供水調(diào)度中實(shí)現(xiàn)決策支持的方法研究

［摘 要］ 針對供水調(diào)度系統(tǒng)在決策支持方面的不足，本文提出利用SQL Server Analysis Services在OLAP及數(shù)據(jù)挖掘方面的技術(shù)，建立數(shù)據(jù)倉庫、OLAP和數(shù)據(jù)挖掘三者相結(jié)合的決策支持系統(tǒng)的方案，討論了基于Analysis Services實(shí)現(xiàn)供水調(diào)度決策支持系統(tǒng)的技術(shù)。

［關(guān)鍵詞］ 決策支持系統(tǒng)；數(shù)據(jù)倉庫；OLAP；數(shù)據(jù)挖掘；Analysis Services

［中圖分類號］F270.7［文獻(xiàn)標(biāo)識碼］A［文章編號］1673-0194（2009）02-0074-05

1 引 言

供水企業(yè)是服務(wù)于公共事業(yè)的國有企業(yè)，企業(yè)的目的是為社會提供優(yōu)質(zhì)的服務(wù)，而不是利用自己的壟斷地位，通過提價(jià)來獲得最大利益。企業(yè)只能通過挖掘自身的潛力，降低成本來獲得最大利益。供水調(diào)度是供水企業(yè)控制生產(chǎn)成本，提高生產(chǎn)效率的重要手段。目前供水企業(yè)在供水調(diào)度方面基本都應(yīng)用了無線測控系統(tǒng)，用于定時(shí)測量供水管網(wǎng)的水壓、各水廠水泵開停機(jī)狀態(tài)、出廠水流量、清水池水位等生產(chǎn)數(shù)據(jù)，如何從這些豐富的業(yè)務(wù)數(shù)據(jù)中獲得有用的知識，幫助工作人員提高供水調(diào)度質(zhì)量，幫助企業(yè)管理人員提高決策能力，已成為供水企業(yè)信息化工作的當(dāng)務(wù)之急。

2 實(shí)現(xiàn)決策支持的相關(guān)技術(shù)

2. 1決策支持系統(tǒng)（DSS）

決策支持系統(tǒng)是指具有輔助決策能力的高級計(jì)算機(jī)信息管理系統(tǒng)，它是能利用各種數(shù)據(jù)、信息、知識，特別是模型技術(shù)，輔助各級決策者解決半結(jié)構(gòu)化和非結(jié)構(gòu)化的決策問題的人機(jī)交互系統(tǒng)。決策支持系統(tǒng)能為企業(yè)和組織提供各種決策信息以及問題的解決方案，將決策者從低層次的信息分析處理工作中解放出來，使他們擁有更多的時(shí)間專注于最需要決策智慧和經(jīng)驗(yàn)的工作，從而提高決策的質(zhì)量和效率。

傳統(tǒng)的決策支持系統(tǒng)建立在業(yè)務(wù)數(shù)據(jù)庫基礎(chǔ)之上，以模型庫為主體，只能進(jìn)行定量分析，而對于定性的決策分析顯得力不從心；隨著企業(yè)業(yè)務(wù)數(shù)據(jù)量迅速增長，企業(yè)需要保存大量的歷史數(shù)據(jù)，需要在大量的歷史數(shù)據(jù)中進(jìn)行定量和定性分析以獲取有用的信息，為企業(yè)提供決策依據(jù)，因此企業(yè)需要重新組織業(yè)務(wù)數(shù)據(jù)，建立基于數(shù)據(jù)倉庫的決策支持系統(tǒng)。

數(shù)據(jù)倉庫之父W. H. Inmon對數(shù)據(jù)倉庫的定義是：數(shù)據(jù)倉庫是面向主題的、集成的、相對穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合，用于支持經(jīng)營管理中的決策。

