數據倉庫技術在水稻栽培管理決策支持系統(tǒng)中的應用分析

[摘 要] 國家的改革開放使得我國的農業(yè)技術有了突飛猛進的發(fā)展，水稻的培植方面就是其中之一，實現(xiàn)了優(yōu)質、高產、生態(tài)安全的宗旨。運用現(xiàn)代的信息化技術來對水稻進行精心的培植，就需要到了解大量與農業(yè)有關的信息，但是這些信息是非常繁雜的，同時還存在變化性、多維性和動態(tài)性，主要是體現(xiàn)在病蟲、氣象和土壤等因素上，也體現(xiàn)了該倉庫技術應用于水稻栽培管理上的挑戰(zhàn)性。因此，在下面的文章里就結合精準數據來進行研究水稻培植和管理。

[關鍵詞] 倉庫技術 水稻 應用

[中圖分類號] S511 [文獻標識碼] A [文章編號] 1003-1650 （2013）05-0069-01

一、前言

最近這幾年，數據倉庫技術因得到了政策的支持，所以該技術一直都在進步和完善之中。現(xiàn)在對于處理數據系統(tǒng)中的發(fā)展規(guī)律性與數據間的關聯(lián)性都較為科學。然而，伴著農業(yè)的不斷發(fā)展，其數據也在持續(xù)增漲，原來的政策支持系統(tǒng)也表現(xiàn)出余力不足的現(xiàn)象。以前傳統(tǒng)的農業(yè)都是運用數據模型與系統(tǒng)的知識建立在政策提供的ADSS系統(tǒng)上，經過計算機協(xié)議的幫助完成了多樣的政策軟件系統(tǒng)，是創(chuàng)建在數據庫技術上，可是不足的地方是數據庫的數據是很受限制的，也不能進行大量的信息處理和歷史數據保存。但隨著數據倉庫技術的不斷完善，這些限制也都得到了良好的解決。

二、數據倉庫技術在水稻栽培管理中的應用

1.數據庫的系統(tǒng)結構

傳統(tǒng)的OLTP數據庫的設計與倉庫技術是有很大的不同，當中主要包括前端服務、后端服務與數據源倉庫。

所謂的數據源倉庫據就是根據歷史的變化主題和集成面的信息來支撐整個信息庫?？蛻舳塑浖ㄇ岸朔眨┚褪峭庾尶蛻舴治雠c利用查詢處理的方法將更多的模型數據變?yōu)榭梢暬?；而數據獲取軟件（后端服務） 就是負責向數據的倉庫供應數據的，對數據倉庫原本已有的軟件及數據進行負責計算、清理和綜合換算，向用戶與模型庫供應整理后的數據[1]。

2.數據分析

非結構化的數據系統(tǒng)是得到政策所支持的，因為其中一次簡單的查詢就要聯(lián)系到好幾百張表格的上千列數據，繁雜錯綜相交的水稻數據鏈連在一起還會干擾到整個系統(tǒng)的性能，并且客戶只有在剖析時才能夠得到相關的農業(yè)水稻數據，查找的方式也是很隨機的，還主要是受到系統(tǒng)的局限性制約?，F(xiàn)在最為廣泛使用的方式是水稻數據挖掘以及聯(lián)機的分析解決法，同時還要在計劃的系統(tǒng)處境里直接為水稻數據挖掘與聯(lián)機分析處理提供數據倉庫[2]。

3.數據挖掘法的研究

在有關水稻的數據倉庫里存放著多種多樣的存儲數據和集成數據，但是怎樣在其中獲得有效的信息數據是需要到一定技術的相協(xié)調的[3]。同時在對水稻數據開展數據上挖掘還要運用快速精準的換算方法，根據水稻數據庫的不同層面使用不一樣的推算法，得出的結果進行比較分析。依照這樣子的規(guī)律把水稻數據倉庫分成不同的子母表格和列表的記錄信息，因此就更加有利于對水稻數據的挖掘和運算，也利于我國農業(yè)栽培管理的發(fā)展。

4.系統(tǒng)的整體設計

水稻的系統(tǒng)的策劃是運用了整體決策支持系統(tǒng)。決策支持系統(tǒng)是運用了新的決策系統(tǒng)與原有的決策支持系統(tǒng)相結合的，兩者還進行相互聯(lián)系、補充以及促進。其中的水稻數據要確保做到數據的綜合運算，完成聯(lián)機的多維立體數據分析。利用數據的挖掘功能對數據倉庫知識與挖掘數據庫里的信息進行綜合運算，落實多個模型組結合運算的水稻數據庫，也為水稻數據庫的技術研究管理給予有效的幫助。為此，相關的專業(yè)人士可以將這一數據庫進行定性的分析和推廣，集成健全的水稻整體結構系統(tǒng)，發(fā)揮其中的有用功效，在提高我國水稻的生產量的同時還發(fā)展了其它農業(yè)的科技水平。

5.數據倉庫模型的設計

目前有關農業(yè)數據倉庫的模型有樹形、雪花形、星形和星形雪花形四種。但是他們的區(qū)別點就是外圍的聯(lián)系是不一樣的。由于水稻數據的復雜龐大，所以要進行詳細的分析是有一定的難度，更不用說是對其目標函數的運算。因此，對于繁雜的水稻數據庫的分析最好運用星型雪花型模型。主要的優(yōu)勢是便于用戶的理解、建立模型便捷，同時還能夠根據客戶的需要進行多維的數據分析[4]。星型雪花型模型是由典型的維表與事實表構成的。事實表是用于信息的查詢，當中的子維表是可以再延伸成為事實表的整體結構。經過實踐的證明，這樣的系統(tǒng)數據倉庫表主要包括時間、地區(qū)、投資和信息等等。事實表中的維表又可以分為：①時間維表， 包括月份、季度和年度等；②地區(qū)維表，包括地區(qū)名稱、土壤、氣候類型等；③投入維表，包括水費、電費、肥料費、農藥費、農用機械費、維修費用和他費用等；④種植維表，包括種植品種、價格、質量等等；這就說明了水稻數據庫的繁雜性，要建設一個數據庫是需要投入大量的科學技術，同時也突出說星型雪花型模型術最合適運用于水稻數據庫。

三、結語

在文中，對于水稻數據庫的建立、管理和水稻栽培進行了框架的描述，還對數據倉庫技術應用于水稻栽培管理決策支持系統(tǒng)中實施了初步試的實驗，其中也依照了水稻數據的管理特點，設計出星形雪花形的數據庫結構，為水稻數據庫實現(xiàn)了OLAP技術和數據挖掘技術等運用，也為我們國家的水稻生產和農業(yè)技術的發(fā)展提供了良好的前景。

參考文獻

[1]王國偉，陳桂芬，姚玉霞，等.水稻精準作業(yè)智能空間決策支持系統(tǒng)的研究與應用[J].安徽農業(yè)科學.2010，9（32）：78.

[2]董偉，黃義德，錢平，等.基于本體的水稻栽培知識庫構建及應用[J].農業(yè)網絡信息.2011，4（01）：45-50.

[3]李西雙.數據倉庫技術在農業(yè)信息化中的應用研究[J].農業(yè)圖書情報學刊. 2011，5（02）：65.

[4]王成，李民贊，王麗麗，等.基于數據倉庫和數據挖掘技術的溫室決策支持系統(tǒng)[J].農業(yè)工程學報.2012，1（11）：101.