黃河多源異構凌情數(shù)據(jù)倉庫初步研究

劉吉峰 羅勐 梁聰聰

摘 要：氣象、水文、工程等海量數(shù)據(jù)信息和文檔資料是防凌減災分析決策的基礎。以多源異構數(shù)據(jù)倉庫建設為目標，針對防凌減災各項業(yè)務流程和數(shù)據(jù)需求，提出黃河凌情數(shù)據(jù)倉庫架構體系。依據(jù)防凌工作主題設計數(shù)據(jù)倉庫多維數(shù)據(jù)模型。在此基礎上，利用ETL工具對原始觀測數(shù)據(jù)進行集成整合，建立黃河多源異構凌情數(shù)據(jù)倉庫，并集成在黃河防凌智慧平臺。通過數(shù)據(jù)倉庫可以為防凌業(yè)務提供大量分析型數(shù)據(jù)信息，提高黃河防凌減災綜合決策水平和工作效率。

關鍵詞：凌情;多源異構;數(shù)據(jù)倉庫;黃河

中圖分類號：P337;TV882.1

文獻標志碼：A

doi：10.3969/j.issn.1000-1379.2022.02.006

引用格式：劉吉峰，羅勐，梁聰聰.黃河多源異構凌情數(shù)據(jù)倉庫初步研究[J].人民黃河，2022，44（2）：27-31.

Abstract： Massive meteorological， hydrological and engineering data was the basis of decision analysis of ice flood prevention and disaster reduction. Data warehouse framework of ice condition was built based on the work process and data requirements of ice flood control and disaster reduction;and data cubes were designed according to the themes of ice flood control work. Based on this， the Yellow River multi-source heterogeneous data warehouse of ice condition was founded by utilizing ETL （Extract-Transform-Load） tool to integrate and transform the original observation data. Decision level and operating efficiency on ice flood prevention business would be improved by using the data warehouse which could provide massive analytic data.

Key words： ice regime;multi-source heterogeneous;data warehouse;Yellow River

黃河凌汛災害是我國冬春季節(jié)大江大河中最突出、最重大的自然災害，具有成因復雜、突發(fā)性強和防控難度大等特點[1]。防凌減災工作涉及氣象、水文、工程管理等多個領域，隨著水利信息化的快速發(fā)展，凌情監(jiān)測數(shù)據(jù)日益豐富，類型多樣，數(shù)量龐大，具有多源異構特征，人民治黃70多年來，積累了大量凌情數(shù)據(jù)信息，為黃河凌汛安瀾提供了重要數(shù)據(jù)支持。

數(shù)據(jù)倉庫是一個為決策支持服務的、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[2]，是把操作型數(shù)據(jù)提取轉化為分析型數(shù)據(jù)的一種信息技術[3]。數(shù)據(jù)倉庫技術在20世紀70年代開始萌芽，90年代數(shù)據(jù)倉庫概念逐漸確立并得到蓬勃發(fā)展，隨著計算機技術的發(fā)展，數(shù)據(jù)倉庫技術逐漸在金融、保險、交通、零售、電信、醫(yī)療等各個行業(yè)得到廣泛應用[4]。

數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術是水利信息化的重要實現(xiàn)工具[5]。目前水文數(shù)據(jù)庫提供的信息服務以聯(lián)機事務處理方式為主，較少提供決策分析型數(shù)據(jù)服務[6-7]，不能很好滿足中央防災減災新理念、新要求[8]。目前正值水利信息化快速發(fā)展時期，提升水利大數(shù)據(jù)分析處理能力和共享服務水平，有助于提高水情現(xiàn)代化、智能化水平[9]。因此，借助數(shù)據(jù)倉庫技術，對原始凌情數(shù)據(jù)進行提取、轉換、加工處理等，形成可用于防凌業(yè)務的專用數(shù)據(jù)集，建立黃河多源異構凌情數(shù)據(jù)倉庫，可以有效整合凌情數(shù)據(jù)資源，為黃河防凌減災決策業(yè)務提供綜合分析決策工具。