目前，數(shù)據(jù)倉庫技術(shù)的運(yùn)用正在向廣度和深度兩個(gè)方向擴(kuò)展。廣度擴(kuò)展指的是數(shù)據(jù)源的廣泛化，即不僅可以從各種異構(gòu)的數(shù)據(jù)庫中獲取數(shù)據(jù)，還可以從互聯(lián)網(wǎng)上獲取數(shù)據(jù)。而深度方向的研究指的是基于已有信息，面向數(shù)據(jù)分析的應(yīng)用，包括數(shù)據(jù)挖掘技術(shù)和聯(lián)機(jī)分析處理技術(shù)。

數(shù)據(jù)倉庫系統(tǒng)是多種技術(shù)的綜合體，由數(shù)據(jù)倉庫、數(shù)據(jù)庫管理系統(tǒng)、數(shù)據(jù)倉庫工具3部分組成：

（1） 數(shù)據(jù)庫管理系統(tǒng)（DBMS）負(fù)責(zé)管理整個(gè)系統(tǒng)的運(yùn)轉(zhuǎn)，是整個(gè)系統(tǒng)的引擎。

（2） 數(shù)據(jù)倉庫包括遠(yuǎn)期基本數(shù)據(jù)、近期基本數(shù)據(jù)、輕度綜合數(shù)據(jù)和高度綜合數(shù)據(jù)，是整個(gè)系統(tǒng)的核心。

（3） 數(shù)據(jù)倉庫工具則是通過聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘等工具發(fā)揮數(shù)據(jù)倉庫的作用。

２． ２數(shù)據(jù)挖掘（ＤＭ）

數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中通過自動(dòng)化或半自動(dòng)化的方法挖掘出有用的模式和規(guī)則，即從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中發(fā)現(xiàn)隱含的、規(guī)律性的、人們事先未知的，但又是潛在有用的并且最終可理解的信息和知識的非平凡過程。它是一門交叉學(xué)科，融合了數(shù)據(jù)庫、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等多個(gè)領(lǐng)域的理論和技術(shù)。數(shù)據(jù)挖掘技術(shù)從數(shù)據(jù)庫、數(shù)據(jù)倉庫中挖掘有用的知識，這些知識以一定的組織方式形成知識庫，利用推理機(jī)對知識庫中的知識進(jìn)行推理即形成智能模型。利用智能模型可以定性分析方式輔助決策。數(shù)據(jù)挖掘技術(shù)使知識庫集成到?jīng)Q策支持系統(tǒng)中形成智能決策支持系統(tǒng)，使其能夠?qū)Ψ墙Y(jié)構(gòu)化的問題進(jìn)行分析推理。數(shù)據(jù)挖掘的方法和技術(shù)主要包括決策樹方法、神經(jīng)網(wǎng)絡(luò)方法、統(tǒng)計(jì)分析方法、遺傳算法和模糊論方法等。

２． ３聯(lián)機(jī)分析處理（ＯＬＡＰ）

OLAP是一種軟件技術(shù)，它使分析人員能夠迅速、一致、交互地從各個(gè)方面觀察信息，以達(dá)到深入理解數(shù)據(jù)的目的。這些信息是從原始數(shù)據(jù)轉(zhuǎn)換過來的，能夠真正為用戶所理解并真實(shí)地反映企業(yè)方方面面特征的信息。OLAP的顯著特征是能提供數(shù)據(jù)的多維概念視圖。數(shù)據(jù)的多維視圖使最終用戶能多角度、多側(cè)面、多層次地考察數(shù)據(jù)庫中的數(shù)據(jù)，從而深入地理解包含在數(shù)據(jù)中的信息及其內(nèi)涵。OLAP分析主要是通過對多維組織后的數(shù)據(jù)進(jìn)行切片、切塊、聚合、鉆取、旋轉(zhuǎn)等分析動(dòng)作，以求剖析數(shù)據(jù)，使用戶能夠從多種維度、多個(gè)側(cè)面、多種數(shù)據(jù)綜合度查看數(shù)據(jù)，從而了解數(shù)據(jù)背后隱含的規(guī)律。

