數(shù)據(jù)挖掘在廣播設備運行和維護中的應用

侯利勤

摘要：隨著信息化在現(xiàn)代化廣播發(fā)射電臺科學發(fā)展中的地位和作用越發(fā)重要，信息化已經(jīng)是廣播發(fā)射電臺推進管理創(chuàng)新的迫切需要，是廣播發(fā)射電臺全面可持續(xù)發(fā)展的不竭動力。數(shù)據(jù)挖掘技術(shù)對信息化的現(xiàn)代化廣播發(fā)射電臺的管理、運行和維護工作有十分的現(xiàn)實意義。

關(guān)鍵詞：數(shù)據(jù)挖掘 運行 維護

中圖分類號：TN913.33 文獻標識碼：A 文章編號：1007-9416（2014）10-0043-01

隨著各類信息化系統(tǒng)在廣播發(fā)射電臺的大量普及和應用，積累和產(chǎn)生了大量的信息數(shù)據(jù)，這些信息數(shù)據(jù)包含著很多對我們有用的數(shù)據(jù)。深入的分析和利用這些數(shù)據(jù)對我們了解和掌握發(fā)射機的參數(shù)有著很大作用。數(shù)據(jù)挖掘概念的引入無疑對廣播發(fā)射電臺的科學維護、規(guī)范運行具有重要的意義。

1 數(shù)據(jù)挖掘的定義

所謂的數(shù)據(jù)挖掘就是從大量隨機的，繁雜的，有噪聲的數(shù)據(jù)中提取隱含在其中我們事先不知道，但是對我們有作用的信息和數(shù)據(jù)的過程。近年來，各行業(yè)信息量的激增，引發(fā)了諸多學者對數(shù)據(jù)挖掘方法的探索。

我們所說的數(shù)據(jù)融合、數(shù)據(jù)分析以及決策支持都屬于數(shù)據(jù)挖掘。數(shù)據(jù)挖掘要求數(shù)據(jù)源必須是大量真實包含噪聲的；通過挖掘產(chǎn)生的對于我們可以接受的有用數(shù)據(jù)必須是我們需要的，他不需要是定理式的通用數(shù)據(jù)，關(guān)鍵是為我們的決策產(chǎn)生作用。原始數(shù)據(jù)的呈現(xiàn)可以是結(jié)構(gòu)化像關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)；或者是半結(jié)構(gòu)化的文本、圖形和圖像數(shù)據(jù)；甚至還有分布在網(wǎng)絡上的異構(gòu)型數(shù)據(jù)等多種存在的形式。發(fā)掘數(shù)據(jù)的方式也是多樣的?？梢允茄堇[的，也可以是歸納的。發(fā)現(xiàn)的數(shù)據(jù)我們可以用來優(yōu)化我們的查詢數(shù)據(jù)，也可以支撐我們的決策或者是對數(shù)據(jù)自身的維護。因此，數(shù)據(jù)挖掘是一門交叉學科，他為我們對數(shù)據(jù)低層次的查詢應用，提升到挖掘內(nèi)容，為我們的決定提供支撐。這里所說的知識發(fā)現(xiàn)，不是傳統(tǒng)意義上的科學定理和科學的公式，實際上，所有發(fā)現(xiàn)的知識都是相對的，是有特定前提和約束條件，面向特定領域的，同時還要能夠易于被用戶理解。最好能用自然語言表達所發(fā)現(xiàn)的結(jié)果，這無疑對我們提高設備運維的科學化、針對性和實用性有著非凡的意義。

數(shù)據(jù)挖掘技術(shù)的意義是可以幫助我們從繁雜冗余的數(shù)據(jù)庫里，快速的找的可以為我們所用的隱含的的有價值的信息。數(shù)據(jù)倉庫和數(shù)據(jù)挖掘都是決策支持新技術(shù)，但他們有著完全不同的輔助決策方式。數(shù)據(jù)倉庫中存儲著大量的輔助決策的數(shù)據(jù)，為不同的用戶隨時提供各種輔助決策的隨機查詢、綜合信息或趨勢分析信息。數(shù)據(jù)挖掘是利用一系列算法挖掘數(shù)據(jù)中隱含的信息和知識，讓用戶在決策中使用。

因此，可以簡單地說，數(shù)據(jù)挖掘主要目的是從大量的信息數(shù)據(jù)里面挖掘的我們可以用的信息。

2 數(shù)據(jù)挖掘系統(tǒng)的主要組成

采用數(shù)據(jù)挖掘的廣義觀點：數(shù)據(jù)挖掘是從存放在數(shù)據(jù)庫、數(shù)據(jù)倉庫或其它信息庫中的大量數(shù)據(jù)挖掘有趣知識的過程?；谶@種觀點，典型的數(shù)據(jù)挖掘系統(tǒng)具有以下主要成分：

