基于数据仓库的气象干旱指标挖掘研究与实现

基于数据仓库的气象干旱指标挖掘研究与实现

论文摘要

河南作为一个农业大省,干旱对经济,特别是农业生产的影响很大。干旱程度是对农作物生长形势研判的一个重要指标。在河南农业气象研究中,主要利用土壤相对湿度干旱指标来判定干旱程度。它是在测量土壤湿度后,计算相对湿度所得。目前,河南省气象部门测量土壤湿度是采用人工取土烘干称重的方法,工作量大,频次少,不利于对农作物生长形势的判定及农气研究。多年来,河南省气象部门积累了大量的气象观测数据。如何综合利用这些信息,进行土壤相对湿度判定,为河南农业发展服务,是气象服务工作中的一个急需解决的问题。本文对此进行了比较详细的研究与实践,主要研究内容和创新点如下:1.分析了国内外数据仓库、数据挖掘技术现状和河南气象档案业务发展情况,根据河南实际情况和本文干旱指标挖掘研究需要,设计并初步建设了河南气象数据仓库。2.研究土壤相对湿度干旱指标的估测方法,首次利用BP神经网络和RBF神经网络分别对该指标进行了挖掘,形成了土壤相对湿度干旱指标挖掘模型,并利用模型对河南干旱情况进行了评估。

论文目录

  • 表目录
  • 图目录
  • 摘要
  • ABSTRACT
  • 第一章 引言
  • 1.1 数据挖掘介绍
  • 1.2 项目背景情况
  • 1.3 本人主要工作
  • 1.4 论文的组织结构
  • 第二章 数据仓库及数据挖掘技术
  • 2.1 数据仓库概述
  • 2.2 数据仓库体系结构
  • 2.3 数据仓库的设计
  • 2.4 数据仓库的实现
  • 2.5 数据准备
  • 2.6 联机分析处理
  • 2.7 数据挖掘技术
  • 2.8 小结
  • 第三章 河南气象数据仓库的设计
  • 3.1 气象业务系统及数据库应用简介
  • 3.1.1 气象预报过程
  • 3.1.2 气象数据库系统现状
  • 3.1.3 河南气象观测数据保存现状及数据仓库建设需求
  • 3.2 数据仓库设计基本过程
  • 3.3 河南气象数据仓库设计
  • 3.3.1 概念模型设计
  • 3.3.2 逻辑模型设计
  • 3.3.3 物理模型设计
  • 3.4 河南气象数据仓库的初步实现
  • 3.4.1 数据初步采集
  • 3.4.2 数据部分的实现
  • 3.4.3 多维数据集建设及数据展现
  • 3.5 河南气象数据仓库更新策略简述
  • 3.6 小结
  • 第四章 基于数据仓库的干旱指标挖掘
  • 4.1 人工神经网络简介
  • 4.2 BP 神经网络
  • 4.2.1 BP 神经网络模型
  • 4.2.2 BP 算法中心思想
  • 4.2.3 BP 神经网络输入输出公式
  • 4.2.4 神经网络学习
  • 4.3 RBF(径向基函数)神经网络
  • 4.3.1 RBF 神经网络
  • 4.3.2 RBF 神经网络工作原理
  • 4.3.3 RBF 神经网络设计
  • 4.4 神经网络专家系统
  • 4.5 干旱概述及相关定义
  • 4.5.1 干旱研究的重要性
  • 4.5.2 土壤相对湿度干旱指数( R )
  • 4.5.3 土壤相对湿度干旱指数计算方法
  • 4.6 构建神经网络干旱评价模型
  • 4.6.1 影响土壤湿度的因子确定
  • 4.6.2 BP 网络结构的确定
  • 4.6.3 RBF 网络的构建
  • 4.7 应用神经网络的土壤干旱评价
  • 4.7.1 训练数据的选择与归一化处理
  • 4.7.2 BP 神经网络模型训练及结果
  • 4.7.3 RBF 网络模型训练及结果
  • 4.8 结果分析
  • 4.8.1 精度分析
  • 4.8.2 方法效果比较
  • 4.8.3 两种神经网络方法比较分析
  • 4.8.4 干旱趋势分析
  • 4.9 结论
  • 结束语
  • 致谢
  • 参考文献
  • 作者在学期间取得的学术成果
  • 相关论文文献

    • [1].数据仓库技术在高速公路数据仓库系统中的应用[J]. 吉林交通科技 2011(01)
    • [2].基于微软数据仓库的农业科技支撑数据应用分析与展望[J]. 农业展望 2019(12)
    • [3].计算机数据仓库的构建原理及发展趋势[J]. 延边教育学院学报 2018(06)
    • [4].七大云计算数据仓库[J]. 计算机与网络 2019(20)
    • [5].基于网络数据仓库及OLAP技术的决策支持系统设计[J]. 网络安全技术与应用 2015(11)
    • [6].大数据环境下动态数据仓库的应用研究[J]. 电子技术与软件工程 2015(02)
    • [7].维数据仓库及其在复杂数据建模中的应用研究[J]. 通讯世界 2015(03)
    • [8].使用数据清洗技术进行中医药数据仓库质量控制研究[J]. 中国数字医学 2012(04)
    • [9].数据仓库构建之行为模式分析[J]. 信息系统学报 2013(01)
    • [10].采用云计算技术构建大型数据仓库平台的解析[J]. 计算机光盘软件与应用 2013(22)
    • [11].再谈数据仓库[J]. 软件和信息服务 2013(02)
    • [12].数据仓库突破者[J]. 软件和信息服务 2010(04)
    • [13].基于SQL Server 2005构建数据仓库的探索[J]. 新课程(教育学术) 2012(01)
    • [14].重塑传统,打造第四代数据仓库[J]. 软件和集成电路 2019(01)
    • [15].基于数据仓库的数据血缘管理研究[J]. 轻工科技 2019(04)
    • [16].数据仓库在区域健康管理大数据平台构建中的应用[J]. 中国卫生信息管理杂志 2019(03)
    • [17].水质监测实验室信息管理系统中数据仓库的运用[J]. 信息系统工程 2019(07)
    • [18].测量数据仓库的概念研究[J]. 遥测遥控 2018(01)
    • [19].生态应急决策支持数据仓库战略设计与实施研究[J]. 镇江高专学报 2018(01)
    • [20].云环境下的分层数据仓库架构及其服务研究[J]. 现代信息科技 2018(01)
    • [21].医院信息化建设中数据仓库技术的应用[J]. 信息与电脑(理论版) 2018(22)
    • [22].基于大数据平台构建数据仓库的研究与实践[J]. 中国金融电脑 2017(05)
    • [23].面向大型装备状态分析的分布式实时数据仓库构建技术[J]. 计算机集成制造系统 2017(10)
    • [24].基于数据仓库和数据采集的高校教学管理决策支持系统研究[J]. 佳木斯职业学院学报 2015(12)
    • [25].农信数据仓库的建设路径[J]. 中国农村金融 2015(02)
    • [26].数据仓库与数据技术的研究与应用[J]. 信息与电脑(理论版) 2014(24)
    • [27].数据仓库可以帮助医疗保健机构达到有效使用[J]. 中国数字医学 2011(07)
    • [28].关于数据库技术与数据仓库的思考[J]. 数字技术与应用 2015(09)
    • [29].浅析地质数据仓库的特点及数据组织[J]. 科学中国人 2016(17)
    • [30].浅析数据仓库与数据挖掘的应用[J]. 内江科技 2014(01)

    标签:;  ;  ;  ;  

    基于数据仓库的气象干旱指标挖掘研究与实现
    下载Doc文档

    猜你喜欢