3 供水調(diào)度決策支持功能需求分析

3. 1供水調(diào)度系統(tǒng)功能簡介

目前供水企業(yè)基本上實(shí)現(xiàn)了調(diào)度信息化。該信息系統(tǒng)包括遙測與信息處理兩部分。遙測部分，通過無線通信技術(shù)實(shí)現(xiàn)了對管網(wǎng)各測壓點(diǎn)的供水壓力值的采集，對各水廠的出廠水?dāng)?shù)據(jù)采集，包括出廠水壓值、流量，水廠水池的水位、余氯等數(shù)據(jù)的采集，以及抽水機(jī)電設(shè)備的開關(guān)狀態(tài)、電壓、電流、功率等數(shù)據(jù)的采集。信息處理部分，利用數(shù)據(jù)庫技術(shù)將遙測得到的數(shù)據(jù)存儲在計(jì)算機(jī)數(shù)據(jù)庫系統(tǒng)中，利用編程技術(shù)對存儲在數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行檢索、顯示及報(bào)表打印。供水調(diào)度的主要目的是掌握各水廠的生產(chǎn)狀況，統(tǒng)籌安排各水廠的水泵開停，監(jiān)視供水管網(wǎng)運(yùn)行狀況。高效的供水調(diào)度能讓企業(yè)在最少的投入情況下獲得最好的供水效果，通過減少生產(chǎn)成本實(shí)現(xiàn)企業(yè)利潤最大化的目的。

3. 2供水調(diào)度決策支持中的OLAP需求研究

OLAP能夠提供對歷史數(shù)據(jù)的各個(gè)維度進(jìn)行深入觀察和對某一特征的總體描述，能給企業(yè)提供淺層次決策。利用OLAP，能在由業(yè)務(wù)數(shù)據(jù)基礎(chǔ)上形成的具有多維性的數(shù)據(jù)倉庫之上形成涉及時(shí)間和地理位置（包括各水廠和城市供水管網(wǎng)測壓點(diǎn)）以及其他維的生產(chǎn)運(yùn)行數(shù)據(jù)的各種數(shù)據(jù)透視表，通過在這些透視表上實(shí)現(xiàn)對數(shù)據(jù)進(jìn)行切片、切塊、聚合、鉆取、旋轉(zhuǎn)等分析動(dòng)作，從而發(fā)現(xiàn)一些隱藏的生產(chǎn)運(yùn)行情況，如分析在各個(gè)時(shí)段滿足城市管網(wǎng)各測壓點(diǎn)水壓穩(wěn)定的情況下，各水廠的出廠水流量以及水泵開停數(shù)據(jù)，實(shí)現(xiàn)對各水廠的生產(chǎn)指導(dǎo)。此外，OLAP還可以用于企業(yè)的報(bào)表分析，在日常的企業(yè)管理過程中，需要大量的報(bào)表，借助于OLAP工具可以方便地生成各種報(bào)表。

3. 3供水調(diào)度決策支持系統(tǒng)中的數(shù)據(jù)挖掘需求研究

數(shù)據(jù)挖掘在數(shù)據(jù)倉庫和OLAP的基礎(chǔ)上能夠更好地挖掘隱藏在歷史數(shù)據(jù)背后的知識，有助于企業(yè)深層次決策。在由業(yè)務(wù)數(shù)據(jù)基礎(chǔ)上形成的具有多維性的數(shù)據(jù)倉庫之上，利用決策樹技術(shù)，挖掘供水調(diào)度過程中隱藏的規(guī)則，幫助調(diào)度管理人員進(jìn)行日常的調(diào)度。利用神經(jīng)網(wǎng)絡(luò)技術(shù)挖掘各時(shí)段各水廠開停水泵的最佳組合。利用關(guān)聯(lián)規(guī)則技術(shù)挖掘城市管網(wǎng)各測壓點(diǎn)水壓與出現(xiàn)管道爆裂事故的關(guān)聯(lián)，幫助決策者合理設(shè)置城市測壓點(diǎn)，以便更好地監(jiān)視城市管網(wǎng)的運(yùn)行狀態(tài)。

