.004 1，0.099 9）、S38（0.033 7，0.099 6）以及 S48（0.037 2，0.100 0）、S49（0.012 8，0.100 0）分別為15%組和20%組的skyline集合點(diǎn)。同理，其所對應(yīng)的S（1 392，208，7）、S（1 392，208，8）以及S（1 392，278，8）、S（1 392，278，9）也分別為15%和20%這兩組質(zhì)量檢驗(yàn)方案的最優(yōu)解。

然后將不同百分比的質(zhì)量檢驗(yàn)方案最優(yōu)解S（1 392，69，3）、S（1 392，139，5）、S（1 392，139，6）、S（1 392，208，7）、S（1 392，208，8）、S（1 392，278，8）和S（1 392，278，9）整合進(jìn)行二次BNL篩選比較，結(jié)果如表4和圖4所示。

Table 4 Accept probability and residuals of different percentage quality inspection scheme表4 不同百分比最優(yōu)質(zhì)量檢驗(yàn)方案接收概率值和殘差

Figure 4 Distribution of different percentage quality inspection scheme residuals圖4 不同百分比最優(yōu)質(zhì)量檢驗(yàn)方案殘差點(diǎn)集合

圖4 給出了不同百分比最優(yōu)質(zhì)量檢驗(yàn)方案殘差點(diǎn)集合，通過BNL算法對不同百分比最優(yōu)質(zhì)量檢驗(yàn)方案的殘差點(diǎn)進(jìn)行比較，可以得出質(zhì)量檢驗(yàn)方案S（1 392，139，5）的殘差點(diǎn)S25（0.002 8，0.096 9）完全支配其他殘差點(diǎn)，即該方案的接收質(zhì)量限接收概率殘差Ea和極限質(zhì)量限接收概率殘差Eb都優(yōu)于其它方案的殘差。因此，S25（0.002 8，0.096 9）為不同百分比最優(yōu)質(zhì)量檢驗(yàn)方案的殘差點(diǎn)的skyline集合點(diǎn)，其所對應(yīng)的質(zhì)量檢驗(yàn)方案：f＝10%，n＝139，c＝5為這批N＝1 392的最優(yōu)質(zhì)量檢驗(yàn)方案，即S（1 392，139，5）為不同百分比的最優(yōu)質(zhì)量檢驗(yàn)方案。

6 結(jié)束語

本文將skyline思想引入海洋數(shù)據(jù)質(zhì)量優(yōu)化檢驗(yàn)方案的選擇。運(yùn)用超幾何分布模型求出殘差并通過塊嵌套循環(huán)算法選出最優(yōu)的海洋數(shù)據(jù)質(zhì)量檢驗(yàn)方案，實(shí)驗(yàn)驗(yàn)證了該方法的可行性，從而實(shí)現(xiàn)了快速海洋數(shù)據(jù)最優(yōu)質(zhì)量檢驗(yàn)方案的選擇，完善了海洋數(shù)據(jù)質(zhì)量檢驗(yàn)理論體系。

［1］ Han Jing－yu，Xu Li-zhen，Dong Yi-sheng.Data quality sur-vey［J］.Computer Science，2008，35（2）：1-120.（in Chinese）

［2］ Bao Yang，Qi Xuan.Large software systems data quality issues［J］.Computer Engineering and Design，2011，32：963.（in Chinese）

［3］ Xu Zi-zhou，Song De-rui.The control method of marine environmental monitoring data quality［J］.Marine Environmental Science，2009，28（3）：329-3340.（in Chinese）

［4］ Wang R Y，Kon H B，Madnick S E.Data quality requirements analysis and modeling［C］∥Proc of the 9th ICDE’93，1993：670-677.

［5］ Rahm E，Do Hong-hai.Data cleaning：Problems and current approaches［J］.IEEE Data Engineering Bulletin，2000，23（4）：3-13.

