董文倩 張麒 彭佳紅

摘要：關(guān)聯(lián)規(guī)則是一種重要的數(shù)據(jù)挖掘技術(shù)，結(jié)合水體污染的特點(diǎn)，應(yīng)用關(guān)聯(lián)挖掘中的Apriori算法，分析水體污染排放量和水體中重金屬含量之間的關(guān)系，同時(shí)分析工業(yè)、生活分別與水體重金屬含量之間的關(guān)系，對(duì)水體重金屬污染物有一定的預(yù)警作用。

關(guān)鍵詞：數(shù)據(jù)挖掘；Apriori算法；水體污染；重金屬；預(yù)警

中圖分類號(hào)： TP301 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）25-5985-03

1 概述

隨著社會(huì)經(jīng)濟(jì)的迅猛發(fā)展和工業(yè)化程度的不斷提高，污染物的排放已使環(huán)境日趨惡化，直接或間接給生物的生存帶來威脅，并危及人類健康。重金屬污染與其他有機(jī)化合物的污染不同，具有富集性，很難在環(huán)境中降解。近年來，工礦業(yè)廢水、生活污水等未經(jīng)適當(dāng)處理即向外排放，污染土壤和廢棄物堆置場(chǎng)受流水作用，以及富含重金屬的大氣沉降物輸入， 城市生活污水、工業(yè)廢水和礦山開采、金屬冶煉等所產(chǎn)生的污染物通過不同方式進(jìn)入水中， 使水體中的重金屬含量急劇升高，如隨廢水排出的重金屬汞（Hg）、銅（Cu）、鉻（Cr），導(dǎo)致水體受到重金屬污染[1]。我國各大江河湖庫普遍受到不同程度的重金屬污染，其底質(zhì)的污染率高達(dá)80.11%[2]，而且已經(jīng)開始影響到水體的質(zhì)量，嚴(yán)重影響著人類及其它生物的健康與生存。

數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又潛在的有用信息和知識(shí)的過程。數(shù)據(jù)挖掘得到的信息和知識(shí)的表現(xiàn)形式為規(guī)則、概念和模式等，它可以幫助決策者分析歷史數(shù)據(jù)以及當(dāng)前數(shù)據(jù)的特征和規(guī)律，以便進(jìn)一步預(yù)測(cè)未來。[3]關(guān)聯(lián)挖掘作為數(shù)據(jù)挖掘的一個(gè)重要研究分支，其主要研究目的就是從大型數(shù)據(jù)集中發(fā)現(xiàn)隱藏的、有趣的、屬性間的規(guī)律，即關(guān)聯(lián)規(guī)則。[4]本文采用數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則技術(shù)從現(xiàn)有的生活、工業(yè)兩方面的廢水排放量、化學(xué)需氧量排放量、氨氮排放量以及水體中汞、鎘、鉛的含量數(shù)據(jù)進(jìn)行處理，并用關(guān)聯(lián)規(guī)則中的Apriori算法獲取相應(yīng)的關(guān)聯(lián)規(guī)則，形成水體污染預(yù)警知識(shí)，便于水體重金屬污染的預(yù)防和治理。

2 材料與方法

2.1 數(shù)據(jù)來源

本文數(shù)據(jù)來源于2011年環(huán)境統(tǒng)計(jì)年報(bào)[5]。選取六個(gè)對(duì)于水體重金屬污染有一定作用的影響因子：工業(yè)廢水排放量、生活廢水排放量、工業(yè)化學(xué)需氧量排放量、生活化學(xué)需氧量排放量、工業(yè)氨氮排放量、生活氨氮排放量，并選取了汞、鎘、鉛三種最具重金屬代表性的元素作為分析因子，具體數(shù)據(jù)如表1所示。

2.2 關(guān)聯(lián)規(guī)則及Apriori算法描述

1994年由R.Agrawal等人提出來的Apriori算法是關(guān)聯(lián)規(guī)則挖掘的一個(gè)經(jīng)典算法[6]，關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。關(guān)聯(lián)規(guī)則側(cè)重于確定數(shù)據(jù)中不同領(lǐng)域之間的聯(lián)系，找出滿足給定支持度和置信度閾值的多個(gè)域之間的依賴關(guān)系[7]。關(guān)聯(lián)規(guī)則能夠從大量數(shù)據(jù)的項(xiàng)集之間發(fā)現(xiàn)有趣的、頻繁出現(xiàn)的模式、關(guān)聯(lián)和相關(guān)性。為了在數(shù)據(jù)挖掘任務(wù)中得到有用的和可靠的規(guī)則，需要通過支持度和置信度兩個(gè)閾值來保證。關(guān)聯(lián)規(guī)則 X=>Y 在 D 中的支持度是 D 中事務(wù)包含 XUY 的百分比，即概率 P（XUY），它是對(duì)關(guān)聯(lián)規(guī)則重要度的衡量，表示關(guān)聯(lián)規(guī)則的頻度。關(guān)聯(lián)規(guī)則X=>Y 在 D 中的置信度是包含 X 的事務(wù)中同時(shí)包含 Y的百分比，即條件概率 P（X=>Y），它是對(duì)關(guān)聯(lián)規(guī)則準(zhǔn)確度的衡量，表示關(guān)聯(lián)規(guī)則的強(qiáng)度[8]。Apriori算法的核心思想是把發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的工作分為兩步：第一步通過迭代檢索出事務(wù)數(shù)據(jù)庫中的所有頻繁項(xiàng)集，即頻繁項(xiàng)集的支持度不低于用戶設(shè)定的閾值；第二步從頻繁項(xiàng)集中構(gòu)造出滿足用戶最低信任度的規(guī)則[9]。對(duì)于滿足最小支持度和最小置信度要求的關(guān)聯(lián)規(guī)則稱為強(qiáng)規(guī)則[10]。