4 供水調(diào)度決策支持系統(tǒng)實(shí)現(xiàn)

數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘是計(jì)算機(jī)領(lǐng)域的新興技術(shù)，基于這3項(xiàng)技術(shù)的決策支持系統(tǒng)已成為當(dāng)前決策支持系統(tǒng)的主流發(fā)展方向。目前，世界上幾大著名的數(shù)據(jù)庫公司和統(tǒng)計(jì)軟件公司都相繼推出了自己的DSS解決方案和功能強(qiáng)大的DSS開發(fā)工具，其中微軟公司在它的數(shù)據(jù)庫產(chǎn)品SQL Server中推出的Analysis Services是一個(gè)比較流行并且功能強(qiáng)大的產(chǎn)品，它包含了一整套的決策支持引擎和工具，提供了數(shù)據(jù)挖掘和聯(lián)機(jī)分析處理兩種服務(wù)。微軟的數(shù)據(jù)挖掘解決方案是基于OLE DB for Data Mining規(guī)范的工業(yè)標(biāo)準(zhǔn)，它是由微軟提出并且由眾多數(shù)據(jù)挖掘公司支持的工業(yè)標(biāo)準(zhǔn)。這個(gè)規(guī)范展示了一個(gè)新的類似于SQL語言的數(shù)據(jù)挖掘語言，數(shù)據(jù)庫開發(fā)者可以利用它去建立數(shù)據(jù)挖掘應(yīng)用。因此選用微軟決策支持系統(tǒng)解決方案來實(shí)現(xiàn)供水調(diào)度決策支持系統(tǒng)是一個(gè)可行和可靠的方案。在該方案中（如圖1所示）采用SQL Server作為后臺數(shù)據(jù)庫服務(wù)器，在分析系統(tǒng)中采用SQL Server 的Analysis Services，它是用于OLAP和數(shù)據(jù)挖掘的中間層服務(wù)器。Analysis Services是客戶－服務(wù)器結(jié)構(gòu)，它由兩個(gè)主要部分組成：Analysis Services服務(wù)器和客戶端的Pivot Table Services（數(shù)據(jù)透視表服務(wù)）。

分析服務(wù)器，是微軟Analysis Services的核心，它從異構(gòu)數(shù)據(jù)源中提取和組織數(shù)據(jù)，并在多維數(shù)據(jù)庫中對數(shù)據(jù)進(jìn)行必要的聚集和處理，同時(shí)也可以利用存放在OLTP數(shù)據(jù)庫中的匯總表。通過DSO（Decision Supporｔ Ｏｂｊｅｃｔｓ，決策支持對象）能訪問分析服務(wù)器，實(shí)現(xiàn)在分析服務(wù)器引擎上執(zhí)行管理任務(wù)。分析服務(wù)器還負(fù)責(zé)創(chuàng)建和使用挖掘模型從OLAP數(shù)據(jù)中獲取趨勢信息和進(jìn)行預(yù)測。

數(shù)據(jù)透視表服務(wù)，是一組實(shí)現(xiàn)將OLAP立方從OLAP服務(wù)器傳遞到客戶端應(yīng)用程序的工具。數(shù)據(jù)透視表支持在線和離線數(shù)據(jù)分析和數(shù)據(jù)挖掘，為實(shí)現(xiàn)這個(gè)目標(biāo)，數(shù)據(jù)透視表服務(wù)向開發(fā)者提供了兩個(gè)查詢OLAP數(shù)據(jù)源的編程接口：為OLAP服務(wù)的OLE DB和ActiveX數(shù)據(jù)對象（多維），ADO MD。

4. 1數(shù)據(jù)析取和數(shù)據(jù)倉庫的實(shí)現(xiàn)

