1、數(shù)據(jù)挖掘作為知識(shí)發(fā)現(xiàn)過程中的重要步驟，是從大型數(shù)據(jù)庫及數(shù)據(jù)倉庫中提取未知的、有價(jià)值的和可操作性的關(guān)系、模式和趨勢(shì)用于決策支持的過程。我國目前在防洪領(lǐng)域存在著大量水文數(shù)據(jù)、水庫調(diào)度數(shù)據(jù)和預(yù)報(bào)成果數(shù)據(jù)，如何充分有效地利用各種智能算法對(duì)這些數(shù)據(jù)進(jìn)行分析與挖掘，以形成相應(yīng)的水文預(yù)報(bào)、水庫調(diào)度模型進(jìn)行準(zhǔn)確的預(yù)報(bào)、合理的調(diào)度，是一項(xiàng)具有重要的意義的工作。本文結(jié)合數(shù)據(jù)挖掘中的聚類、分類、關(guān)聯(lián)分析等方法特點(diǎn)，著重探討了在水文預(yù)報(bào)、水庫調(diào)度、組合預(yù)報(bào)中的

2、應(yīng)用。同時(shí)為了使數(shù)據(jù)更高效地進(jìn)行挖掘分析，對(duì)水文數(shù)據(jù)倉庫的結(jié)構(gòu)與應(yīng)用進(jìn)行探討與設(shè)計(jì)，將其與各種數(shù)據(jù)挖掘應(yīng)用形成一個(gè)水文數(shù)據(jù)挖掘體系。研究內(nèi)容和成果概述如下： (1)針對(duì)以數(shù)據(jù)挖掘?yàn)榛A(chǔ)的預(yù)報(bào)與調(diào)度的特點(diǎn)，結(jié)合我國的防洪減災(zāi)實(shí)際，建立面向預(yù)報(bào)、調(diào)度等不同主題的水文數(shù)據(jù)倉庫的結(jié)構(gòu)模型，并對(duì)其結(jié)構(gòu)、功能、數(shù)據(jù)存儲(chǔ)模型和實(shí)現(xiàn)技術(shù)進(jìn)行研究，從而對(duì)海量水文信息進(jìn)行管理與分析，為以數(shù)據(jù)挖掘?yàn)榛A(chǔ)的預(yù)報(bào)、調(diào)度體系提供數(shù)據(jù)支持和提高挖掘效率。隨后

3、建立包括數(shù)據(jù)層、組織層、挖掘?qū)雍蜎Q策層的水文數(shù)據(jù)挖掘體系，各層承擔(dān)著水文數(shù)據(jù)挖掘不同階段的任務(wù)，從數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘到知識(shí)表達(dá)，形成了一個(gè)完整的系統(tǒng)體系。 (2)以水文預(yù)報(bào)中實(shí)踐性很強(qiáng)的河道洪水傳播為例探討基于數(shù)據(jù)挖掘的水文預(yù)報(bào)模型。利用水文數(shù)據(jù)倉庫對(duì)流域河道洪水?dāng)?shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，同時(shí)利用T-S模糊推理模型提出一種根據(jù)上游各支流條件模糊推理下游流量的方法，針對(duì)模糊推理中隨著推理?xiàng)l件增多而形成的“維數(shù)災(zāi)”問題，利用數(shù)據(jù)挖掘的關(guān)

4、聯(lián)規(guī)則分析方法確定歷史數(shù)據(jù)中頻繁出現(xiàn)的上游條件組合(即推理規(guī)則)，將洪水傳播中的低流量組合和極少出現(xiàn)的組合規(guī)則進(jìn)行合并或刪減，然后利用優(yōu)化模型分析歷史數(shù)據(jù)確定的規(guī)則集在模糊推理中的參數(shù)，最終形成基于模糊推理與關(guān)聯(lián)規(guī)則分析的洪水傳播模型，提高了高流量條件下的預(yù)報(bào)精度。 (3)不同的水文預(yù)報(bào)模型有著不同的特點(diǎn)，很難有適用各種情況的“全能預(yù)報(bào)模型”。針對(duì)這一問題，提出了基于多目標(biāo)模糊優(yōu)選的組合預(yù)報(bào)模型，將多種模型預(yù)報(bào)結(jié)果的洪峰、峰現(xiàn)時(shí)

5、間、流量過程的相對(duì)誤差作為模糊優(yōu)選的指標(biāo)，通過對(duì)歷史預(yù)報(bào)數(shù)據(jù)的模式識(shí)別分析，得到各種預(yù)報(bào)模型在不同情況下的適用度，然后在實(shí)時(shí)預(yù)報(bào)中根據(jù)條件及各種模型的適用度進(jìn)行組合預(yù)報(bào)，得到比單個(gè)預(yù)報(bào)模型更合理的預(yù)報(bào)結(jié)果。 (4)針對(duì)目前水庫調(diào)度技術(shù)中的分類調(diào)度、擴(kuò)大調(diào)度信息源等研究熱點(diǎn)，提出一種利用數(shù)據(jù)挖掘技術(shù)分析歷史水文數(shù)據(jù)與歷史調(diào)度數(shù)據(jù)，從而生成調(diào)度規(guī)則的方法：決策樹水庫調(diào)度模型，該模型將生成的調(diào)度結(jié)果以調(diào)度樹的形式表達(dá)。作為數(shù)據(jù)挖掘的結(jié)

6、果，它集中反映了大量歷史水文數(shù)據(jù)、調(diào)度數(shù)據(jù)的規(guī)律性。同時(shí)，如果歷史資料與專家經(jīng)驗(yàn)允許，水文預(yù)報(bào)結(jié)果，氣象預(yù)報(bào)結(jié)果，生態(tài)因素等條件可以被考慮進(jìn)調(diào)度規(guī)則，使決策更加切合實(shí)際。與目前實(shí)踐中廣泛使用的調(diào)度圖相比，調(diào)度樹從考慮因素的廣泛性和規(guī)則表達(dá)的直觀性上都更趨合理，是合理使用調(diào)度經(jīng)驗(yàn)的有效途徑。 (5)與第四章所述的組合預(yù)報(bào)方法比較，基于貝葉斯分析的組合預(yù)報(bào)方法無需更多的歷史預(yù)報(bào)數(shù)據(jù)來訓(xùn)練組合模型，而是首先利用專家經(jīng)驗(yàn)確定模型的分布類