1 凌情數(shù)據(jù)倉庫架構體系

建立凌情數(shù)據(jù)倉庫的目的是完成對黃河凌情數(shù)據(jù)的快速準確提取、統(tǒng)計、分析，為防凌業(yè)務提供高效決策依據(jù)。凌情數(shù)據(jù)倉庫建設主要有以下幾個步驟：①源數(shù)據(jù)的分析梳理，對現(xiàn)有凌情數(shù)據(jù)的種類、存儲形式、軟硬件環(huán)境進行分析研究;②針對防凌業(yè)務需求、數(shù)據(jù)源和數(shù)據(jù)流程，確定防凌減災業(yè)務對應的倉庫主題;③數(shù)據(jù)倉庫設計，根據(jù)業(yè)務需求和凌情數(shù)據(jù)特性，進行數(shù)據(jù)倉庫設計;④開發(fā)ETL（Extract-Transform-Load，抽取、轉換和加載）工具，按照業(yè)務主題和數(shù)據(jù)源，通過抽取、轉換和加載，將所需數(shù)據(jù)加載到數(shù)據(jù)倉庫;⑤數(shù)據(jù)倉庫管理和更新;⑥數(shù)據(jù)倉庫軟硬件環(huán)境搭建。

按照基礎數(shù)據(jù)層、數(shù)據(jù)處理層、數(shù)據(jù)匯集層、應用服務層等4層架構體系設計凌情數(shù)據(jù)倉庫系統(tǒng)，根據(jù)數(shù)據(jù)倉庫主題和數(shù)據(jù)流程建立適合各項防凌業(yè)務工作的相關數(shù)據(jù)模型。

1.1 基礎數(shù)據(jù)層

黃河流域相關凌情基礎數(shù)據(jù)為凌情數(shù)據(jù)倉庫的數(shù)據(jù)源，凌情數(shù)據(jù)倉庫為防凌工作提供數(shù)據(jù)分析成果?；A數(shù)據(jù)按照數(shù)據(jù)的結構類型分為結構化數(shù)據(jù)和非結構化數(shù)據(jù)。結構化數(shù)據(jù)按照數(shù)據(jù)采集時間和項目的不同，分別存儲于不同的基礎數(shù)據(jù)庫中，凌情數(shù)據(jù)倉庫設計所需的支撐數(shù)據(jù)庫有關于水情、氣象、凌情的歷史類數(shù)據(jù)庫和實時類數(shù)據(jù)庫。歷史類數(shù)據(jù)庫提供經水文整編之后的數(shù)據(jù)，該類數(shù)據(jù)經人工審核后整理入庫，數(shù)據(jù)清潔度高。實時類數(shù)據(jù)庫包含人工報汛類和儀器自動報汛類數(shù)據(jù)，人工報汛類數(shù)據(jù)為采集數(shù)據(jù)經人工審核后報汛入庫，清潔度較高;儀器自動報汛類數(shù)據(jù)為儀器采集后未經審核直接入庫，該類數(shù)據(jù)清潔度較低。非結構化數(shù)據(jù)主要包括與凌情有關的圖片、視頻、文檔等數(shù)據(jù)，以文件集的形式存儲，該類數(shù)據(jù)為采集并經人工整理后存入文件集。

1.2 數(shù)據(jù)處理層

該層鏈接基礎數(shù)據(jù)層和數(shù)據(jù)匯集層，其主要任務是按照數(shù)據(jù)倉庫主題所需數(shù)據(jù)的標準對基礎數(shù)據(jù)層中的數(shù)據(jù)進行搜尋、抽取、清洗、轉換和計算。數(shù)據(jù)倉庫中的數(shù)據(jù)為分析型數(shù)據(jù)，其數(shù)據(jù)清潔度、數(shù)據(jù)類型、格式等與基礎數(shù)據(jù)庫中的操作型數(shù)據(jù)有很大的差別。為滿足分析型數(shù)據(jù)的需求，數(shù)據(jù)處理層設置質量控制、數(shù)據(jù)轉換、數(shù)據(jù)計算等模塊用于源數(shù)據(jù)的分析處理。