數(shù)據(jù)倉庫通常以星型模型或雪花型模型組織數(shù)據(jù)并存儲，在這兩種模式中，都是由一個(gè)核心事實(shí)表和一些與事實(shí)表關(guān)聯(lián)的維表組成，并在所有表的主要字段上建立索引。事實(shí)表是根據(jù)選定的主題構(gòu)造，主要存儲用于分析數(shù)據(jù)的度量值。維（ｄｉｍｅｎｓｉｏｎ）是一組對事實(shí)進(jìn)行分析時(shí)使用的屬性。維允許用戶從不同角度觀察事實(shí)，如時(shí)間、地理等。在這兩種模式中，維的層次內(nèi)容等信息保存在維表中，并通過事實(shí)表中相應(yīng)維的碼值與事實(shí)表相連。這些表都可以通過SQL Server中的數(shù)據(jù)庫創(chuàng)建工具和表創(chuàng)建工具完成。對于數(shù)據(jù)倉庫中的數(shù)據(jù)，用戶可以在服務(wù)器端使用SQL Server提供的DTS工具從源數(shù)據(jù)中，進(jìn)行抽取和轉(zhuǎn)換數(shù)據(jù)，然后送到數(shù)據(jù)倉庫中。對于調(diào)度決策支持系統(tǒng)，源數(shù)據(jù)包括調(diào)度系統(tǒng)數(shù)據(jù)、管網(wǎng)維修數(shù)據(jù)、水質(zhì)檢驗(yàn)數(shù)據(jù)。選擇管網(wǎng)維修數(shù)據(jù)的原因是，調(diào)度系統(tǒng)的一個(gè)目的是通過管網(wǎng)測壓點(diǎn)的水壓來發(fā)現(xiàn)管道故障，而調(diào)度系統(tǒng)中沒有這方面的數(shù)據(jù)，因此需要用管網(wǎng)維修管理系統(tǒng)中的數(shù)據(jù)進(jìn)行補(bǔ)充。選擇水質(zhì)檢驗(yàn)數(shù)據(jù)的原因是，調(diào)度系統(tǒng)的一個(gè)工作是遙測各水廠的水質(zhì)數(shù)據(jù)，而調(diào)度系統(tǒng)中沒有城市管網(wǎng)各取水點(diǎn)的水質(zhì)數(shù)據(jù)，因此需要用水質(zhì)管理系統(tǒng)中的數(shù)據(jù)進(jìn)行補(bǔ)充。

4. 2聯(lián)機(jī)分析處理（OLAP）的實(shí)現(xiàn)

微軟將OLAP功能集成到SQL Server中，其中Pivot Table Services提供客戶端OLAP數(shù)據(jù)訪問功能，通過這一服務(wù)，開發(fā)人員可以用Visual Basic或其他語言開發(fā)用戶前端數(shù)據(jù)展現(xiàn)程序。另外，SQL Server還支持第三方數(shù)據(jù)展現(xiàn)工具。

MDX是微軟Analysis Services專用的多維查詢語言。為了實(shí)現(xiàn)OLAP功能，在Analysis Services中需要?jiǎng)?chuàng)建OLAP數(shù)據(jù)庫。OLAP數(shù)據(jù)庫中包括立方、度量、維以及相關(guān)級別的對象。立方是一個(gè)多維的數(shù)據(jù)結(jié)構(gòu)，它由一個(gè)事實(shí)表和相關(guān)的維表及度量組成。它實(shí)際上是源數(shù)據(jù)倉庫中的一個(gè)視圖。

數(shù)據(jù)透視表是立方的合適用戶界面，因?yàn)樗试S用戶基于所選擇的維將多維數(shù)據(jù)“拉平”。其他的維作為過濾條件。數(shù)據(jù)透視表使用MDX從立方中獲取數(shù)據(jù)，而MDX則通過ADO MD來進(jìn)行多維查詢。通過數(shù)據(jù)透視表提供的功能可以實(shí)現(xiàn)切片、切塊、聚合、鉆取、旋轉(zhuǎn)等分析動(dòng)作。

