關(guān)聯(lián)規(guī)則挖掘技術(shù)在茶葉病蟲害中的研究和應(yīng)用

吳蓓（四川廣播電視大學(xué)，四川成都 610073）

關(guān)聯(lián)規(guī)則挖掘技術(shù)在茶葉病蟲害中的研究和應(yīng)用

吳蓓
（四川廣播電視大學(xué)，四川成都 610073）

本論文主要介紹關(guān)聯(lián)規(guī)則挖掘技術(shù)在茶葉病蟲害中的研究與應(yīng)用，利用經(jīng)改進(jìn)的Apriori算法挖掘各種氣候條件下出現(xiàn)茶葉病蟲害問題的等級，按照挖掘的結(jié)果進(jìn)一步分析，并以天氣預(yù)報(bào)輔助檢測茶葉病蟲害程度，同時(shí)發(fā)送相應(yīng)的預(yù)報(bào)信號。

關(guān)聯(lián)規(guī)則；數(shù)據(jù)挖掘技術(shù)；Apriori算法；病蟲害等級

數(shù)據(jù)挖掘技術(shù)也稱數(shù)據(jù)庫知識發(fā)現(xiàn)技術(shù)。數(shù)據(jù)挖掘技術(shù)是上個(gè)世紀(jì)九十年代從數(shù)據(jù)庫系統(tǒng)中衍生出來的一種新型學(xué)科及技術(shù)，它是一種針對數(shù)據(jù)庫實(shí)現(xiàn)數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)化、數(shù)據(jù)分析、數(shù)據(jù)處理以及抽取數(shù)據(jù)庫隱含的或潛在的有價(jià)值信息。近十年，我國在農(nóng)業(yè)數(shù)據(jù)普查中斥資巨大，主要調(diào)查各類農(nóng)業(yè)作物的生長苗情、土壤成分、灌溉水情、病蟲害等級、氣象災(zāi)害等諸多方面的資料，采集數(shù)據(jù)到文件存檔似乎僅限于“表面工作”，對實(shí)際生產(chǎn)并未給予足夠的幫助，大部分地區(qū)仍然以無計(jì)劃生產(chǎn)、盲目生產(chǎn)的狀態(tài)從事農(nóng)業(yè)生產(chǎn)。數(shù)據(jù)挖掘技術(shù)則通過分析數(shù)據(jù)庫系統(tǒng)中相關(guān)的數(shù)據(jù)信息來解決實(shí)際生產(chǎn)問題，目前已廣泛應(yīng)用于茶葉品質(zhì)的鑒定、農(nóng)產(chǎn)品的安全生產(chǎn)。下文討論關(guān)聯(lián)規(guī)則挖掘技術(shù)在茶葉病蟲害中的研究與應(yīng)用，重點(diǎn)挖掘茶葉病蟲害等級與氣候條件之間的關(guān)聯(lián)性，從而得出以天氣預(yù)報(bào)作為依據(jù)可發(fā)送對應(yīng)茶葉病蟲害等級的預(yù)報(bào)信號，依此保障我國茶葉茶品的品質(zhì)和生產(chǎn)質(zhì)量。

1 關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)及經(jīng)改進(jìn)Apriori算法簡介

1.1 關(guān)聯(lián)規(guī)則挖掘技術(shù)

數(shù)據(jù)挖掘技術(shù)是一項(xiàng)針對數(shù)據(jù)庫發(fā)現(xiàn)潛在價(jià)值信息的手段。關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘則是數(shù)據(jù)庫領(lǐng)域當(dāng)前最為重要的研究課題，被廣泛應(yīng)用于超市購物籃分析之中。關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)也可從關(guān)系數(shù)據(jù)系統(tǒng)與事務(wù)數(shù)據(jù)庫二者之間的項(xiàng)集挖掘相關(guān)性。

1.2 經(jīng)改進(jìn)Apriori 算法

Apriori算法是關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘的一項(xiàng)常用方法。經(jīng)改進(jìn)的Apriori算法則是在傳統(tǒng)方法的基礎(chǔ)之上統(tǒng)計(jì)數(shù)據(jù)庫中包含共有元素的項(xiàng)集，從該項(xiàng)集中可以找到高于最小支持度的項(xiàng)集，并相應(yīng)產(chǎn)生C1頻繁集合。然而，將C1集合做一定循環(huán)處理直至頻繁項(xiàng)集不再出現(xiàn)。當(dāng)循環(huán)處理過程完成第n步，將其分割為2個(gè)階段：第一階段，利用Apriori_gen函數(shù)將第n-1步中的頻繁集合Ln-1進(jìn)一步產(chǎn)生候選項(xiàng)集Cn；第二階段，查詢集合Ck，并經(jīng)運(yùn)算得出候選項(xiàng)集Ck相應(yīng)的支持度參數(shù)。

