丁健 邱俊強 吳笑笑

摘 要：隨著時代的不斷變遷，我們的生活方式更加便捷。然而，于此同時，我們所生存的環(huán)境由此變惡劣了，雖然現(xiàn)在我們在不斷地治理環(huán)境，然而還是未能制止住環(huán)境的惡化。因此，我們現(xiàn)在在治理環(huán)境的同時，也要預(yù)防環(huán)境的變化。所以，本文利用關(guān)聯(lián)規(guī)則算法，通過數(shù)據(jù)挖掘，找出環(huán)境數(shù)據(jù)的CONDITION、AQI、PRES、HUM這四項數(shù)據(jù)進行研究，得到了如下結(jié)論：研究數(shù)據(jù)的變化與天氣變化情況關(guān)聯(lián)不大，尤其是AQI值的變化難以推斷。最后，本文證實了根據(jù)CONDITION、AQI、PRES、HUM這四項數(shù)據(jù)難以推測出天氣的變化。

關(guān)鍵詞：關(guān)聯(lián)規(guī)則；數(shù)據(jù)挖掘；

一、引言

如今的環(huán)境氣候的變化難測，雖然總體是呈現(xiàn)溫度上升，但氣候的升升跌跌難以猜測。所以，為了方便我們的日常穿衣出行，我們需要做出環(huán)境氣候變化的預(yù)測。

因此，環(huán)境的大數(shù)據(jù)分析成為了一項十分重要的用來預(yù)測天氣變化的武器。通過關(guān)聯(lián)規(guī)則，分析出環(huán)境中各個成分的變化的聯(lián)動性，從而的出環(huán)境中各個成分的關(guān)聯(lián)性，用來預(yù)測未來環(huán)境中各個成分的變化情況從而得出氣候的變化趨勢，有利于我們對氣候變化的把握。

在利用關(guān)聯(lián)規(guī)則對環(huán)境數(shù)據(jù)進行分析時，本文選取了我國南京地區(qū)的2016年～2018年的CONDITION、AQI、PRES、HUM這四項數(shù)據(jù)進行實證研究。為了使數(shù)據(jù)更具有可比性、價值性、直觀性，對數(shù)據(jù)進行篩選，剔除了沒有成效的數(shù)據(jù)。

二、相關(guān)研究

我國主要通過環(huán)境統(tǒng)計分析，通過檢測空氣中各成分的變化，利用環(huán)境模糊聚類分析、環(huán)境判別分析、環(huán)境主成分分析和環(huán)境因子分析這些常用的環(huán)境統(tǒng)計分析模型；也有少數(shù)利用現(xiàn)代環(huán)境數(shù)據(jù)處理常用的人工神經(jīng)網(wǎng)絡(luò)方法和空間統(tǒng)計分析方法。不過這些都存在一些局限性：缺乏有關(guān)制度的結(jié)合，主要是環(huán)境監(jiān)測制度，排污許可證制度和環(huán)境信息公開制度；指標體系還不完善；缺乏數(shù)據(jù)質(zhì)量保障制度和規(guī)范。

三、關(guān)聯(lián)規(guī)則對我國環(huán)境數(shù)據(jù)的分析

（一）關(guān)聯(lián)規(guī)則簡介

關(guān)聯(lián)規(guī)則的一般性描述是： 設(shè)I={Itemset 1 ， Itemset 2 ， ？ ，Itemset m }是項的集合， D是數(shù)據(jù)庫事務(wù)的集合，其中每個事務(wù)T是一個非空項集，使得T∈I，關(guān)聯(lián)規(guī)則是形如A =>B的蘊涵式，其中A∈I ， B∈I，A≠？，B≠？，并且 A∩B = ？，對于關(guān)聯(lián)規(guī)則 A =>B 在事務(wù)集D中成立：

支持度： Sup=P（A？B）=|A？B|/|D| （1）

置信度： Conf=P（B|A）=|A？B|/|A| （2）

其中 P（A？B） 表示事務(wù)數(shù)據(jù)庫D中包含A∪B的概率，P（B|A） 事務(wù)數(shù)據(jù)庫D 中包含 A的事務(wù)同時也包含 B的事務(wù)的概率。定義同時滿足最小支持度閾值（min_Sup）和最小置信度閾值（min_Conf）的規(guī)則稱為強關(guān)聯(lián)規(guī)則。強關(guān)聯(lián)規(guī)則不一定都是有趣的，在此引入提升度來擴充關(guān)聯(lián)規(guī)則的支持度-置信度框架，過濾掉無趣的相關(guān)規(guī)則。

提升度： Lift=P（B|A）/P（B）=Conf（A=>B）/Supp（B）（3）

即B在包含A 的事務(wù)集中出現(xiàn)的概率與B在事務(wù)數(shù)據(jù)庫D中出現(xiàn)的概率的比值，探究A的出現(xiàn)“提升”B出現(xiàn)的程度。若提升度大于1，則說規(guī)則是有趣的。若規(guī)則提升度等于1，則兩者相互獨立，沒有相關(guān)性。若該規(guī)則提升度小于1，實為負相關(guān)的偽規(guī)則，可能會對決策產(chǎn)生誤導(dǎo)。

