李 佳，李 瀟

（1.北方工業(yè)大學(xué),北京 100186；2.北京市地質(zhì)調(diào)查研究院，北京 102206）

1 應(yīng)用現(xiàn)狀

數(shù)據(jù)挖掘技術(shù)在金融業(yè)、零售業(yè)、餐飲業(yè)及電信等行業(yè)中的到了廣泛應(yīng)用，并為人們帶來了良好的經(jīng)濟(jì)效益，但在地質(zhì)行業(yè)中的應(yīng)用相對比較少，主要被用在石油挖掘、探礦工程、地震預(yù)警預(yù)報(bào)等重大領(lǐng)域。但數(shù)據(jù)挖掘技術(shù)分析、處理大量數(shù)據(jù)信息能力的特點(diǎn)很適合應(yīng)用在有大量數(shù)據(jù)的地質(zhì)環(huán)境評測工作上。如果能夠通過數(shù)據(jù)挖掘技術(shù)分析出地質(zhì)環(huán)境各數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，并歸納出其權(quán)重指標(biāo)，將會(huì)推進(jìn)環(huán)境評測工作的精準(zhǔn)性。

2 數(shù)據(jù)挖掘的方法

（1）數(shù)據(jù)挖掘過程

地質(zhì)環(huán)境數(shù)據(jù)挖掘過程一般由數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、知識(shí)表達(dá)3個(gè)階段組成，如圖1所示。地質(zhì)環(huán)境數(shù)據(jù)挖掘算法對數(shù)據(jù)有一定的要求,如數(shù)據(jù)冗余性小,出錯(cuò)率小等。由于地質(zhì)行業(yè)的特殊性, 現(xiàn)實(shí)各區(qū)域所采集到的地質(zhì)環(huán)境數(shù)據(jù)通常具有數(shù)據(jù)來源廣泛、異構(gòu)性、模糊性、冗余性、不完整性、噪聲、隨機(jī)性、數(shù)據(jù)量大而復(fù)雜的特點(diǎn)。因此,數(shù)據(jù)挖掘必須經(jīng)過數(shù)據(jù)準(zhǔn)備以提高數(shù)據(jù)質(zhì)量；數(shù)據(jù)挖掘階段包括選擇合適的數(shù)據(jù)挖掘算法模型, 并對挖掘模型進(jìn)行分析、驗(yàn)證、調(diào)整, 挖掘有價(jià)值的知識(shí)；知識(shí)表達(dá)階段是對結(jié)果進(jìn)行分析, 提取出最有價(jià)值的信息。

（2）數(shù)據(jù)準(zhǔn)備

使用的數(shù)據(jù)為北京市房山區(qū)地質(zhì)環(huán)境評估報(bào)告中的實(shí)際數(shù)據(jù)，共包括土壤樣2643件、河流沉積物樣17件、垃圾土壤樣36件、水樣33件、玉米樣74件、柿子7件、梨5件，總計(jì)2888件。

（3）核心算法

標(biāo)準(zhǔn)方差是在樣本統(tǒng)計(jì)中，特別是大量樣本的統(tǒng)計(jì)計(jì)算，最常用到的幾種算法之一，公式為：

然而，在計(jì)算機(jī)編程中，還需要計(jì)算運(yùn)行方差（running variance），因?yàn)闃颖镜膫€(gè)數(shù)總是的在不斷變化的，即不斷遞增；如果每次增加，都要重新計(jì)算平均值，再按此公式計(jì)算出方差，雖可以實(shí)現(xiàn)，但計(jì)算量會(huì)隨著數(shù)據(jù)的增加變的很大。

因此，遞推的公式就顯得格外重要；通過n-1個(gè)樣本時(shí)的方差值，和新增的樣本，就能得到此時(shí)這N個(gè)樣本的方差；這樣計(jì)算量不會(huì)變同時(shí)保持在一個(gè)很小的值，可大大提高程序的計(jì)算效率。遞推公式如下：

圖1 地質(zhì)環(huán)境評測數(shù)據(jù)挖掘過程

Mn為平均值，初始時(shí)：M1 = x1, S1 = 0，而樣本方差 s =Sn/(n-1)

土地養(yǎng)分評價(jià)指標(biāo)包括大量營養(yǎng)元素、微量營養(yǎng)元素、有益元素等3個(gè)部分，均采用加法模型來計(jì)算指數(shù)得分P：

P肥綜＝Σfi×Ci（i=1，2，3，4……n）

式中：P為指數(shù)得分；

fi為第i個(gè)評估指標(biāo)的隸屬函數(shù)值；

Ci為第i個(gè)評估指標(biāo)的權(quán)重。

由此得到養(yǎng)分指標(biāo)（大量元素指標(biāo)得分

將土地養(yǎng)分和肥力劃分為3等（表1）。

表1 土地養(yǎng)分或肥力分等與綜合參數(shù)對應(yīng)表

數(shù)據(jù)導(dǎo)入后，經(jīng)過系統(tǒng)的分析統(tǒng)計(jì)，結(jié)果如圖2所示：

圖2 數(shù)據(jù)挖掘系統(tǒng)計(jì)算結(jié)果

通過與人工計(jì)算結(jié)果（圖3）對比，可以算出數(shù)據(jù)挖掘計(jì)算結(jié)果與人工處理結(jié)果一致。

圖3 人工計(jì)算統(tǒng)計(jì)表

3 結(jié)論

在數(shù)據(jù)挖掘過程中首先需要把已有的數(shù)據(jù)進(jìn)行規(guī)范化處理，建成數(shù)據(jù)挖掘源數(shù)據(jù)庫。處理方法包括統(tǒng)求和、求平均、正態(tài)分布、統(tǒng)一坐標(biāo)體系、監(jiān)測資料的規(guī)范化、評測單元的統(tǒng)一。然后進(jìn)行數(shù)據(jù)挖掘建模，進(jìn)行模型評估，選擇合適數(shù)據(jù)挖掘模型，部署模型，根據(jù)實(shí)施結(jié)果評測地質(zhì)環(huán)境健康度。實(shí)驗(yàn)證明，利用數(shù)據(jù)挖掘技術(shù)生成評測單元, 并利用預(yù)處理屬性數(shù)據(jù)庫對各區(qū)域進(jìn)行地質(zhì)環(huán)境評測, 其結(jié)果與環(huán)境現(xiàn)狀基本相符, 具有較高的可信度。

[1]黃 淇等.北京市平原區(qū)土地質(zhì)量地球化學(xué)評估報(bào)告[R].北京：北京市地質(zhì)調(diào)查研究院,2011.

[2]于春香.數(shù)據(jù)挖掘技術(shù)簡介[J].福建信息技術(shù)教育,2005年01期.

[3]梁 循.數(shù)據(jù)挖掘:建模、算法、應(yīng)用和系統(tǒng)[J].計(jì)算機(jī)技術(shù)與發(fā)展,2006年01期

[4]韓家煒.數(shù)據(jù)挖掘：概念與技術(shù)[M].北京:機(jī)械工業(yè)出版社,2012.

[5]張良均.數(shù)據(jù)挖掘：實(shí)用案例分析[M].北京:機(jī)械工業(yè)出版社,2013.

[6]坎塔爾季奇（美）.數(shù)據(jù)挖掘：概念、模型、方法和算法[M].北京:清華大學(xué)出版社,2013.