2 關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)在茶葉病蟲害發(fā)生等級預(yù)測方面的應(yīng)用

本論文以云南普洱茶種植作為研究對象，采集并記錄普洱茶病蟲害樣本和相關(guān)氣象數(shù)據(jù)資料，利用關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘Apriori算法研究普洱茶種植病蟲害發(fā)生等級與氣候條件之間的聯(lián)系，并分析具體的挖掘結(jié)構(gòu)。

2.1 預(yù)處理與研究分析

2.1.1 構(gòu)建數(shù)據(jù)庫系統(tǒng)

按照云南茶科所針對普洱茶種植病蟲害情況的調(diào)查分析，該省主產(chǎn)區(qū)茶樹病蟲害主要以小綠葉蟬、茶葉斑蛾和茶細(xì)蛾居多。其中，尤以小綠葉蟬嚴(yán)重。小綠葉蟬作為云南省普洱茶主產(chǎn)區(qū)的主要病蟲害，對該地區(qū)普洱茶產(chǎn)量影響高達(dá)15%左右。鑒于此，筆者將小綠葉蟬作為本文研究關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)在茶葉病蟲害中應(yīng)用的研究樣本，主要的氣候條件則涉及當(dāng)?shù)氐钠骄鶜鉁?、年最高氣溫、年最低氣溫、降水量和日照時(shí)數(shù)五項(xiàng)影響因子。

2.1.2 采集數(shù)據(jù)的預(yù)處理

該地區(qū)的平均氣溫、年最高氣溫、年最低氣溫、降水量和日照時(shí)數(shù)五項(xiàng)影響因子作為研究系統(tǒng)的數(shù)值屬性，且具有明顯的非離散特征。因此，我們可將以上五項(xiàng)影響因子做初步的離散和處置，劃分四個(gè)等級依次標(biāo)注為輕微發(fā)生、中等發(fā)生、較嚴(yán)重發(fā)生和嚴(yán)重發(fā)生。

2.2 氣候條件與小綠葉蟬病蟲害發(fā)生等級的關(guān)聯(lián)性分析

利用Apriori算法關(guān)聯(lián)上一步驟已經(jīng)進(jìn)行初步處理的數(shù)據(jù)樣本，并分別分析當(dāng)?shù)氐钠骄鶜鉁?、年最高氣溫、年最低氣溫、降水量和日照時(shí)數(shù)五種氣候條件（即五項(xiàng)影響因子）與小綠葉蟬病蟲害發(fā)生等級之間的關(guān)聯(lián)性。

2.2.1 平均氣溫與小綠葉蟬病蟲害發(fā)生等級之間的關(guān)聯(lián)性分析

利用Apriori算法對已采集樣本予以處置并挖掘相關(guān)的數(shù)值屬性。當(dāng)設(shè)置其最小的支持頻度為0.2且置信度為50%的時(shí)候，可獲得11項(xiàng)頻繁項(xiàng)集。若設(shè)置其最小的置信度為50%時(shí)即可獲得與之對應(yīng)的關(guān)聯(lián)規(guī)則：置信度為60%時(shí)，平均氣溫（A4）=應(yīng)小綠葉蟬病蟲害發(fā)生等級（F4）；置信度為75%時(shí)，平均氣溫（A2）=應(yīng)小綠葉蟬病蟲害發(fā)生等級（F4）。由以上關(guān)聯(lián)規(guī)則可知，當(dāng)?shù)仄骄鶜鉁嘏c小綠葉蟬病蟲害發(fā)生等級具有明顯的關(guān)聯(lián)性。當(dāng)平均氣溫適宜，與之對應(yīng)的小綠葉蟬病蟲害嚴(yán)重發(fā)生且置信度約為75%；當(dāng)平均氣溫較高，與之對應(yīng)的小綠葉蟬病蟲害嚴(yán)重發(fā)生且置信度約為60%。因此也說明，適宜的平均氣溫容易擴(kuò)大小綠葉蟬病蟲害的發(fā)生，而溫度較高則于小綠葉蟬的繁殖不利。

