基于改進啟發(fā)式搜索算法的區(qū)域水資源時空變化特征挖掘方法

胡 鑫，劉招雄

(云南省水文水資源局曲靖分局，云南 曲靖 655000)

0 引 言

區(qū)域水資源合理利用是水利工作的關(guān)鍵，一方面收集水利信息，能夠為防洪抗旱做準(zhǔn)備；另一方面，水利自身的建立也離不開相關(guān)信息的支持[1-3]。近些年，水利信息化建設(shè)逐漸完善，基本完成了基礎(chǔ)空間數(shù)據(jù)庫的建設(shè)，其他區(qū)域水資源信息庫的建設(shè)也在不斷完善，水資源時空變化特征數(shù)據(jù)是水利信息化建設(shè)的重要組成部分[4-6]。隨著水資源數(shù)據(jù)量的日益增加，水資源時空變化特征也越來越復(fù)雜，其特征數(shù)據(jù)背后可能隱藏著更重要的信息[7]。因此，在對水資源時空變化特征研究上，需要進行更高層次、多樣化的處理和分析，以便更好地利用這些數(shù)據(jù)[8]。

目前，比較成熟的數(shù)據(jù)分析方法就是數(shù)據(jù)挖掘技術(shù)，通過數(shù)據(jù)挖掘技術(shù)即可從海量的水資源區(qū)域時空變化特征數(shù)據(jù)中獲得有價值的信息；但是，單一的挖掘方法缺少目的性，利用其他方法實現(xiàn)更高水平的特征挖掘是現(xiàn)階段國內(nèi)外專家、學(xué)者研究的重點[9-11]。在特征挖掘的研究上，比較常規(guī)的挖掘方法有文獻[12]提出的基于位置差的特征挖掘方法。該方法在挖掘特征信息前，對時空變化信息進行解析處理，獲得位置信息，以不同位置之間的差作為依據(jù)，挖掘出特征信息。在實際工作中，這種方法在遠距離特征數(shù)據(jù)挖掘上，數(shù)據(jù)聚類效果不理想，數(shù)據(jù)損失較嚴(yán)重，抗干擾性能比較差。文獻[13]提到的基于GIS的挖掘方法存在類似的問題，GIS技術(shù)的使用也是需要利用位置信息來挖掘特征數(shù)據(jù)，在使用上并沒有解決遠距離處理抗干擾性能差的問題。

因此，本研究提出基于改進啟發(fā)式搜索算法的區(qū)域水資源時空變化特征挖掘方法，以解決上述常規(guī)的特征挖掘方法存在的問題。

1 挖掘算法設(shè)計

1.1 搜索時空變化特征

區(qū)域水資源時空變化特征包含圖像特征和數(shù)據(jù)特征。這些特征信息隨著時間的變化不斷增加，往往在短時間內(nèi)就能累計大量特征信息，其中包含很多冗余信息、干擾信息等無用信息，嚴(yán)重影響特征挖掘的實際效果[14]。因此，采用改進啟發(fā)式搜索算法，搜索有價值的時空變化特征數(shù)據(jù)，建立數(shù)據(jù)倉庫，在數(shù)據(jù)倉庫內(nèi)實現(xiàn)進一步的特征挖掘。

改進啟發(fā)式算法開始時，讀取特征信息，經(jīng)過標(biāo)準(zhǔn)化處理后，設(shè)置閾值個數(shù)為D，初始化特征信息集合，在解空間內(nèi)隨機產(chǎn)生N個位置的初代聚點，遍歷每一個特征數(shù)據(jù)，利用公式計算出各個初代聚點的適應(yīng)度值以及特征變化的強度和幅度[15]。即

fi(TN)=α0α1(β0-β1)2+α0α2(β0-β2)2+…

+αD-1αD(βD-1-βD)

(1)

式中，fi(TN)為第i個目標(biāo)的適應(yīng)度函數(shù)值；α和β分別為特征分布總體概率和平均概率。特征變化強度和幅度計算公式為

(2)

(3)

式中，Ai為特征變化強度；Si為特征變化幅度；Ymin和Ymax分別為適應(yīng)度函數(shù)值的最小值和最大值；ε為校正值。在計算完成后，按照強度和幅度大小順序排序，選擇前20%的個體進行高斯變異處理并替換，在替換完成后，對超出解空間的次代個體做映射處理，具體處理過程如下

(4)

