遵义市农产品市场价格银行与价格预测系统开发.docVIP

遵义市农产品市场价格银行与价格预测系统开发 　　摘要：价格银行与价格预测系统的支持技术主要是数据挖掘技术。该文应用基于粗糙集理论的数据挖掘技术，研究遵义市农产品市场价格银行与价格预测系统的开发。 　　关键词：农产品；市场价格；预测系统；数据挖掘；粗糙集 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2012)27-6488-04 　　 1概述 　　遵义,地处贵州北部，地理环境与气候条件优良，农产品丰富，是贵州省重要的农业基地之一。近些年来，随着市场经济的发展，遵义农产品市场竞争呈现一定的激烈现象。因此，开发区域性的农产品市场价格银行与价格预测系统，预测农产品的价格走势，明确农产品生产计划，组织农业生产，对于提高遵义农产品的竞争力，进而对遵义地区特色农产品有序的发展意义非凡。应用基于粗糙集理论的数据挖掘技术，建立完善的农产品市场价格银行与价格预测系统，可以科学、有效的预测农产品的价格走势，为遵义农业的发展提供一定的决策依据。 　　 2开发农产品市场价格银行与价格预测系统的理论基础 　　农产品市场价格银行与价格预测系统的理论基础是数据挖掘技术理论。数据挖掘（Data Mining），就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程[1]。将数据挖掘应用到农产品市场价格的预测中，就是指在大量的农产品价格数据中，运用一定的算法，计算以往的价格数据，分析价格变化的趋势，预测未来一段时期内农产品的价格。 　　 3遵义市农产品市场价格银行与价格预测系统的开发 　　 3.1建立农产品价格信息数据仓库 　　建农产品价格信息数据仓库，主要是对农产品价格信息数据的处理和集成，它为价格预测提供了一个数据环境，是数据挖掘的预处理，是价格预测系统的基础[2]。建立区域性农产品价格信息数据仓库，主要是建立区域性农产品价格信息的概念、逻辑和物理等数据模型，一般数据仓库建立过程如图1所示。 　　1）设计概念模型 　　设计概念模型是一个具体到抽象的过程，它为数据仓库的建立提供一个概念性???工具。首先是对农产品价格预测需求的分析。遵义市农产品价格预测系统的基础是对遵义市农产品价格在最近一段时间内的数据进行分析，确立相应的数学模型，预测农产品未来的需求量等；然后，对支持预测的数据需求分析，它主要是确定农产品价格预测需要的信息种类，例如，确定农产品价格预测需要的生产、销售、或者是库存的信息等。 　　图1一般数据仓库建立过程 　　2）设计逻辑模型 　　在数据仓库中逻辑模型是物理模型与概念模型之间的纽带。遵义市农产品预测系统数据仓库的逻辑模型采用的是关系数据库中的关系模型，它依据农产品价格的实际情况，建立一个星形架构的关系型逻辑模型，它以事实数据表和维度表，体现数据仓库的属性内容。 　　 　　图2数据模型 　　3）设计物理模型 　　物理模型是整个数据仓库的具体体现形式，比如在Microsoft公司的SQL－Server 2005平台上，设计字段属性、数据的非规范化处理及数据的存放位置等，进而得到的有机体就是数据仓库的物理模型。 　　3.2基于数据挖掘粗糙集技术的遵义市农产品市场价格银行与价格预测 　　1）粗糙集(Rough Set)的概述 　　粗糙集是数据挖掘的方法技术之一。在1982年波兰科学家Z.Pawlak提出了粗糙集(Rough Set)理论，和传统的数据挖掘技术相比，它采用集合理论来处理不精确性和模糊性的数据，把数据根据一定的属性划分成几个论域，然后利用等价关系来分别讨论，分析内含的规律，预测未来发展的情况[3]。 　　2）基于粗糙集的数据挖掘算法 　　数据属性约简是基于粗糙集的数据挖掘算法的本质，下面，从一个二维表来简单说明这种算法。假设某个数据仓库中的某个二维表中的记录如表1所示。 　　 　　在这个记录中，论域R={s1,s2,s3,s4,s5,s6,s7,s8}，每一列都表示了一个属性，是R中一个Element的一个划分。在这里，Colour、Size及Shape是条件属性，而决策属性是通过是否稳定来表示的。这里要考虑每一个条件属性对于决策属性是否有影响，有影响的要保留下来，无影响的要去掉，也就是对条件属性进行约简。决策属性都是“Yes”的是集合{s1，s2，s5}中的元素，它在整个二维表知识系统中的前后相似也是它本身，同理“No”集合也是如此。接下来，进一步验证记录中决策属性所受到每个条件属性的影响情况。我们可以将“Colour”这个条件属性去掉，那么表1就变成表2。 　　 　　用表2来表示稳定性这个概念，可以得到，决策属性都是“Yes”的是集合还是{s1,s2,s5}，它的前后相似还是它