［6］ Parssian A，Sarkar S，Jacob V S.Assessing information quality for the composite relational operation joins［C］∥Proc of the 7th International Conference on Information Quality，2002：225-237.

［7］ Shi Jing-tao，Zhou Zhi-hai.Ocean station data quality control technology［J］.Marine Technology，2011，30（1）：114-117.（in Chinese）

［8］ Zhang Suo-ping.Single point GPS wave research methods and data quality control［J］.Marine Technology，2008，27（3）：15-18.（in Chinese）

［9］ Xie Ling-ling，Xiong Xue-jun，Yang Qing-xuan.LADCP configuration files and data quality control parameter settings［J］.Marine Technology，2009，28（1）：19-23.（in Chinese）

［10］ Zhu Lin，Zhou Shui-geng.Skyline computation：Survey［J］.Computer Engineering and Applications，2008，44（6）：160-165.（in Chinese）

［11］ Bartolini I，Ciaccia P，Patella M.Efficient sort-based skyline evaluation［J］.ACM Transactions on Database Systems（TODS），2008，33（4）：1-49.

［12］ Wang Yan-jie.Research on skyline computation and application based on data stream［D］.Zhenjiang：Jiangsu University，2011.（in Chinese）

［13］ Wang Zhen-hua.Principle，methods and application of sampling inspection for quality control of geospatial data ［D］.Shanghai：Tongji University，2011.（in Chinese）

［14］ Kuralmani V，Govindaraju K.Modified tables for the selection of double sampling attribute plan indexed by AQL and LQL［J］.Communications in Statistics.Part A：Theory and Methods，1995，24（7）：1897.

［15］ Wetherill.Sampling Inspection and Quality Control［M］.Yu Shan-qi，translation.Beijing：Peiking University Press，1991.（in Chinese）

［16］ Borzsonyi S，Kossmann D，Stocker K.The skyline operator［C］∥Proc of the 17th International Conference on Data Engineering（ICDE），2001：421-430.

附中文參考文獻(xiàn)：

［1］ 韓京宇，徐立臻，董逸生.數(shù)據(jù)質(zhì)量研究綜述［J］.計(jì)算機(jī)科學(xué)，2008，35（2）：1-12.

［2］ 包陽，齊璇.大型軟件系統(tǒng)數(shù)據(jù)質(zhì)量問題研究［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2011，32：963.

［3］ 徐自舟，宋德瑞.海洋環(huán)境監(jiān)測數(shù)據(jù)質(zhì)量計(jì)算機(jī)控制方法研究［J］.海洋環(huán)境科學(xué)，2009，28（3）：329-334.

［7］ 史靜濤，周智海.海洋站數(shù)據(jù)質(zhì)量控制技術(shù)探討［J］.海洋技術(shù)，2011，30（1）：114-117.

［8］ 張鎖平.單點(diǎn)GPS浮標(biāo)測波方法與數(shù)據(jù)質(zhì)量控制研究［J］.海洋技術(shù)，2008，27（3）：15-18.

［9］ 謝玲玲，熊學(xué)軍，楊慶軒.LADCP配置文件和數(shù)據(jù)質(zhì)量控制的參數(shù)設(shè)定［J］.海洋技術(shù)，2009，28（1）：19-23.

［10］ 朱琳，周水庚.Skyline計(jì)算研究綜述［J］.計(jì)算機(jī)工程與應(yīng)用，2008，44（6）：160-165.

［12］ 王艷杰.基于數(shù)據(jù)流的skyline計(jì)算及應(yīng)用研究［D］.鎮(zhèn)江：江蘇大學(xué)，2011.

［13］ 王振華.空間數(shù)據(jù)質(zhì)量抽樣檢驗(yàn)與控制的理論、方法和應(yīng)用［D］.上海：同濟(jì)大學(xué)，2011.

［15］ Wetherill.抽樣檢驗(yàn)與質(zhì)量控制［M］.于善奇，譯.北京：北京大學(xué)出版社，1991.