數據挖掘技術在現代農業上的應用

摘要：從數據挖掘技術的基本原理出發，結合實例論述了數據挖掘技術在現代農業生產中的應用，旨在為數據挖掘技術與現代農業生產的進一步結合提供參考。

關鍵詞：數據挖掘；現代農業；應用

中圖分類號：ＴＰ３９１；Ｓ１２６文獻標識碼：Ａ文章編號：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

農業是人類社會賴以生存的基本生活資料的來源，是社會分工和國民經濟其他部門成為獨立的生產部門的前提和基礎，國民經濟的發展規模和速度都受到農業生產水平的制約。隨著科技的進步，在研究中積累了大量有價值的農業數據資源，包括自然資源、環境、氣象和栽培管理等諸多方面，逐漸受到業界人士的關注。

數據挖掘技術是通過對海量數據的分類、提取，從中發現數據間的相互聯系，而產生新規律的過程。目前，數據挖掘技術已廣泛應用到商業、醫療業、金融業等服務行業，在農業方面的應用還處于初級階段。為此，本文研究從現代農業產業和數據挖掘技術出發，論述其在現代農業中的應用，旨在為數據挖掘技術在行業內的應用以及指導現代農業生產提供參考。

１數據挖掘技術概述

數據挖掘（Ｄａｔａ mｉｎｉｎｇ，ＤＭ）就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，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的過程。由于數據挖掘的目的是在大量數據中發現有價值的信息，故又被稱為數據庫中的知識發現（簡稱ＫＤＤ）。它包括數據庫、人工智能、數理統計、可視化以及并行計算等方面的內容。

通過數據挖掘，有價值、有規律、高層次的信息可以從數據庫的相關數據集中抽取出來。這些挖掘出來的規律包含了數據庫中不同對象間的特殊關系，為以后的相關決策提供依據。數據挖掘得到的信息具有以下３個基本特征，即未知性、有效性和實用性。與傳統分析方法相比，數據挖掘使用基于發現的方法，運用模式匹配和其他算法確定數據之間的聯系。

１．１數據挖掘的功能

１．１．１自動預測趨勢和行為數據挖掘自動在大型數據庫中尋找預測性信息，使得從前需要手工分析的大量數據可直接得出結論。例如，肥料施入的預測問題，在過去一般都是利用經驗或測定土壤中相關礦質元素的含量來決定是否施入或施入何種肥料。采用數據挖掘技術，可以迅速地解決上述問題，并會對指定的問題做出預測。

１．１．２關聯分析不同變量的取值之間存在某種規律性，就被稱為關聯，關聯可以分為簡單關聯、時序關聯、因果關聯。關聯分析是指兩個或多個事物之間存在一定的關聯，那么其中一個事物就能通過其他事物進行預測。目的是挖掘出數據庫中隱藏在數據間的相互關系。由于并不一定知道數據的關聯函數或不確定，因此關聯分析的生成需要帶有可信度。

１．１．３聚類分析聚類是指將物理或抽象對象的集合分成由類似的對象組成多個類的過程。由聚類生成的簇是一組數據對象的集合，這些對象與同簇中的對象彼此相似，與其他簇中的對象相異。聚類分析，又稱為群分析，是研究樣品或指標分類問題的一種統計分析方法。在現代農業生產中，利用聚類分析的方法，可以對基因進行分類，推導出植物的親本等信息。

１．１．４分類分類就是找出一個類別的概念描述，即對某類對象的內涵進行描述，概括這類對象的有關特征，并用這種描述來構造模型，可用于規則描述和預測。

１．１．５偏差分析數據庫中的數據存在很多異常情況，發現這些情況至關重要。偏差分析的基本方法就是尋找結果與參照之間的差別。

１．２數據挖掘系統的構成

１．２．１信息庫信息庫一般由一個或多個類型的數據庫、數據倉庫組成，可以對數據進行整理和集成。

１．２．２服務器根據用戶對數據挖掘的要求，服務器主要負責數據的收集、整理、提取等工作。

１．２．３數據挖掘引擎數據挖掘引擎是系統的基礎部分，主要用于特征化、關聯、演變分類、聚類分析、演變和偏差分析。

１．２．４用戶界面用戶界面是人機交互界面，根據用戶需要提交相關操作命令來獲取結果。

１．２．５知識庫用于指導搜索或評估結果模式的興趣度。

各部分關系如圖１所示。

１．３數據挖掘的過程

數據挖掘的過程可分為３個部分：數據預處理、數據挖掘、結果的解釋和評估。

１．３．１數據預處理數據預處理是數據挖掘過程中一個很重要的步驟，尤其對含有噪聲、不完整甚至不一致的數據進行數據挖掘，以提高數據挖掘對象的質量，以達到提高數據挖掘所獲模式知識質量的目的。

