Apriori算法在棉花病虫害分析中的应用.docxVIP

Apriori算法在棉花病虫害分析中的应用 摘要：为了快速准确地掌握棉花虫害发生趋势，提高虫情测报的时效性和准确性，采用Apriori 算法数据挖掘关联规则，对棉花上的3 种害虫棉铃虫、棉叶螨、棉蚜的发生趋势进行综合分析。通过Apriori 算法寻找出了气候因素与棉花三大害虫的发生发展有密切的关系，尤其气温变化直接影响到棉花害虫的发生种类、发生期及发生量。关联规则数据挖掘技术，在处理大量农业信息数据中起着非常重要的作用，Apriori算法在棉花病虫测报工作中将是一项新的技术，具有非常广泛的应用前景。关键词：关联规则；Apriori算法；数据挖掘；Weka平台；棉花病虫预测预报；应用前景0 引言现代信息技术的迅速发展使中国农业迈向了大数据时代，现代化的农业必然与大数据发生各种联系，农业大数据的挖掘和应用对于现代农业的发展具有非常重要的作用。农业发展过程中积累了大量的农业数据信息，涉及到与农业生产过程密切相关的耕地、播种、田管、水肥、植保、收获及储运等各个农事作业环节，包括各类作物的苗情、土情、肥情、水情、虫情、气象和灾害等农业数据，这些数据信息是指导现代农业精准作业的宝贵财富[1-2]。但这些复杂而丰富、多维又动态的数据信息具有不完整和不确定性，导致人们在利用这些农业数据时总陷入数据丰富而知识贫乏的境地[3-5]。如何利用好这些大数据，从中挖掘其背后隐藏的信息，已成为当前加快推进农业现代化发展急需解决的问题，也是一个值得思考和实践的课题。信息技术在农业生产中已广泛应用，通过利用数据挖掘技术对大量的信息进行分析[6-9]，寻找各相关因素间内在联系与规律，从中发掘出潜在的信息价值，为农业生产提供科学依据，对于实现农业高产、优质、高效和可持续发展具有十分重要的意义[10-13]。因此，笔者采用Apriori 关联规则挖掘算法，以新疆棉区3 种害虫棉铃虫、棉叶螨和棉蚜的发生情况为实例，对气温、有效积温和降雨量3 个气象因子与3 种害虫发生量进行数据挖掘，借此找出气象因子与虫情发生发展的内在联系和规律，以期帮助基层测报站工作者快速准确掌握各类虫情发生发展的趋势，通过对虫情动态信息的正确分析，提高测报的时效性和准确性，进一步为虫害的防控决策提供强有力的参考价值和科学依据。1 关联规则数据挖掘关联规则是近年数据挖掘领域的一个研究热点，关联规则数据挖掘技术已在多个领域取得令人满意的应用效果[14-17]。从海量数据中，通过关联规则可以发现数据中项集之间隐含的联系，并揭示数据间未知的依赖关系，可以依据这种依赖关系，从某一数据对象的信息推断出另一数据对象的信息[18-19]。1.1 Apriori算法概述Apriori 算法1994 年由Edu 等人[20]提出，是发现事务数据库中频繁项集的最有影响的数据挖掘算法之一，Apriori 算法是关联规则数据挖掘中的典型算法，目前已应用于商业、林业、电信和教育等方面[14- 19]。Apriori 算法是利用一个层次顺序搜索的循环方法来完成产生关联规则的频繁项集的挖掘工作，包含k 个项的集合为k 项集，k 项集用于探索(k+1)项集。关联规则的挖掘在Apriori 算法中分为两步，一是利用候选项集生成频繁项集，频繁项集满足支持度大于最小支持度阈值，二是利用最终的频繁大项集生成关联规则，规则满足置信度大于最小置信度，其中的最小支持度阈值和最小置信度阈值都由用户事先设定[14,16]，也就是依据支持度找出所有频繁项集（频度）、依据置信度产生关联规则（强度）。1.2 Apriori算法步骤采用连接步和剪枝步2 种方式，Apriori 算法从中找出所有的频繁项集，形成规则，其过程由连接（类矩阵运算）与剪枝（去掉那些没必要的中间结果）组成。1.2.1 连接步为找Fk，通过将Fk-1与自己连接产生候选k 项集的集合，该候选集的集合记做Lk；设F1和F2是Fk-1中的项集；执行连接Fk-1infin;Fk-1，其中Fk-1的元素F1和F2是可以连接的。1.2.2 剪枝步Lk是Fk的超集，Lk的成员可能是也可能不是频繁的，所有的频繁k 项集都包含在Lk中。扫描数据库确定Lk中每个候选集计数，判断是否小于最小支持度计数，如果不是，则认为该候选是频繁的，并利用Fk-1剪掉Lk中的非频繁项，从而确定Fk。2 Apriori 算法在农业病虫害中的实践应用近年来农业病虫害频繁发生，危害各种农作物，病虫害直接影响农作物的产量和质量。中国每年因病虫害造成的经济损失达15%~25%[21-22]，在病虫害预测预报工作中，植保部门每年都积累了大量的病虫情报数据，随着大量数据不停的收集和存储，从数据库中挖掘关联规则显得越来越有必要性。笔者以新疆兵团农业团场种植棉区常年发生的3 种害虫棉铃虫、棉叶螨和棉蚜的发生情况为实例，采用关联规则Apr