以下利用Visual Basic實(shí)現(xiàn)數(shù)據(jù)透視表來進(jìn)行OLAP。首先，在VB窗體中增加一個(gè)數(shù)據(jù)透視表控件，然后通過執(zhí)行以下程序來實(shí)現(xiàn)向控件中填入數(shù)據(jù)。

Dim strSource As String

‘……Store MDX expression in variable

strSource=“MDX表達(dá)式”

With Me.PivotTable1

‘……Set the PT connection string using the OLAP OLEDB provider

.ConnectionString=“Data Source=LocalHost;Provider=MSOLAP;”_

“Initial Catalog=數(shù)據(jù)庫名稱”

‘……Set the PT data source to the MDX expression

.CommandText=strSource

‘……Format the totals as local currency

.ActiveData.DataAxis.Totals(“Amount”).NumberFormat=“Currency”

End With

說明：

LocalHost是指運(yùn)行在本機(jī)上的服務(wù)器；MSOLAP是為SQL Server Analysis Services服務(wù)的OLE DB提供者的名稱。

4. 3數(shù)據(jù)挖掘的實(shí)現(xiàn)

在微軟SQL Server中的Analysis Services 提供了數(shù)據(jù)挖掘服務(wù)，它提供了一些新的工具，通過發(fā)現(xiàn)數(shù)據(jù)模式和規(guī)則并使用這些模式和規(guī)則進(jìn)行預(yù)測分析。

SQL Server中的Analysis Services可以對關(guān)系數(shù)據(jù)庫和多維數(shù)據(jù)源中的數(shù)據(jù)進(jìn)行挖掘。數(shù)據(jù)挖掘主要包括3個(gè)步驟：建立數(shù)據(jù)挖掘模型，訓(xùn)練挖掘模型，利用這個(gè)已訓(xùn)練好的挖掘模型進(jìn)行數(shù)據(jù)分析。

數(shù)據(jù)挖掘的基本機(jī)制是數(shù)據(jù)挖掘模型，數(shù)據(jù)挖掘模型是在針對數(shù)據(jù)挖掘的OLE DB中介紹的一個(gè)新概念。一個(gè)數(shù)據(jù)挖掘模型可以被認(rèn)為是一個(gè)關(guān)系表，它是具有不同數(shù)據(jù)類型的列表。數(shù)據(jù)挖掘模型的結(jié)構(gòu)在許多方面與數(shù)據(jù)庫表的結(jié)構(gòu)相似。但是，數(shù)據(jù)庫表代表的是記錄的集合（或記錄集），數(shù)據(jù)挖掘模型的結(jié)構(gòu)表示定義數(shù)據(jù)挖掘模型的事例集，而所存儲的數(shù)據(jù)則表示來自處理事例數(shù)據(jù)的規(guī)則和模式。在Analysis Services中，被分析的項(xiàng)稱為事例(case)，所有的事例組成被分析的一組數(shù)據(jù)，稱為事例集(case set)。

在微軟的SQL Server中，用戶可以使用挖掘模型向?qū)?chuàng)建數(shù)據(jù)挖掘模型，并可以使用數(shù)據(jù)挖掘模型瀏覽器以圖形格式顯示數(shù)據(jù)挖掘模型的內(nèi)容；還可以編程方式通過用于數(shù)據(jù)挖掘的OLE DB for Data Mining創(chuàng)建、培訓(xùn)和使用數(shù)據(jù)挖掘模型，用于數(shù)據(jù)挖掘的OLE DB for Data Mining是支持?jǐn)?shù)據(jù)挖掘功能的OLE DB規(guī)范的擴(kuò)展。

4. 3. 1構(gòu)建、訓(xùn)練數(shù)據(jù)挖掘模型

Analysis Services 提供了服務(wù)器端和客戶端兩種架構(gòu)，可以分別從服務(wù)器端和客戶端構(gòu)建數(shù)據(jù)挖掘模型。如果在服務(wù)器端構(gòu)建數(shù)據(jù)挖掘模型，并且模型已經(jīng)得到了訓(xùn)練，那么所有的客戶端都可以訪問該模型，并且利用該模型進(jìn)行預(yù)測查詢。在客戶端構(gòu)建模型，可以使用戶在網(wǎng)絡(luò)斷開后在本地執(zhí)行數(shù)據(jù)挖掘任務(wù)。