知識庫：這是領域知識，用于指導搜索，或評估結(jié)果模式的興趣度。這種知識可能包括概念分層，用于將屬性或?qū)傩灾到M織成不同的抽象層。用戶確信方面的知識也可以包含在內(nèi)?？梢允褂眠@種知識，根據(jù)非期望性評估模式的興趣度。領域知識的其它例子有興趣度限制或閾值和元數(shù)據(jù)。

數(shù)據(jù)挖掘引擎：這是構(gòu)建數(shù)據(jù)挖掘系統(tǒng)的基礎組成部分，有計算的功能模塊組成，可以為我們提供像事物關(guān)聯(lián)，分類，演變和偏差之類的分析過程。

模式評估模塊：通常，該部分使用興趣度度量，并與挖掘模塊交互，以便將搜索聚焦在有趣的模式上。它可能使用興趣度閾值過濾發(fā)現(xiàn)的模式。模式評估模塊也可以與挖掘模塊集成在一起，這依賴于所用的數(shù)據(jù)挖掘方法的實現(xiàn)。對于有效的數(shù)據(jù)挖掘，建議盡可能地將模式評估推進到挖掘過程之中，以便將搜索限制在有興趣的模式上。

圖形用戶界面：該模塊在用戶和挖掘系統(tǒng)之間通訊，允許用戶與系統(tǒng)交互，指定數(shù)據(jù)挖掘查詢或任務，提供信息、幫助搜索聚焦，根據(jù)數(shù)據(jù)挖掘的中間結(jié)果進行探索式數(shù)據(jù)挖掘。此外，該成分還允許用戶瀏覽數(shù)據(jù)庫和數(shù)據(jù)倉庫模式或數(shù)據(jù)結(jié)構(gòu)，評估挖掘的模式，以不同的形式對模式可視化。數(shù)據(jù)挖掘涉及多學科技術(shù)的集成，包括數(shù)據(jù)庫技術(shù)、統(tǒng)計、機器學習、高性能計算、模式識別、神經(jīng)網(wǎng)絡、數(shù)據(jù)可視化、信息提取、圖象與信號處理和空間數(shù)據(jù)分析。通過數(shù)據(jù)挖掘，可以從數(shù)據(jù)庫提取有趣的知識、規(guī)律、或高層信息，并可以從不同角度觀察或瀏覽。發(fā)現(xiàn)的知識可以用于決策、過程控制、信息管理、查詢處理等等。因此，數(shù)據(jù)挖掘被信息產(chǎn)業(yè)界認為是數(shù)據(jù)庫系統(tǒng)最重要的前沿之一，是信息產(chǎn)業(yè)最有前途的交叉學科。

3 數(shù)據(jù)挖掘的主要任務

數(shù)據(jù)挖掘的任務主要對數(shù)據(jù)進行關(guān)聯(lián)分析以及聚類，預測，偏差等一些分析以此來得出對自己有幫助的數(shù)據(jù)。

3.1 關(guān)聯(lián)分析

關(guān)聯(lián)規(guī)則：兩個或兩個以上變量的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)。數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫中存在的一類重要的、可被發(fā)現(xiàn)的知識。關(guān)聯(lián)一般分為簡單關(guān)聯(lián)、時序關(guān)聯(lián)和因果關(guān)聯(lián)三種。對關(guān)聯(lián)分析為的是找到事物內(nèi)部存在的關(guān)系。常用支持度和可信度兩個閥值來衡量關(guān)聯(lián)規(guī)則的相關(guān)性，并且同時輔助以興趣度、相關(guān)性等參數(shù)，從而使得所挖掘的規(guī)則更符合我們需求。

3.2 聚類分析

聚類是把數(shù)據(jù)按照相似性歸納成若干類別，同一類中的數(shù)據(jù)彼此相似，不同類中的數(shù)據(jù)相異。聚類分析可以建立宏觀的概念，發(fā)現(xiàn)數(shù)據(jù)的分布模式，以及可能的數(shù)據(jù)屬性之間的相互關(guān)系。

3.3 分類

分類就是找出一個類別的概念描述，它代表了這類數(shù)據(jù)的整體信息，即該類的內(nèi)涵描述，并用這種描述來構(gòu)造模型，一般用規(guī)則或決策樹模式表示。分類是利用訓練數(shù)據(jù)集通過一定的算法而求得分類規(guī)則。分類可被用于規(guī)則描述和預測。