1.3 數(shù)據(jù)匯集層

該層主要實現(xiàn)將處理后的綜合類凌情數(shù)據(jù)裝載于倉庫主題對應的表結構。凌情數(shù)據(jù)倉庫表結構根據(jù)具體凌情業(yè)務所需數(shù)據(jù)的格式、時空尺度、采集項目類型等進行設計。經處理之后的數(shù)據(jù)按照倉庫主題需求進行數(shù)據(jù)分類裝載。

1.4 應用服務層

應用服務層主要包括數(shù)據(jù)倉庫中數(shù)據(jù)資源的應用，如數(shù)據(jù)資源訪問及調用、數(shù)據(jù)資源管理等業(yè)務。

數(shù)據(jù)倉庫數(shù)據(jù)資源訪問及調用服務部署于服務器上，采用Web API服務的形式提供，根據(jù)對數(shù)據(jù)倉庫和數(shù)據(jù)主題的分析，將數(shù)據(jù)倉庫數(shù)據(jù)資源訪問服務劃分為水文分析類服務、氣象分析類服務、凌情分析類服務、工情分析類服務、工程地理類服務。數(shù)據(jù)的輸入方式均為條件輸入，比如輸入測站編碼或名稱、開始時間、結束時間、統(tǒng)計類型等，根據(jù)輸入的條件，返回符合條件的json或xml數(shù)據(jù)。

數(shù)據(jù)資源管理是對這些基礎數(shù)據(jù)的管理，包括增加、修改、刪除和查詢等操作，以系統(tǒng)的方式進行展示和操作，并對這些數(shù)據(jù)進行維護管理。其功能通過數(shù)據(jù)資源管理平臺實現(xiàn)，凌情數(shù)據(jù)倉庫數(shù)據(jù)資源管理平臺采用B/S架構開發(fā)，以實現(xiàn)對數(shù)據(jù)倉庫的數(shù)據(jù)管理和展示為主要目的，數(shù)據(jù)倉庫所涉及的水文信息、氣象信息、凌情、工程、工程地理等信息通過ETL技術從實時水雨情數(shù)據(jù)庫、歷史凌情數(shù)據(jù)庫、歷史徑流數(shù)據(jù)庫、調水數(shù)據(jù)庫取得。主要功能包括凌情動態(tài)監(jiān)測、凌情預警預報、凌情災害防控、防凌水庫調度和系統(tǒng)管理。

2 凌情數(shù)據(jù)倉庫設計

基于防凌業(yè)務需求設計凌情數(shù)據(jù)倉庫。具體過程包括：根據(jù)業(yè)務流程確定數(shù)據(jù)倉庫主題、概念模型設計、邏輯模型設計和物理模型設計等。

2.1 確定數(shù)據(jù)倉庫主題

數(shù)據(jù)倉庫主題是高層次的數(shù)據(jù)歸類的抽象，每一個主題域對應一種凌情數(shù)據(jù)分析領域，包括時空范圍的數(shù)據(jù)序列。根據(jù)防凌業(yè)務類型和數(shù)據(jù)分析需求確定主題。

數(shù)據(jù)倉庫的建立主要為以下4個方面的防凌減災業(yè)務提供數(shù)據(jù)支撐：①凌情監(jiān)視分析，監(jiān)視河道實時凌水情變化，包括河道實時水位、流量、槽蓄水增量、引退水信息等變化;②凌情預警預報，根據(jù)當前防凌工作要求，分析預測流凌、封河和開河日期，以及開河期凌峰流量和最大10 d水量預報;③凌情風險分析，在凌情定點監(jiān)測、巡測、遙測和凌情預報等基礎上，分析凌情發(fā)展趨勢和潛在風險;④凌情災害防控和搶護，災害防控主要包括水庫防凌調度、緊急分凌、人工破冰、現(xiàn)場救災等。

凌情數(shù)據(jù)倉庫直接為黃河防凌調度服務，基于防凌業(yè)務確定4類凌情數(shù)據(jù)倉庫主題域，即凌情監(jiān)視分析、凌情預警預報、凌情風險分析、凌情災害防控與搶護等。在這4類主題域范圍內根據(jù)具體業(yè)務需求設置倉庫主題，如在凌情預警預報主題域范圍內，根據(jù)不同凌情預測內容可以分為流凌預報、封河預報、開河預報等主題。

