数据挖掘在玉米精准作业中应用综述.pdfVIP

数据挖掘在玉米精准作业中的应用综述 陈桂芬比，马丽2，曹丽英2 18) (I吉林大学计算机学院教育部符号计算与知识工程重点实验室1300122；吉林农业大学信息技术学院，1301 摘要：随着农业信息系统的建立和大量农业数据的增长，对于海量数据的分析和处理变得越来越困难，这使得数据 挖掘技术在农业领域，特别是精准农业中得到了广泛应用。本文介绍数据挖掘在玉米精准作业中的应用，包括玉米决 策支持系统、玉米估产、玉米精准施肥、土壤性质空间分布分析中的应用等。 关键字：玉米精准作业；数据挖掘；聚类分析；决策树；人工神经网络 l引言 农业是一巨型复杂系统，信息技术在农业方面的应用促进了农业信息的数据化。我国土地辽阔， 土壤类型多，作物品种资源多，如何使科学技术更有效地服务农业，是关系到国计民生的大事。在过 去的十多年里我困耗费巨资进行了各种农业数据的普查，先后建立了农作物品种资源，土地资源，农 业环境等大量数据库。积累了大量的农业信息数据。爆炸性增长的数据新背后，隐藏着许多更重要的 信息，由于缺乏有益的工具，被收集的数据已远远超出人类处理能力，结果很多被收集的数据在大型 数据库中成为‘datatomb”很少被访问。因此，利用新技术把数据换成知识是大型数据库信息系统面临 的挑战。数据挖掘使数据库技术进入了一个更高级的阶段，它小仅能对过去的数据进行查询和遍历， 并且能够找出过去数据之间的潜在联系，从而促进信息的传递，把人们对数据的应用从低层次的简单 查询，提升到从数据中挖掘知识，提供决策支持。农业生产是一个复杂开放的体系，需要来自多方面 知识的综合，组织农业专家、信息学家、经济学家等多学科专家进行综合研究与开发，对我国的农业 生产水平的提高具有重要意义。数据挖掘(datamining)这种致力于数据分析和理解，揭示数据内部隐藏 知识的技术，自然成为信息技术一个新的研究热点【IJ。 近年来，由于玉米深加工、畜牧业饲料及工业原料的需求，如何提高玉米产量，减少投入，已成为 精准农业领域的研究课题。本文介绍了数据挖掘在玉米精准作业中的相关应用，包括数据挖掘在玉米 决策支持系统、玉米估产、玉米精准施肥、土壤性质空间分布分析、地力评价中的应用等。 2数据挖掘简介 数据挖掘利用各种分析工具在海量数据中发现模型和数据间关系的过程，使用这些模型和关系可 以进行预测，并帮助决策者寻找数据问潜在关联，发现被忽略的因素，因而被认为是解决当今时代所 面l临的数据爆炸而信息贫乏问题的一种有效方法。对于与3S技术等信息技术及自动化技术密切相关 的精准农业领域，数据挖掘显示出其重要性。常用的数据挖掘方法有聚类分析、决策树、关联方法、 人工神经网络、遗传算法、粗糙集等。 2．1聚类分析 聚类分析是少数几个非监督型知识发现的方法之～，又简称为聚类，它是在没有训练样本的情况 下，依据对象自身的相似性把一组对象划分成一系列有意义的子集的描述性任务。它的目的是使得属 于同一类别的个体之间的距离尽可能的小，而不同类别上的个体间的距离尽可能的大。利用聚类分析 抽取学习样本，首先将数据集T划分为M个不相交的“类”，然后从这M个类中的数据对象分别进行 随机抽取，这样就可以最终获得聚类采样数据子集，按聚类结果抽取的样本更具有典型性和代表性， 实用效果好。聚类分析既可以作为独立的数据挖掘工具，用来获得数据分布的情况，也可以作为其他 数据挖掘算法(如分类等)的预处理。聚类方法包括统计方法、机器学习方法、神经网络方法和面向 数据库的方法【21。 ． 2．2决策树 决策树是一棵树，树的根节点是整个数据集合空间，每个分节点是对一个单一变量的测试，该测 试将数据集合空间分割成两个或更多块。每个叶节点是属于单一类别的记录。首先，通过训练集生成 决策树，再通过测试集对决策树进行修剪。决策树的功能是预言一个新的记录属于哪一类。决策树分 基金项目：国家863项目(2006AAl0A309)、国家863项目(2006AAl0227I)、吉林省重点项目 作者简介：陈桂芬(1956-)，女，博士导，教授，主要从事专家系统，精准农业的研究。 ．389． 为分类树和回归树两种，分类树对离散变量做决策树，回归树对连续变量做决策树。