工程管理中数据挖掘技术的运用.docx

工程管理中数据挖掘技术的运用一、数据挖掘的过程数据挖掘技术不仅要在资金和技术上大量投入同时需要多种专家共同合作。要趋近事物的本质必须长期反复的进行研究实践在反复的过程中使问题的解决方案最优化数据挖掘过程主要有以下过程：1.业务对象的确定。对业务进行清晰的定义是明确挖掘目的的首要步骤挖掘要探索的问题必须明确在无法预知最后结构的情况下预见探索问题能够有效避免数据挖掘的盲目性大大提高成功率。2.数据准备。2.1数据的选择：查找全部与业务目标相关的内部和外部数据信息然后从其中选出可以用于数据挖掘的信息。2.2数据的预处理：仔细分析数据的内容便于进一步的对其进行处理并确定需要进行挖掘操作的类型。2.3数据的转换：针对挖掘算法将数据转换成一个分析模型数据挖掘成功的关键就是建立一个合理的挖掘算法的分析模型。3.数据挖掘。对所得到的经过转换的数据进行分析。除了合理选择适合的挖掘算法外其他的所有工作都能自动地完成。4.结果分析。解析并评析结果。所使用的分析方法一般应该根据数据挖掘操作来确定一般情况下会用到可视化技术。5.知识的同化。把分析得到的信息全部收集到业务信息系统的组织结构中去。上述步骤不一定能够一次完成的或许其中有些步骤或者全部都要重复进行。总之不同的环境下要采用不同的方法最合适的方法才是数据挖掘过程成功的关键挖掘过程中遇到的问题得到解决是选取不同方法的最终目的。二、数据挖掘技术在水利工程管理中的应用目前与国民经济和社会发展直接相关的基础设施建设就是水利越来越多的水利科学数据随着水利基础设施的不断改善和水利工程的大规模建设应运而生。这些科学数据不管是在国民经济建设还是在科研活动都是非常重要的数据资源。洪涝灾害、干旱、生态与环境的破坏等诸多世界共同的热点问题这些与可持续发展直接相关的问题都是以获取完整可用的水利科学数据作为主要任务。所以水利科学数据在科技进步与创新的发展过程中所发挥的作用不言而喻在许多行业都被需求。水利科学数据量非常之大因此从大量繁杂的数据库中挖掘潜在有用信息是挖掘知识、预测未来、为决策提供支持的首要任务。水利工程信息化是现在水利工程的发展趋势水利工程管理系统逐渐增多我国加强了这方面的建设水利工程建设和运行管理都得益于水利工程信息化。但是水利工程信息系统并不完善其提供的功能多为业务性涉及管理决策的很少。这种水利工程管理已经无法满足人们的需求尤其是在水利工程数据化管理已经向现代化发展的非常迅速的时期。由于长期的数据积累而且这些数据还在不断地增多还包括空间类型的数据人们往往对这些数据处理不到位或者不及时。尤其是对于空间类型的数据。明知这些数据中隐藏了大量的有价值的知识却无法将它们充分合理的利用它们是目前面临的急需解决的问题。如果还是依靠原来的信息系统想解决这些问题简直是天方夜谭。数据挖掘技术便应运而生使这些问题的解决有了可能性。数据挖掘的本质是从海量数据中挖掘出有价值的、潜在的知识。各类数据得到科学合理的收集与整理就必须依赖于建立完善的数据库。对于水利工程专业可以建立水文、河道河情、河道险工、水土保持、水量调度、防洪、实时雨水情、防洪工程等数据库选择合适方法挖掘有用数据。1.关联规则挖掘算法。在1993年首次提出关联规则挖掘问题然而现在关联规则已经发展成为数据挖掘领域中一个非常重要的研究方向。关联规则挖掘的目的是为了挖掘出潜伏在数据间的相互关系即通过量化的数字描述事务A的出现对事务B的出现有多人影响。关联规则挖掘就是给定一组Item和一个记录集合通过分析记录集合推导出Item间的相关性。2.自顶向下濒繁项挖掘算法。自顶向下频繁项挖掘算法是指从上而下的挖掘手段。但是这种方法也有其弊端因其会在计算问题上浪费大量时间。总的来说自顶向下挖掘算法是较为优秀的长频繁项挖掘算法。它可以有效利用事务项目关联信息表、关键项目、项目简约、投影数据库等新概念和方法是算法实际运行效率得到提高有效解决长频繁项挖掘问题。这种方法的有效性与完备性可通过计算计算法和实验进行分析。3.频繁项双向挖掘算法。频繁项双向挖掘算法是同时进行自顶向下和自底向上的算法能够有效的解决长频繁项和短频繁项的挖掘问题。最主要还是采用自顶向下的挖掘方法通过此种策略生成非频繁项要及时的修剪然后进行合理选集使候选集生成的规模和数量尽可能减少算法实际效率得到有效提高。三、结语伴随着社会经济的发展社会科技化进程也在不断加快信息时代中数据量也在快速的增加水利工程中存在大量的数据信息数据挖掘技术的引进为水利工程管理工作提供了有效的管理基础优化了水利工程管理工作。数据挖掘能够在大量的数据中发现新趋势管理人员可以利用数据挖掘发现的