在服務(wù)器端通過應(yīng)用程序創(chuàng)建和訓(xùn)練數(shù)據(jù)挖掘模型，只能使用決策支持對象（DSO），它是一組接口類，它們定義并顯示出了Analysis Services使用COM（Component Object Model）管理的對象。從數(shù)據(jù)挖掘的角度來說，主要關(guān)心3個(gè)對象：Server對象，它包含了運(yùn)行Analysis Services引擎的服務(wù)器信息；特殊的MDStores集，它暴露數(shù)據(jù)庫和立方使用的通用接口；MiningModels對象。以下是利用現(xiàn)有的數(shù)據(jù)庫、數(shù)據(jù)源和多維數(shù)據(jù)集，采用Visual Basic建立數(shù)據(jù)挖掘模型及訓(xùn)練查詢的主要代碼：

Dim dsoServer As New DSO.Server

Dim dsoDB As New DSO. MDStores

Dim dsoDmm As DSO.MiningModel

Dim dsoColumn As DSO.Column

Dim dsoRole As DSO.Role

dsoServer.Connect “servername” ‘連接到OLAP服務(wù)器

Set dsoDB = dsoServer.MDStores(“數(shù)據(jù)庫名”)

Set dsoDmm=dsoDB.MiningModels.AddNew(“新模型名”，sbclsOlap)

Set dsoRole=dsoDmm.Roles.AddNew(“All Users”) ‘創(chuàng)建角色

dsoDmm.MiningAlgorithm= “Microsoft_Decision_

Trees”‘使用決策樹算法

dsoDmm.SourceCube=“數(shù)據(jù)立方名”

dsoDmm.CaseDimension=“選取的事例維度”

dsoDmm.TrainingQuery=“” ‘讓DSO進(jìn)行訓(xùn)練查詢

dsoDmm.Update

‘以下為設(shè)置定義模型結(jié)構(gòu)的列

Set dsoColumn=dsoDmm.Columns(“列名”) ‘定義輸入列

dsoColumn.IsInput=True

dsoColumn.IsDisabled=False ‘處理前使該列激活

…

Set dsoColumn=dsoDmm.Columns(“列名”) ‘定義預(yù)測列

dsoColumn.IsPredictable=True

dsoColumn.IsDisabled=False

dsoDmm.LastUpdated=Now ‘設(shè)置更新日期為現(xiàn)在

dsoDmm.Update ‘保存模型的元數(shù)據(jù)

dsoDmm.LockObject olapLockProcess‘處理模型前進(jìn)行鎖定

dsoDmm. Process processFull ‘處理模型

dsoDmm. UnlockObject ‘解鎖

在客戶端應(yīng)用程序中創(chuàng)建數(shù)據(jù)挖掘模型不是使用DSO而是使用數(shù)據(jù)定義語言（ＤＤＬ）。ＤＤＬ是在ＯＬＥ ＤＢ Ｆｏｒ ＤＭ里定義的，是ＳＱＬ語言的擴(kuò)展，非常類似于ＳＱＬ，這也使得成千上萬的ＳＱＬ程序員而不是數(shù)據(jù)挖掘?qū)I(yè)人員，可以方便地利用他們的ＳＱＬ知識來建立數(shù)據(jù)挖掘模型。如果應(yīng)用程序運(yùn)行在客戶端，那么首先要在客戶端通過使用PivotTable Service連接到Analysis Services，然后在應(yīng)用程序中運(yùn)行DDL命令，來完成數(shù)據(jù)挖掘模型創(chuàng)建。以下是用來創(chuàng)建數(shù)據(jù)挖掘模型的命令：

CREATE MINING MODEL [模型名稱]