１．３．２數據挖掘首先確定挖掘的任務以及目的，如數據分類、聚類等；其次決定挖掘算法；最后實施挖掘操作，獲取有用的模式。

１．３．３結果的解釋和評估經過數據挖掘階段的評估，其中可能存在冗余或無關的模式在此時可被剔除。此階段模式若不滿足用戶要求，則需要退回到發現過程的前面階段，如重新選取數據，采用新的數據變換方法，設定新的參數值或更換一種挖掘算法。

２數據挖掘技術在現代農業上的應用

２．１在農業系統工程上的應用

農業專家系統又稱作農業智能系統，是將人工智能的知識工程原理應用于農業領域的一項高新技術。農業專家系統通過總結和收集農業領域知識與技術、各種試驗數據與數學模型，模仿人類的解題策略，對問題進行分析推理，從而得出結論。Ｗａｎｇ等人［１］在研究玉米精準農業智能決策支持系統中指出，智能系統在解決精準施肥、預測產量等問題上可為決策者提供可靠決策信息。

２．２在農作物栽培管理上的應用

數據挖掘技術在農作物栽培管理上的應用以農業生產決策系統為主。通過提供相關自然環境和社會環境數據、協助明確問題、模型計算和列舉可能方案等多種方式，為農業生產的管理者做出正確決策提供依據。夏志軍等［２］利用數據挖掘技術對溫室中的作物進行生長預測時發現，數據挖掘技術較其他方法得到的預測值更加準確。

２．３在作物育種上的應用

種質資源是培育新品種的前提。我國現存的可用于各種作物與各種特性數據的評價和分析的農作物種質資源包括１８０種作物，３７萬份品種、種質和基因信息，其中包括７００多個數據庫和１２５萬條信息。

數據庫中的品種資源蘊藏著豐富的遺傳多樣性。對于數據庫的研究工作，不能僅停留在統計檢索上，還需在資源數據中獲得更多的信息，來幫助人們選育具備豐產、優質、抗性強的新品種。隨著種質資源研究工作的深入，數據挖掘技術在種質資源的分類、抗性評價、基因發現及生物多樣性研究等方面［３］均得到深入發展。

２．４在農業氣象上的應用

氣象災害預測對農業生產具有重要意義。在農業氣象服務決策系統中，如何向用戶提供及時、準確與針對性強的氣象服務信息，為防災減災提供更可靠的科學依據，是農業氣象服務工作的一個重要內容。通過對氣象數據（如溫度、濕度、降雨量、風力以及日照等）進行處理，當數據超出一定的范圍或發生異常變化時，可能就預示著會發生災害天氣，可為防災、減災提供更可靠的科學依據。邱潔等［４］認為，關聯規則的數據挖掘在研究災害天氣預測中具有重要實用價值。

２．５在防治病蟲害上的應用

利用數據挖掘技術可進行病蟲害動態監測、發生趨勢預測及其風險評估等。作物病蟲害的發生一般受栽培條件、作物抗性以及環境因素影響。為此，需要對現存病蟲害發生及相關數據進行分析，這樣才能在病蟲害防治上做出正確決策。張家愛［５］開發出了基于數據挖掘技術的病蟲害專家防治決策支持系統，用于預測某段時間發生蟲害的可能性以及發生其他種類蟲害的可能性，從而為病蟲害防治提供決策支持，并得到了實際的應用，取得了一定的經濟效益。

２．６在農產品銷售上的應用

將農業市場價格數據庫和中國農產品進出口貿易數據倉庫等數據庫作為數據挖掘的數據源，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?？墒褂藐P聯分析，發現相關規則；使用統計技術，可以發現農產品價格走勢；使用分類、預測，可對將來的價格進行預測；使用聚類分析，可以對產品客觀地分類；使用孤立點分析技術，可找出罕見的事件；通過演變分析，可以了解一些產品價格變化的規律和趨勢等。李志亮等［６］將數據挖掘技術應用到蔬菜批發市場中，建立數據挖掘模型，獲得蔬菜價格和銷量等之間的關系，對指導市場具有重要意義。

３結語

數據挖掘在農業上的應用是一個潛力巨大的科研領域，是農業科學和計算機技術發展相結合的產物。目前，數據挖掘在農業上的應用還處于初級階段，隨著計算機技術的發展，數據挖掘技術勢必在今后的農業產業化發展中發揮重要作用。

參考文獻：

［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．數據挖掘技術在溫室作物生長預測中的應用［Ｊ］． 江蘇大學學報（自然科學版），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，過仲陽，蘇君毅，等．關聯規則及其在災害天氣預測中的應用［Ｊ］．華東師范大學學報（自然科學版），２００５，１２（５）：１６５－１６９．

［５］ 張家愛．數據挖掘技術在農業決策支持系統中的應用［Ｊ］．吉林農業科技學院學報，２０１０，１９（１）：５６－５７．

［６］ 李志亮，羅芳．數據挖掘在蔬菜批發市場中的應用［Ｊ］．信息科學，２０１０（１）：６８．