2.3 數(shù)據(jù)處理

利用Weka軟件，采用關(guān)聯(lián)規(guī)則中的Apriori算法，對(duì)表1的數(shù)據(jù)進(jìn)行處理，得到的關(guān)聯(lián)規(guī)則如所示：

Apriori

Minimum support： 0.25 （2 instances）

Minimum metric： 0.9

Number of cycles performed： 15

Generated sets of large itemsets：

Size of set of large itemsets L（1）： 24

Size of set of large itemsets L（2）： 28

Size of set of large itemsets L（3）： 24

Size of set of large itemsets L（4）： 16

Size of set of large itemsets L（5）： 6

Size of set of large itemsets L（6）： 1

Best rules found：

1. Ammonia emissions from industrial='（-inf-29.82]' 3 ==> Mercury='（-inf-1.505]' 3 conf：（1）

2. COD emissions of industrial='（-inf-452.07]' 2 ==> Lead='（482.96-525.73]' 2 conf：（1）

3. Lead='（482.96-525.73]' 2 ==> COD emissions of industrial='（-inf-452.07]' 2 conf：（1）

4.Industrial wastewater emissions='（233.43-237.82]' 2 ==> Ammonia emissions from industrial='（-inf-29.82]' 2 conf：（1）

5. Industrial wastewater emissions='（233.43-237.82]' 2 ==> Mercury='（-inf-1.505]' 2 conf：（1）

6. Cadmium='（-inf-38.14]' 2 ==> Industrial wastewater emissions='（233.43-237.82]' 2 conf：（1）

7. Industrial wastewater emissions='（233.43-237.82]' 2 ==> Cadmium='（-inf-38.14]' 2 conf：（1）

8. Lead='（-inf-183.57]' 2 ==> Industrial wastewater emissions='（233.43-237.82]' 2 conf：（1）

9. Industrial wastewater emissions='（233.43-237.82]' 2 ==> Lead='（-inf-183.57]' 2 conf：（1）

10. Wastewater discharge life='（-inf-245.25]' 2 ==> Ammonia emissions from industrial='（39.9-42.42]' 2 conf：（1）

11. Cadmium='（102.46-inf）' 2 ==> Wastewater discharge life='（-inf-245.25]' 2 conf：（1）

12. Wastewater discharge life='（-inf-245.25]' 2 ==> Cadmium='（102.46-inf）' 2 conf：（1）

13. Lead='（482.96-525.73]' 2 ==> Wastewater discharge life='（-inf-245.25]' 2 conf：（1）

14. Wastewater discharge life='（-inf-245.25]' 2 ==> Lead='（482.96-525.73]' 2 conf：（1）

15. COD emissions of industrial='（-inf-452.07]' 2 ==> Mercury='（-inf-1.505]' 2 conf：（1）

相應(yīng)的規(guī)則解釋如下：

規(guī)則1：工業(yè)氨氮排放量<29.82萬噸時(shí)，則汞排放量<1.505噸，置信度為100%；

規(guī)則2.3：工業(yè)化學(xué)需氧量排放量<452.07萬噸時(shí)，則鉛排放量<183.57噸，置信度為100%；

規(guī)則4：工業(yè)廢水排放量為233.43-237.82億噸時(shí)，則工業(yè)氨氮排放量<29.82萬噸，置信度為100%；

規(guī)則5：工業(yè)廢水排放量為233.43-237.82億噸時(shí)，則汞排放量<1.505噸 ，置信度為100%；

規(guī)則6.7：工業(yè)廢水排放量為233.43-237.82億噸時(shí)，則鎘排放量<38.14噸， 置信度為100%；