3.4 預測

預測是通過以往存在的歷史數(shù)據(jù)對事件的方向進行預估，通常會先建立模型，并有模型來對未來數(shù)據(jù)特征進行預測，預測的結(jié)果追求精度和不確定性，統(tǒng)計結(jié)果采用方差來度量。

3.5 時序模式

時序模式是指通過時間序列搜索出的重復發(fā)生概率較高的模式。與回歸一樣，它也是用己知的數(shù)據(jù)預測未來的值，但這些數(shù)據(jù)的區(qū)別是變量所處時間的不同。

3.6 偏差分析

偏差的數(shù)據(jù)中也包含著很多對我們有用的信息。發(fā)現(xiàn)這些異常對我們判斷事件非常有價值。分析這些偏差最簡練的方法就是尋找數(shù)據(jù)和設定的參照之間所存在的差別。

4 實踐嘗試

在我們的實際設備運行維護中，根據(jù)設備器件的壽命、故障次數(shù)和時間、每天的動作次數(shù)、經(jīng)驗的更換周期（磨損情況）等情況計算決策出更換該器件的具體時間或時間段。該功能可以很好的解決器件損壞的不確定性、未知性，在損壞之前更換淘汰該器件，為器件的更新提供科學的決策服務，減少更換的隨意性和盲目性，提高決策的科學性，用科學的手段和方法來確保不間斷播出；同時根據(jù)器件的故障率、更換頻次、器件的使用率、備用個數(shù)、實際每年消耗數(shù)等情況，科學的、智能的生成每年的備件采購計劃，可以收獲很好的經(jīng)濟效益。

備件的科學制定，對發(fā)射臺的資金優(yōu)化使用有很大的幫助，完全靠人工、經(jīng)驗的定備件，容易造成：有的備件幾乎不損壞，而庫房又有大量的儲備，造成資源、資金的浪費；有的備件損壞率高，有時可能被使用殆盡，要臨時訂購，不利于安全播音等情況的發(fā)生，所以以科學的需求為基礎，科學的制定備件采購計劃是必要的，對維護工作、電臺的運行有很大的好處。

現(xiàn)行的檢修工作，多數(shù)靠的是經(jīng)驗的總結(jié)，缺少更多的科學根據(jù)和數(shù)據(jù)支持，發(fā)射機的維護工作是變化的，不是一成不變的，不同的季度，不同的時間段，不同的發(fā)射機，有不同的情況和特點，都應有不同的檢修策略，通過對現(xiàn)有數(shù)據(jù)采用合適的算法，統(tǒng)籌結(jié)合多種因素，可以形成動態(tài)變化的檢修項目和時間，更具科學性、規(guī)范性、針對性。提供科學的檢修周期安排，根據(jù)積累的故障點、一年里不同時間故障部位的不同、同一類型故障出現(xiàn)的頻率、經(jīng)驗的檢修周期、器件的損壞更換周期等情況科學的分析出檢修的周期，什么器件在什么時間需要檢修、檢查，提出科學的決策建議，維護人員根據(jù)決策建議可以更合理的安排檢修工作。實現(xiàn)檢修記錄的無紙化，把檢修發(fā)現(xiàn)的問題，都詳細的記錄，這些檢修信息不僅可以用來優(yōu)化檢修周期，也優(yōu)化備件的智能提醒更換功能、故障的預警預報功能，使這些功能更加精準。

5 結(jié)語

數(shù)據(jù)挖掘涉是及多學科技術(shù)的集成，包括數(shù)據(jù)庫技術(shù)、統(tǒng)計、機器學習、高性能計算、模式識別、神經(jīng)網(wǎng)絡、數(shù)據(jù)可視化、信息提取、圖象與信號處理和空間數(shù)據(jù)分析。通過數(shù)據(jù)挖掘，可以從發(fā)射臺站日常運行產(chǎn)生的大量數(shù)據(jù)中提取對我們需要的科學維護和運行管理的有用的知識或是規(guī)律等信息，并能幫助我們在不同角度觀察和挖掘，用發(fā)現(xiàn)的知識來協(xié)助我們來進行信息管理，運行控制，故障判斷查詢處理等。鑒于此，做好數(shù)據(jù)挖掘?qū)π畔⒒尘跋碌默F(xiàn)代化廣播發(fā)射電臺的管理、運行和維護工作有十分的現(xiàn)實意義。