1.2 建立區(qū)域水資源特征數(shù)據(jù)倉庫

區(qū)域水資源時空變化特征涉及到的數(shù)據(jù)類型非常廣泛。經(jīng)過改進啟發(fā)式搜索后，根據(jù)不同的使用目的建立主體數(shù)據(jù)倉庫，便于為特征挖掘工作提供方便有效的服務(wù)。

數(shù)據(jù)倉庫不僅具有存儲作用，還能夠?qū)?shù)據(jù)進行重新整理，根據(jù)使用要求形成當(dāng)前的基本數(shù)據(jù)層，在特征隨著時間不斷變化過程中，數(shù)據(jù)倉庫內(nèi)的時間控制機制將基本數(shù)據(jù)層轉(zhuǎn)為歷史數(shù)據(jù)。

數(shù)據(jù)倉庫包含源數(shù)據(jù)、數(shù)據(jù)倉庫、倉庫管理和分析工具4個部分。倉庫管理負(fù)責(zé)將通過抽取、轉(zhuǎn)換等手段處理數(shù)據(jù)源存入到數(shù)據(jù)倉庫中，分析工具用于分析數(shù)據(jù)、查詢處理數(shù)據(jù)。數(shù)據(jù)倉庫的內(nèi)部結(jié)構(gòu)如圖1所示。

圖1 數(shù)據(jù)倉庫內(nèi)部結(jié)構(gòu)示意

在圖1中顯示的數(shù)據(jù)倉庫結(jié)構(gòu)的基礎(chǔ)上，為其設(shè)計邏輯模型，采用關(guān)系模型作為主要模型，用于建立數(shù)據(jù)間關(guān)系。在數(shù)據(jù)倉庫建立完成后，從數(shù)據(jù)倉庫中挖掘水資源時空變化特征。

1.3 挖掘目標(biāo)特征

(5)

(6)

式中，r為最小化類內(nèi)散度；N為最大化類間散度；j為投影后類內(nèi)方差系數(shù)；M為映射點集v的維度；center為中值。特征數(shù)據(jù)倉庫類間散度

(7)

(8)

(9)

Q=[q1，q2，…，qn]=b2/ωib1

(10)

式中，ωi為與b2/b1對應(yīng)的第i個特征值。特征挖掘求解公式為

ru=r*Q

(11)

式中，ru為特征挖掘結(jié)果；r*為頻繁特征。式(11)求解出的結(jié)果是一組數(shù)據(jù)集，同時也是特征挖掘結(jié)果。至此，改進啟發(fā)式搜索算法的區(qū)域水資源時空變化特征挖掘方法設(shè)計完成。

2 實驗研究

2.1 數(shù)據(jù)準(zhǔn)備

在區(qū)域水資源時空變化特征挖掘方法實驗中，以某區(qū)域的水資源狀況作為依據(jù)，分析改進啟發(fā)式搜索算法的區(qū)域水資源時空變化特征挖掘方法的抗干擾能力?？紤]到提出的挖掘方法在理論上和實際應(yīng)用上還沒有統(tǒng)一的論證，實驗采用對比研究的形式，以基于位置差的挖掘方法和基于GIS的挖掘方法作為參考，采用統(tǒng)一的實驗數(shù)據(jù)，分析各個時空變化特征挖掘方法的性能。實驗中準(zhǔn)備的區(qū)域水資源狀況數(shù)據(jù)如圖2所示。

圖2 某區(qū)域水資源狀況示意(萬m3)

上述準(zhǔn)備的實驗數(shù)據(jù)空間分辨率為30 m，其中包含大量氣象數(shù)據(jù)。這些氣象數(shù)據(jù)來自站點，在實驗前，需要對觀測到的數(shù)據(jù)進行插值，才能獲得這個區(qū)域的完整信息。根據(jù)該區(qū)域的地理特征和自然特征，對站點的多項數(shù)據(jù)進行空間插值處理，確定一個模擬點，在模擬點附近找到多個參照點，以參照點與模擬點的距離作為判斷標(biāo)準(zhǔn)確定權(quán)重，為每一個參照點分配合適的權(quán)重，默認(rèn)最近的點與模擬點相關(guān)性最大。點與點之間的柵格值計算公式為

(12)

式中，n為參照點個數(shù)，同時也是實測站點的個數(shù)；S為待估計的要素柵格值；S(xi)為某個時間段第i個站點的觀測值；di為待估點到第i個實測站點的直線距離；w為與距離相關(guān)的權(quán)重系數(shù)。選擇合適參考點個數(shù)進行空間插值處理。