2.2.2 年最高氣溫與小綠葉蟬病蟲害發(fā)生等級之間的關(guān)聯(lián)性分析

利用Apriori算法對已采集樣本予以處置并挖掘相關(guān)的數(shù)值屬性。當(dāng)設(shè)置其最小的支持頻度為0.2且置信度為50%的時(shí)候，可獲得11項(xiàng)頻繁項(xiàng)集。若設(shè)置其最小的置信度為50%，從關(guān)聯(lián)性結(jié)果來看，年最高氣溫于小綠葉蟬病蟲害的發(fā)生等級并沒有較為明顯的關(guān)聯(lián)性。這也說明，年最高氣溫與小綠葉蟬病蟲發(fā)生的影響微乎其微。

2.2.3 年最低氣溫與小綠葉蟬病蟲害發(fā)生等級之間的關(guān)聯(lián)性分析

利用Apriori算法對已采集樣本予以處置并挖掘相關(guān)的數(shù)值屬性。當(dāng)設(shè)置其最小的支持頻度為0.2且置信度為50%的時(shí)候，可獲得12項(xiàng)頻繁項(xiàng)集。若設(shè)置其最小的置信度為50%時(shí)即可獲得與之對應(yīng)的關(guān)聯(lián)規(guī)則：置信度為60%時(shí)，年最低氣溫（C4）=應(yīng)小綠葉蟬病蟲害發(fā)生等級（F3）；置信度為75%時(shí)，平均氣溫（C3）=應(yīng)小綠葉蟬病蟲害發(fā)生等級（F4）。由以上關(guān)聯(lián)規(guī)則可知，當(dāng)?shù)啬曜畹蜌鉁嘏c小綠葉蟬病蟲害發(fā)生等級具有一定程度的關(guān)聯(lián)性。年最低氣溫很低，與之對應(yīng)的小綠葉蟬病蟲害嚴(yán)重發(fā)生且置信度約為75%；當(dāng)年最低氣溫較低，與之對應(yīng)的小綠葉蟬病蟲害嚴(yán)重發(fā)生且置信度約為60%。因此也說明，年最低氣溫可對小綠葉蟬病蟲害的發(fā)生等級造成一定影響。從實(shí)際情況來看，每年的6～10月份為小綠葉蟬病蟲害發(fā)展最嚴(yán)重的時(shí)期。

2.2.4 降水量與小綠葉蟬病蟲害發(fā)生等級之間的關(guān)聯(lián)性分析

利用Apriori算法對已采集樣本予以處置并挖掘相關(guān)的數(shù)值屬性。當(dāng)設(shè)置其最小的支持頻度為0.2且置信度為50%的時(shí)候，可獲得9項(xiàng)頻繁項(xiàng)集。若設(shè)置其最小的置信度為50%時(shí)即可獲得與之對應(yīng)的關(guān)聯(lián)規(guī)則：置信度為75%時(shí)，降水量（D2）=應(yīng)小綠葉蟬病蟲害發(fā)生等級（F4）；置信度為100%時(shí)，降水量（D4）=應(yīng)小綠葉蟬病蟲害發(fā)生等級（F2）。由以上關(guān)聯(lián)規(guī)則可知，降水量與小綠葉蟬病蟲害發(fā)生等級具有一定程度的關(guān)聯(lián)性。當(dāng)降水量較小時(shí)，與之對應(yīng)的小綠葉蟬病蟲害嚴(yán)重發(fā)生且置信度約為75%；當(dāng)降水量較大時(shí)，與之對應(yīng)的小綠葉蟬病蟲害嚴(yán)重發(fā)生且置信度約為100%。因此也說明，較大的降水量會影響小綠葉蟬病蟲的生長和繁殖，而較小的降水量便會為小綠葉蟬創(chuàng)造良好的生長條件。

