基于数据挖掘技术的造林决策研究

论文摘要

扩大造林数量,提高造林质量,是我国林业生产的主要任务,特别是造林质量问题,已成为当前影响我国林业生产成效的主要问题。从技术的角度来看,提高造林质量需要按照适地适树的原则进行树种选择为基础。适地适树就是使造林树种的特性,主要是使生态学特性和造林地的立地条件相适应,以充分发挥生产潜力,达到该立地在当前技术经济条件下可能达到的高产水平。我国在长期的森林资源调查和统计中积累了大量数据,如何从大量的现有森林资源数据中发现造林地的地形、土壤、气候、植被等立地因子和适生树种之间的关系,指导造林决策工作的,已成为影响造林的质量的关键问题。数据挖掘技术作为现代计算机技术的一个重要发展方向,可以从大型数据集中,挖掘隐含在其中的、人们事先不知道的、对决策有用的知识过程。本文将数据挖掘技术应用到造林规划设计中,旨在提高造林决策的准确性和自动化水平,得到造林决策知识,为造林决策的研究提供新的理论、方法和技术。本文以森林资源二类调查和造林调查数据为基础数据,应用数据挖掘理论和方法,以SPSS Clementine Client软件为工具,对数据挖掘在造林决策中的应用进行了研究分析。本文主要完成了以下研究内容:1.结合数据挖掘技术和造林规划设计的具体流程,对造林决策数据挖掘的一般步骤进行了研究与分析;2.在分析了造林决策需求的基础上,研究了具体数据挖掘技术在造林决策中的应用方式;3.通过数据挖掘技术中决策树分类技术对房山区油松人工林的生长与相关立地因子之间的关系进行了分析,进行油松生长适宜性的预测,并对不同数据预处理方式产生的结果进行了比较;4.运用数据挖掘技术中的关联规则技术研究了造林施工作业技术措施之间的联系。本研究的主要创新点有以下4个方面:1.在造林规划设计中运用数据挖掘技术,结合造林规划设计的具体流程和数据挖掘的技术特点,将造林决策知识分为适地适树知识和造林作业设计知识;2.提出了造林决策数据挖掘的一般步骤;3.通过数据挖掘中的决策树分类技术,对一定立地条件下树木生长的适宜性进行了预测;4.采用关联规则数据挖掘技术对造林作业设计进行了研究,发现造林技术措施之间的联系。林业信息化已经进入知识阶段,通过知识进行决策,本研究是数据挖掘技术与造林决策研究的一次有益尝试,通过适地适树知识与造林作业设计知识的发现,为造林规划设计提供了决策支持。

论文目录

• 摘要
• Abstract
• 1 引言
• 1.1 立题依据及研究的目的、意义
• 1.1.1 立题依据
• 1.1.2 研究的目的和意义
• 1.2 研究背景
• 1.2.1 造林规则设计研究
• 1.2.2 知识发现与数据挖掘
• 1.2.3 林业信息化建设
• 1.3 林业数据挖掘技术框架
• 1.3.1 森林资源数据
• 1.3.2 森林资源信息
• 1.3.3 森林资源知识
• 1.3.4 森林资源决策
• 1.3.5 森林资源数据、信息、知识和决策的关系
• 1.3.6 森林资源知识获取的途径和方法
• 1.4 林业数据挖掘发现的知识类型
• 1.5 研究内容、方法和技术路线
• 1.5.1 研究内容
• 1.5.2 本文组织
• 1.5.3 研究方法
• 1.5.4 技术路线
• 2 研究区概况与基础数据
• 2.1 研究区概况
• 2.2 研究基础数据
• 3 研究理论与方法
• 3.1 适地适树原理与途径
• 3.2 数据挖掘原理与方法
• 3.2.1 数据挖掘定义
• 3.2.2 数据挖掘的基本方法
• 3.2.3 数据挖掘方法的选择
• 3.2.4 数据挖掘的过程模型
• 3.2.5 数据挖掘技术的应用过程
• 3.3 分类与预测
• 3.3.1 决策树基本算法
• 3.3.2 C4.5 算法
• 3.4 关联规则
• 3.4.1 关联规则基本模型
• 3.4.2 Apriori 算法
• 3.4.3 Apriori 算法的实现描述
• 3.4.4 Apriori 算法示例
• 3.5 聚类分析
• 3.5.1 聚类分析算法的概念
• 3.5.2 聚类分析方法的分类
• 3.5.3 聚类分析中的数据类型
• 3.5.4 聚类分析在数据挖掘中的应用
• 4 造林决策数据挖掘的一般步骤
• 5 基于决策树技术的适地适树预测
• 5.1 方法概述
• 5.2 数据收集与预处理
• 5.2.1 数据收集
• 5.2.2 数据预处理
• 5.3 结果与分析
• 5.3.1 结果与分析一
• 5.3.2 结果与分析二
• 5.3.3 结果与分析三
• 5.3.4 三种结果比较与总结
• 5.4 小结
• 6 基于关联规则技术的造林作业设计研究
• 6.1 方法概述
• 6.2 数据收集与预处理
• 6.2.1 数据收集
• 6.2.2 数据预处理
• 6.3 结果与分析
• 6.3.1 结果与分析一
• 6.3.2 结果与分析二
• 6.4 小结
• 7 结论与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 个人简介
• 导师简介
• 致谢