在完成上述處理后，采用逐步自回歸模型模擬水位數(shù)據(jù)，設(shè)計兩組對比實驗，均以特征數(shù)據(jù)作為目標(biāo)，一組為特征數(shù)據(jù)聚類分布實驗，一組為特征數(shù)據(jù)聚類正確率實驗，通過上述兩組實驗結(jié)果，分析區(qū)域水資源時空變化特征挖掘方法的抗干擾性。

2.2 特征數(shù)據(jù)聚類分布實驗結(jié)果及分析

在特征數(shù)據(jù)聚類分布實驗中，將海量干擾數(shù)據(jù)作為區(qū)域水資源時空變化特征挖掘的干擾因素，將原始特征數(shù)據(jù)按照不同的特征挖掘方法進行聚類操作，設(shè)置初始聚類中心為1，得到特征數(shù)據(jù)聚類分布圖。各個特征挖掘方法實驗結(jié)果如圖3所示。

對比觀察圖3顯示的實驗結(jié)果可知，3組實驗結(jié)果的特征數(shù)據(jù)以左下角坐標(biāo)為聚類中心，逐漸向外擴散。其中，基于位置差的特征挖掘方法和基于GIS的特征挖掘方法實驗結(jié)果顯示的數(shù)據(jù)聚類過于分散，數(shù)據(jù)向上、右上和右方向不斷擴散，聚類效果并不理想，說明很難抵抗數(shù)據(jù)干擾；而提出的特征挖掘方法實驗結(jié)果中，特征數(shù)據(jù)分布比較密集，聚類效果更加接近理想效果，說明該方法有效抵抗了數(shù)據(jù)干擾。綜上所述，提出的區(qū)域水資源時空變化特征挖掘方法能夠抵抗干擾，獲得聚類效果更好的特征數(shù)據(jù)。

圖3 不同特征挖掘方法數(shù)據(jù)聚類分布實驗結(jié)果

2.3 特征數(shù)據(jù)聚類正確率實驗結(jié)果及分析

在工作過程中，數(shù)量的大小會影響數(shù)據(jù)聚類效果。為了進一步驗證特征數(shù)據(jù)聚類效果，在同樣的實驗環(huán)境中，布設(shè)間隔不同的參考點，獲得不同大小的數(shù)據(jù)集，布設(shè)方案見圖4。

圖4 間隔不同的參考點布設(shè)方案示意

使用不同的特征挖掘方法處理數(shù)據(jù)集，計算出特征數(shù)據(jù)聚類的正確率。實驗結(jié)果如表1所示。

表1 干擾情況下3種不同特征挖掘方法的聚類正確率

通過對表1的觀察可知，數(shù)據(jù)量大小的變化與聚類正確率相關(guān)，隨著數(shù)據(jù)量的增加，聚類效果越好；反之，數(shù)據(jù)量過多，參考點分布較緊密，容易使聚類效果變差，進而降低聚類正確率。由此可見，在存在干擾的情況下，提出的特征挖掘方法數(shù)據(jù)聚類效果更好，并且聚類正確率更高。從抗干擾性能上分析可知，提出的改進啟發(fā)式搜索算法的區(qū)域水資源時空變化特征挖掘方法抗干擾能力更強，優(yōu)于常規(guī)的特征挖掘方法。

3 結(jié) 語

本文以區(qū)域水資源時空變化特征作為研究重點，將改進啟發(fā)式搜索算法用于特征挖掘，設(shè)計特征挖掘方法，根據(jù)啟發(fā)式算法的一般要求，與區(qū)域水資源特點，對于水資源時空變化特征數(shù)據(jù)準(zhǔn)備、挖掘等關(guān)鍵問題做出相關(guān)技術(shù)處理和論述，為特征挖掘提供更為細致的信息，使其具有更好的抗干擾性能，適合應(yīng)用于水資源規(guī)劃中。

盡管本文研究的挖掘方法取得了不錯的成果，但是理論方法和實際應(yīng)用上還存在一些差距，數(shù)據(jù)自身的質(zhì)量也是判斷特征挖掘是否可靠的一個重要因素。在后續(xù)研究中，將從數(shù)據(jù)質(zhì)量出發(fā)，進一步完善特征挖掘方法，為水資源時空變化特征挖掘提供良好的技術(shù)支持。