2.2 概念模型設計

概念模型設計是把各個主題的業(yè)務流程抽象出實體和關系，確定事實和度量、維和層次，形成凌情數(shù)據(jù)的多維架構。其目的是根據(jù)數(shù)據(jù)倉庫主題重新梳理凌情數(shù)據(jù)，使得原來分散的凌情數(shù)據(jù)在邏輯上能更有效地集成。概念模型直接面向防凌業(yè)務各個主題，因此更具有專業(yè)性。

以封河預報主題為例對概念模型設計進行說明。封河預報主題的主要目的是基于數(shù)據(jù)倉庫技術，對不同流量等級、降溫過程以及河道條件等影響因子共同作用下的封河條件進行分類討論，并利用水情凌情動態(tài)監(jiān)測數(shù)據(jù)、水庫調度計劃、氣象預報等信息對未來凌情發(fā)展變化趨勢進行綜合性預報，為防凌部門防凌減災提供技術支持。

基于業(yè)務流程和數(shù)據(jù)需求確定封河預報主題，推導出事實、度量、維、層次等，即可初步確定封河預報數(shù)據(jù)的多維架構，見圖1。封河預報事實可對應時間、空間和站點類型3個維度。

2.3 邏輯模型設計

邏輯模型直接反映防凌業(yè)務需求，對概念模型進行實現(xiàn)，并引導系統(tǒng)的物理部署，是概念設計和物理實現(xiàn)之間的紐帶。其設計是整個凌情數(shù)據(jù)形式化表達的實施落地環(huán)節(jié)，也是凌情數(shù)據(jù)倉庫設計工作的關鍵環(huán)節(jié)。模型設計時形成實際的表單，對表單的描述記錄在數(shù)據(jù)倉庫的元數(shù)據(jù)中。該階段主要內容包括：一是概念多維向邏輯多維模型的轉化;二是定義ETL流程，完成數(shù)據(jù)映射過程的設計工作。

根據(jù)事實表和維度表的關系，把數(shù)據(jù)模型分為星型模型、雪花型模型及星座模型。根據(jù)封河預報數(shù)據(jù)的特點，結合多維模型結構的簡潔性，封河預報事實表采用星型模型進行多維數(shù)據(jù)建模。星型模型的維度建模由一個事實表和一組維表組成，以事實表為核心，維表圍繞核心成星型分布，維表只和事實表關聯(lián)，維表之間沒有關聯(lián)。封河預報事實通過外關鍵字分別和時間維表、空間維表、站點類型維表的主鍵鏈接，形成星型多維數(shù)據(jù)模型，見圖2。

2.4 物理模型設計

數(shù)據(jù)倉庫的物理模型就是數(shù)據(jù)倉庫邏輯模型在物理系統(tǒng)中的實現(xiàn)模式。物理模型設計根據(jù)業(yè)務需要和數(shù)據(jù)倉庫框架的特點，對物理設備上的存儲結構和讀寫過程進行設計，包括表的索引、數(shù)據(jù)約束、數(shù)據(jù)類型和格式等。凌情數(shù)據(jù)倉庫利用SQL Server 2014進行物理設計實現(xiàn)，倉庫建立各主題所需表的存儲空間，建立凌情數(shù)據(jù)各基礎數(shù)據(jù)庫與倉庫主題之間的映射關系。

3 凌情數(shù)據(jù)倉庫ETL

ETL應用作為構建數(shù)據(jù)倉庫的重要一環(huán)，對數(shù)據(jù)倉庫起著無可替代的作用，ETL工具負責將異構數(shù)據(jù)源中的數(shù)據(jù)（如關系數(shù)據(jù)、平面數(shù)據(jù)文件等）抽取到臨時中間層后進行清洗、轉換、集成，最后加載到數(shù)據(jù)倉庫或數(shù)據(jù)集市中，成為聯(lián)機分析處理、數(shù)據(jù)挖掘的基礎。