2.2.5 日照時(shí)數(shù)與小綠葉蟬病蟲害發(fā)生等級之間的關(guān)聯(lián)性分析

利用Apriori算法對已采集樣本予以處置并挖掘相關(guān)的數(shù)值屬性。當(dāng)設(shè)置其最小的支持頻度為0.2且置信度為50%的時(shí)候，可獲得11項(xiàng)頻繁項(xiàng)集。若設(shè)置其最小的置信度為50%時(shí)即可獲得與之對應(yīng)的關(guān)聯(lián)規(guī)則：置信度為75%時(shí)，降水量（E1）=應(yīng)小綠葉蟬病蟲害發(fā)生等級（F4）；置信度為100%時(shí)，降水量（E3）=應(yīng)小綠葉蟬病蟲害發(fā)生等級（F2）。由以上關(guān)聯(lián)規(guī)則可知，日照時(shí)數(shù)與小綠葉蟬病蟲害發(fā)生等級具有較為明顯的關(guān)聯(lián)性。當(dāng)日照時(shí)數(shù)較小時(shí)，與之對應(yīng)的小綠葉蟬病蟲害嚴(yán)重發(fā)生且置信度約為75%；當(dāng)日照時(shí)數(shù)較大時(shí)，與之對應(yīng)的小綠葉蟬病蟲害嚴(yán)重發(fā)生且置信度約為100%。因此也說明，較大的日照時(shí)數(shù)會影響小綠葉蟬病蟲的生長和繁殖，而較小的日照時(shí)數(shù)便會為小綠葉蟬創(chuàng)造良好的生長條件。

2.2.5 平均氣溫、降水量和日照時(shí)數(shù)三項(xiàng)影響因子與小綠葉蟬病蟲害發(fā)生等級之間的關(guān)聯(lián)性

利用Apriori算法對已采集樣本予以處置并挖掘相關(guān)的數(shù)值屬性。當(dāng)設(shè)置其最小的支持頻度為0.2且置信度為50%的時(shí)候，可獲得的頻繁項(xiàng)集與其相對應(yīng)的支持?jǐn)?shù)和支持度結(jié)果為：置信度為F4時(shí)，當(dāng)?shù)仄骄鶜鉁兀ˋ3）-日照時(shí)數(shù)（E1）=小綠葉蟬病蟲害發(fā)生等級（F4）。由此看來，日照時(shí)數(shù)和當(dāng)?shù)仄骄鶜鉁嘏c小綠葉蟬病蟲害發(fā)生等級之間的關(guān)聯(lián)性較為明顯。在日常時(shí)數(shù)小且當(dāng)?shù)仄骄鶜鉁馗叩那闆r下，與之對應(yīng)的小綠葉蟬病蟲害發(fā)生的置信度高達(dá)75%。因此，在茶葉種植園中，大樹避蔭、平均氣溫較高的條件下小綠葉蟬病蟲生長與繁殖較為嚴(yán)重。

3 結(jié)束語

綜上所述，本論文結(jié)合云南省普洱茶常見病蟲害小綠葉蟬作為研究樣本，采集樣本數(shù)據(jù)并做好初步預(yù)處理工作，然后分析當(dāng)?shù)仄骄鶜鉁?、年最高氣溫、年最低氣溫、降水量和日照時(shí)數(shù)五項(xiàng)主要影響因子與小綠葉蟬病蟲害發(fā)生等級之間的關(guān)聯(lián)性。由分析結(jié)果可知，小綠葉蟬病蟲害發(fā)生等級與平均氣溫、年最低氣溫、降水量和日照時(shí)數(shù)四個(gè)影響因子關(guān)聯(lián)較大。通過以上研究和應(yīng)用，該地區(qū)種植茶葉可依次做好相應(yīng)的防害準(zhǔn)備，并利用天氣預(yù)報(bào)及時(shí)監(jiān)測與發(fā)送預(yù)報(bào)信號。

[1]汪榮灶,王開金.茶樹病蟲害防治學(xué)[M].北京:中國農(nóng)業(yè)出版社, 1999.

[2]王麗珍,周麗華,陳紅每,肖清.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘原理及應(yīng)用[M].北京:科學(xué)出版社,2009.

[3]徐章艷,劉美玲.Apriori算法的三種優(yōu)化方法[J].計(jì)算機(jī)工程與應(yīng)用,2014(2):36-36．

[4]朱孝宇,王理東,汪光陽.一種改進(jìn)的Apriori挖掘關(guān)聯(lián)規(guī)則算法[J].計(jì)算機(jī)技術(shù)與發(fā)展,2011(12):89-90.

[5]唐常杰,張悅,唐良,等.亞復(fù)雜系統(tǒng)中動(dòng)力學(xué)干預(yù)規(guī)則挖掘技術(shù)研究進(jìn)展[J].計(jì)算機(jī)應(yīng)用,2013(11):130-133.

吳 蓓（1981-），女，四川安岳人，碩士，講師，研究方向：計(jì)算機(jī)網(wǎng)絡(luò)、圖像圖像處理、算法。