( [列名] 列的數(shù)據(jù)類型 列類型，

…

[列名] 列的數(shù)據(jù)類型 列類型） USING ＜算法名稱＞

對于使用OLAP立方的數(shù)據(jù)挖掘模型的訓(xùn)練模型命令：

INSERT INTO ＜model name＞

對于使用關(guān)系型數(shù)據(jù)的數(shù)據(jù)挖掘模型的訓(xùn)練模型命令：

INSERT INTO ＜ model name ＞ (＜column names＞ )＜source data＞

4. 3. 2利用數(shù)據(jù)挖掘模型進(jìn)行預(yù)測查詢

數(shù)據(jù)挖掘的基本功能是允許最終用戶根據(jù)從訓(xùn)練數(shù)據(jù)挖掘模型時(shí)學(xué)到的知識進(jìn)行預(yù)測。OLE DB For Data Mining中定義了預(yù)測查詢組件的使用，Analysis Services已經(jīng)增加了一個(gè)SQL擴(kuò)展，即預(yù)測連接（Ｐrediction Ｊoin），一個(gè)預(yù)測連接的完成需要一個(gè)已訓(xùn)練好的數(shù)據(jù)挖掘模型并指定它與新數(shù)據(jù)的關(guān)系，然后利用該模型對新數(shù)據(jù)進(jìn)行預(yù)測。以下是預(yù)測查詢的語句：

SELECT ＜ SELECT-expressions＞ FROM ＜ model name ＞

PREDICTION JOIN ＜被預(yù)測的新事例＞ ON ＜join condition＞

[WHERE ＜ WHERE- expression ＞]

表達(dá)式中 PREDICTION JOIN … ON字句規(guī)定了數(shù)據(jù)挖掘模型中的列和設(shè)計(jì)的輸入數(shù)據(jù)源之間的映射聯(lián)接。同時(shí)OLE DB For Data Mining中制定了大量的預(yù)測函數(shù)，它們能夠在預(yù)測語句中的SELECT字句中被調(diào)用，利用這些預(yù)測函數(shù)可以得到大量的附加信息，例如預(yù)測精確度，最大可能性的行的統(tǒng)計(jì)偏差等信息。詳細(xì)的預(yù)測函數(shù)定義可以參考OLE DB For Data Mining。

5 結(jié)束語

決策支持系統(tǒng)的建立是一項(xiàng)復(fù)雜的系統(tǒng)工程。企業(yè)需要決策支持系統(tǒng)提供的決策信息會隨著企業(yè)的發(fā)展和管理的需要不斷地變化，因此決策支持系統(tǒng)的解決方案制訂和實(shí)現(xiàn)技術(shù)選擇是決策支持系統(tǒng)高效運(yùn)行的保障。本文提出了一個(gè)適合城市供水調(diào)度決策支持系統(tǒng)建設(shè)的方案及實(shí)現(xiàn)方法。供水企業(yè)可以利用該決策支持系統(tǒng)提高企業(yè)的管理質(zhì)量，降低生產(chǎn)成本，提高企業(yè)經(jīng)濟(jì)效益。

主要參考文獻(xiàn)

[1] Tony Bain. SQL Server 2000數(shù)據(jù)倉庫與Analysis Services[M]. 邵勇譯. 北京:中國電力出版社，2003.

[2] Margaret H Dunham. 數(shù)據(jù)挖掘教程[M]. 北京:清華大學(xué)出版社，2005.

[3] C Seidman. SQL Server 2000數(shù)據(jù)挖掘技術(shù)指南[M]. 北京:機(jī)械工業(yè)出版社，2002.

[4] 王向輝，匡曉寧，劉偉達(dá)，等. 數(shù)據(jù)挖掘技術(shù)及其在決策支持系統(tǒng)中的應(yīng)用[J]. 計(jì)算技術(shù)與自動(dòng)化，2004，32(4).

[5] 陳嵐嵐，楊波，李旭霞. 數(shù)據(jù)挖掘技術(shù)及其發(fā)展方向[J]. 武警工程學(xué)院學(xué)報(bào)，2002，18(4).