3.1 ETL工具

3.1.1 ETL流程

ETL是將黃河流域實時雨水情數(shù)據(jù)庫、凌情歷史數(shù)據(jù)庫和收集整理的歷史凌情數(shù)據(jù)經過抽取、清洗、轉換之后加載到凌情數(shù)據(jù)倉庫的過程，目的是將分散、零亂、標準不統(tǒng)一的數(shù)據(jù)整合到一起，為黃河智慧防凌平臺提供分析數(shù)據(jù)，ETL流程見圖3。

3.1.2 ETL選擇

根據(jù)當前幾款主流的ETL應用工具平臺，并結合凌情數(shù)據(jù)倉庫的實際應用和需求，黃河流域多源異構凌情數(shù)據(jù)倉庫選擇kettle工具作為凌情數(shù)據(jù)倉庫的ETL工具。kettle工具具有以下優(yōu)點：①兼容性高;②高效工具集;③圖形界面設計;④定時操作;⑤免費開源。

3.2 ETL應用

3.2.1 數(shù)據(jù)抽取

數(shù)據(jù)抽取主要是從黃河流域實時、歷史氣象水文數(shù)據(jù)庫中抽取數(shù)據(jù)。從數(shù)據(jù)庫中抽取數(shù)據(jù)一般分為全量抽取和增量抽取兩種方式。防凌重點關注站點的歷史氣象、水情、凌情數(shù)據(jù)通過全量抽取的方式實現(xiàn)數(shù)據(jù)的復制;實時水雨情數(shù)據(jù)庫、歷史凌情數(shù)據(jù)庫中有些數(shù)據(jù)是不斷更新的，通過增量抽取實現(xiàn)數(shù)據(jù)倉庫的數(shù)據(jù)更新。

3.2.2 數(shù)據(jù)清洗

數(shù)據(jù)清洗是指將不同來源的黃河流域歷史、實時氣象水文數(shù)據(jù)進行清洗，將不符合要求的數(shù)據(jù)、臟數(shù)據(jù)、重復的數(shù)據(jù)和不完整數(shù)據(jù)過濾掉。比如水位數(shù)據(jù)不在正常值范圍內的通過數(shù)據(jù)清洗全部清除。

3.2.3 數(shù)據(jù)轉換

數(shù)據(jù)轉換主要是將抽取的黃河流域氣象水文數(shù)據(jù)按照凌情數(shù)據(jù)倉庫表結構要求進行轉換和加工。比如年月旬日內均值、最大值和最小值以及出現(xiàn)時間的數(shù)據(jù)轉換以及行轉列等操作。

3.2.4 數(shù)據(jù)加載

數(shù)據(jù)加載是將轉換和加工后的數(shù)據(jù)加載到凌情數(shù)據(jù)倉庫中。有兩種加載方式，一是直接在ETL作業(yè)中用SQL語句進行插入、更新和刪除操作，二是在ETL作業(yè)中采用批量加載的方法。第一種操作方式進行了日志記錄并且是可恢復的，第二種操作方式批量加載操作易于使用，并且在加載大量數(shù)據(jù)時效率更高。

3.2.5 非結構化數(shù)據(jù)的處理

非結構化數(shù)據(jù)（圖片、文檔、視頻、音頻等）的處理主要采用kettle ftp文件傳輸?shù)姆绞綄崿F(xiàn)，利用kettle ftp 文件傳輸功能，在原始服務器中建立ftp服務器，在目標服務器（數(shù)據(jù)倉庫服務器）中利用kettle ftp文件傳輸功能，通過ftp賬戶實現(xiàn)ftp服務器的鏈接，并建立相關作業(yè)定時調度。讀取原始服務器中相關庫表的非結構化數(shù)據(jù)路徑，并根據(jù)作業(yè)定時調度設置的抽取時間、次數(shù)，從而實現(xiàn)非結構化數(shù)據(jù)從原始服務器到目標服務器的全量抽取、增量抽取和遷移，文件相關的其他屬性（文件名稱、編碼、時間）和路徑采用結構化數(shù)據(jù)抽取方式，與非結構化數(shù)據(jù)抽取采用同一作業(yè)定時調度，以保持數(shù)據(jù)的一致性、完整性，從而完成非結構化數(shù)據(jù)及其相關的結構化數(shù)據(jù)的ETL應用和處理。