規(guī)則8.9：工業(yè)廢水排放量為233.43-237.82億噸時(shí)，則鉛排放量<183.57噸， 置信度為100%；

規(guī)則10： 生活廢水排放量<245.25億噸，則工業(yè)氨氮排放量為39.9-42.42萬噸 置信度為100%；

規(guī)則11.12：生活廢水排放量>245.25億噸時(shí)， 則鎘排放量>102.46噸 置信度為100%；

規(guī)則13.14：生活廢水排放量<245.25億噸時(shí)，則鉛排放量為482.96-525.73噸 置信度為100%；

規(guī)則15：工業(yè)化學(xué)需氧量排放量<452.07萬噸時(shí)，則汞排放量<1.505噸 置信度為100%；

3 結(jié)果分析

由關(guān)聯(lián)規(guī)則Apriori算法得出的15條規(guī)則結(jié)果分析，可以得到如下結(jié)論：

1） 重金屬與氨氮排放量關(guān)系。當(dāng)工業(yè)氨氮排放量<29.82萬噸時(shí)，則汞排放量<1.505噸，說明工業(yè)氨氮排放量較低時(shí)，重金屬元素汞的排放量低；

2） 重金屬與廢水排放量關(guān)系。當(dāng)工業(yè)廢水排放量為233.43-237.82億噸時(shí)，則汞排放量<1.505噸，鎘排放量<38.14噸，鉛排放量<183.57噸，說明工業(yè)廢水排放量較低時(shí)，重金屬汞、鎘、鉛的排放量較少；當(dāng)生活廢水排放量>245.25億噸時(shí)， 則鎘排放量>102.46噸，說明生活廢水排放量比較高時(shí)，重金屬鎘的含量比較高。生活廢水排放量<245.25億噸時(shí)，則鉛排放量為482.96-525.73噸，說明當(dāng)生活廢水排放量比較高時(shí)，重金屬鉛的含量比較高。

3） 重金屬與化學(xué)需氧量排放量關(guān)系。工業(yè)化學(xué)需氧量排放量<452.07萬噸時(shí)，則汞排放量<1.505噸，說明當(dāng)工業(yè)化學(xué)需氧量排放量比較少時(shí)，重金屬汞的含量比較低。工業(yè)化學(xué)需氧量排放量<452.07萬噸時(shí)，則鉛排放量<183.57噸，說明化學(xué)需氧量排放量較少時(shí)，鉛的排放量較少。

4 結(jié)論

水體中金屬污染具有富集性、不可降解性等特點(diǎn)，已經(jīng)對(duì)我國各大江河湖庫造成了嚴(yán)重污染，影響人類和其他生物的健康和生存，因此，提高對(duì)水體中重金屬污染的成因認(rèn)識(shí)，了解水體污染物排放對(duì)幾大重金屬的影響，加強(qiáng)對(duì)水體重金屬污染排放的控制，顯得尤為重要。采用數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則Apriori算法，對(duì)近十年來的全國污染物和重金屬排放量數(shù)據(jù)利用weka進(jìn)行離散化處理后，獲取相關(guān)的關(guān)聯(lián)規(guī)則知識(shí)，分析了工業(yè)、生活兩方面的廢水排放量、氨氮排放量、化學(xué)需氧量與水體重金屬汞、鎘、鉛含量之間的關(guān)系 ，從而對(duì)水體重金屬污染進(jìn)行預(yù)警，對(duì)水體重金屬污染的預(yù)防和治理的決策上起到了一定的指導(dǎo)作用，幫助控制環(huán)境污染。

參考文獻(xiàn)：

[1] 邱小香，朱海燕.水體重金屬的污染及其處理方法[J].湖南農(nóng)業(yè)科學(xué)，2010（14）：34-35.

[2] 周啟艷，李國蔥，唐植成.我國水體重金屬污染現(xiàn)狀與治理方法研究[J].輕工科技，2013（4）：98-99.

[3] 李梅，張陽，蔡曉妍.關(guān)聯(lián)規(guī)則挖掘在學(xué)生成績分析中的應(yīng)用[J].中國電力教育，2014（20）：94-95.

[4] 司曉梅.數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則的研究及應(yīng)用[D].武漢：武漢理工大學(xué)，2007.

[5] 羅毅.中國環(huán)境統(tǒng)計(jì)年報(bào)2011[N].中國環(huán)境科學(xué)出版社，2012-12-1（1）

[6] 秦亮曦，史忠植.關(guān)聯(lián)規(guī)則研究綜述[J].廣西大學(xué)學(xué)報(bào)：自然科學(xué)版，2005，30（4）：310-317.

[7] 吳昊.基于關(guān)聯(lián)規(guī)則的道路交通事故數(shù)據(jù)挖掘的研究[D].長春：吉林大學(xué)，2005.

[8] 何兵.關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘算法的相關(guān)研究[D].成都：西南交通大學(xué)，2001.

[9] 羅鳳娥.基于Web的農(nóng)業(yè)數(shù)據(jù)挖掘平臺(tái)技術(shù)研究[D].長沙：湖南農(nóng)業(yè)大學(xué)，2010.