（二） 算法簡介

Apriori 算法是Agrawal和R.Srikant 于1994年提出的一種發(fā)現(xiàn)頻繁項集的基本算法， 使用逐層搜索的迭代方法，其思想是利用已知的高頻數(shù)據(jù)項集推導(dǎo)更高層的高頻數(shù)據(jù)項集。Apriori 算法是一種寬度優(yōu)先算法，其具體步驟過程為：

S1：首先掃描數(shù)據(jù)庫，計算 D 中所有單個項集的支持度， 找出1- 頻繁項集的集合，記為 L1。

S2：利用已生成的L k-1 ，即（k-1）-頻繁項集來生成Lk，即 k-頻繁項集。

S3：第S2步利用先驗性質(zhì)壓縮搜索空間，其應(yīng)用分為以下兩步過程：

連接步：假定事務(wù)或項集中的項按字典序排序。對L k-1中的元素兩兩進行比對， 如果它們前k-2項相同 ，而最后一項不同，則將二者進行連接得到k-候選項集。

剪枝步：對候選k-項集C k 進行剪枝，從C k 中刪除所有（k-1）-子集不全包含在L k- 1 中的項集，從而得到k-頻繁項集。

S4：依次循環(huán)調(diào)用連接步和剪枝步，直至產(chǎn)生所有頻繁項集。

（三）通過環(huán)境數(shù)據(jù)的算法實現(xiàn)

首先我們將我們需要的數(shù)據(jù)導(dǎo)出來，這里我先用2016年1月的數(shù)據(jù)做例子，見表1：

因為我們想要觀察這些數(shù)據(jù)之間的聯(lián)系，為了輸入數(shù)據(jù)的方便，我們首先設(shè)立事件：

將COND數(shù)據(jù)中的晴設(shè)置為事件1，多云設(shè)置為事件2，陰設(shè)置為事件3，小雨設(shè)置為事件4，雨夾雪設(shè)置為事件5，小雪設(shè)置為事件6，小到中雪設(shè)置為事件7。

同理，將AQI中的1～50設(shè)置為事件a，51～100設(shè)置為事件b，101～150設(shè)置為事件c，151～200設(shè)置為事件d，201～250設(shè)置為事件e，251+設(shè)置為事件f。

PRES中，1011～1015設(shè)置為事件g，1016～1020設(shè)置為事件h，1021～1025設(shè)置為事件i，1026～1030設(shè)置為事件j，1031+設(shè)置為事件k。

HUM中，1～20設(shè)置為事件l，21～40設(shè)置為事件m，41～60設(shè)置為事件n，61～80設(shè)置為事件o，81～100設(shè)置為事件p。

接下來，我們需要設(shè)立支持度和置信度，就暫且將支持度和置信度都先設(shè)置為0.6。

四、分析結(jié)果

首先看表2，表2是將數(shù)據(jù)轉(zhuǎn)換之后的圖，接下來我們將表2中的數(shù)據(jù)導(dǎo)入到算法中，帶入計算。我們首先通過天氣分類，將為同一類型的天氣的各成分輸入其中，通過設(shè)置最小支持度和最小置信度，從而得出天氣狀況和環(huán)境成分的關(guān)聯(lián)。

表3是事件1即晴的時候?qū)⒆钚≈С侄群妥钚≈眯哦仍O(shè)為0.1所得到的結(jié)果。通過觀察可以猜測數(shù)d，j，p這三個類型與晴天的關(guān)聯(lián)較大，即出現(xiàn)d，j，p時，晴天可能性較大；表4是事件2即多云的時候?qū)⒆钚≈С侄群妥钚≈眯哦仍O(shè)為0.1所得到的結(jié)果。有結(jié)果可推出d，i，p這三個因素對應(yīng)著多云著一天氣情況；表5是事件3即陰天的時候?qū)⒆钚≈С侄群妥钚≈眯哦仍O(shè)為0.1所得到的結(jié)果。結(jié)果表明i，o，p對其影響較大，但由于o，p同屬于HUM中，所以需要取舍，由F1的出現(xiàn)頻率所以選p......表6和表7的結(jié)果以此類推即可得出。

不過，經(jīng)過檢查發(fā)現(xiàn)，通過這樣得到的結(jié)果并不完全可靠，其中還欠缺不少未考慮到的因素，例如：國家政策對AQI值的影響，節(jié)假日對環(huán)境的影響等。所以我們統(tǒng)計的結(jié)果在與之后的數(shù)據(jù)對比中，發(fā)現(xiàn)不少有出入的地方。所以我們暫且還不能單憑一些環(huán)境成分就能準確地預(yù)測出未來的天氣狀況。我們還需要加以改進。

參考文獻：

[1]楊恩. 關(guān)聯(lián)規(guī)則挖掘方法的改進及應(yīng)用研究[EB/OL]. 北京：中國科技論文在線 [2009-05-06].

[2]崔妍， 包志強. 關(guān)聯(lián)規(guī)則挖掘綜述[J]. 計算機應(yīng)用研究， 2016， 33（2）： 330-334.

[3]劉林東，齊德昱.一種改進的關(guān)聯(lián)規(guī)則挖掘算法研究[J]. 2018.6

[4]王曉峰，王天然，趙越.一種自頂向下挖掘長頻繁項的有效方法[J].計算機研究與發(fā)展，2004，41（1）：148-155.

*雙創(chuàng)項目：南京審計大學(xué)金審學(xué)院雙創(chuàng)項目201813994005Y