3.2.6 任務執(zhí)行周期設定

凌情數(shù)據(jù)倉庫根據(jù)數(shù)據(jù)的時間尺度分為日、旬、月、特征期、年。數(shù)據(jù)任務的執(zhí)行周期根據(jù)數(shù)據(jù)的時間尺度設定。日執(zhí)行數(shù)據(jù)設定為每日固定時間加載前一日數(shù)據(jù)，旬（月、年）執(zhí)行數(shù)據(jù)設定每旬（月、年）第一天固定時間加載前一旬（月、年）數(shù)據(jù)，特征期執(zhí)行數(shù)據(jù)為特征期結束后的次日加載前一特征期數(shù)據(jù)。

4 凌情數(shù)據(jù)倉庫技術架構和運行環(huán)境

4.1 數(shù)據(jù)倉庫技術架構

為了提高系統(tǒng)的開發(fā)效率，使數(shù)據(jù)資源得以集成和復用，數(shù)據(jù)倉庫系統(tǒng)總體框架（包括數(shù)據(jù)資源訪問服務和數(shù)據(jù)資源管理平臺）采用B/S結構體系、Web API服務、Java平臺和spring boot+mybitis架構。①B/S模式可簡化系統(tǒng)管理流程，用戶、管理員可以在網(wǎng)絡環(huán)境中通過各類終端完成數(shù)據(jù)操作。②凌情數(shù)據(jù)倉庫通過Web API在標準HTTP協(xié)議環(huán)境下提供了靈活高效的對各類終端支持良好的數(shù)據(jù)訪問服務，尤其是對移動客戶端提供良好的支持，便于凌情數(shù)據(jù)倉庫與其他防凌減災應用系統(tǒng)集成，為各類防凌減災業(yè)務提供高效可靠的凌情數(shù)據(jù)服務[10]。③對于凌情數(shù)據(jù)倉庫，Java優(yōu)秀的跨平臺能力為數(shù)據(jù)倉庫的多源異構特性提供了良好的支持和后續(xù)迭代開發(fā)潛力。④spring boot+mybatis架構可快速高效地構建基于凌情數(shù)據(jù)倉庫數(shù)據(jù)的各類業(yè)務應用系統(tǒng)，大幅縮減開發(fā)周期、成本，加速應用系統(tǒng)的更新迭代，使其可以更快地投入生產應用。

4.2 數(shù)據(jù)倉庫運行環(huán)境

凌情數(shù)據(jù)倉庫采用集中部署方式，配置機架式服務器一臺。服務器硬件配置充分考慮了數(shù)據(jù)倉庫運行的性能和安全性需求，配置CPU：Intel Xeon 5118×2;內存：16 GB DDR4×2;硬盤：10K 1.2T SAS×4;萬兆網(wǎng)絡接口2個，提供鏈路冗余;750W電源2個，提供供電冗余。服務器安裝Windows Server 2012R2 64位操作系統(tǒng)，按照RAID5方式配置磁盤陣列，實際可用硬盤容量為3 349 GB，可保證高速存儲的情況下任一磁盤損壞時不丟失數(shù)據(jù)，滿足凌情數(shù)據(jù)倉庫大容量存儲要求，并保障數(shù)據(jù)安全。

5 結 語

（1）基于凌情數(shù)據(jù)特點和黃河防凌業(yè)務需求，設計開發(fā)面向主題的多維數(shù)據(jù)模型，利用ETL工具對觀測數(shù)據(jù)進行集成整合、實現(xiàn)數(shù)據(jù)的全量匯集和增量更新，搭建數(shù)據(jù)資源管理平臺、實現(xiàn)對數(shù)據(jù)倉庫的數(shù)據(jù)管理和展示，初步建成黃河多源異構凌情數(shù)據(jù)倉庫。黃河凌情數(shù)據(jù)倉庫已經集成于黃河防凌智慧平臺并試運行一年，明顯提高了凌情數(shù)據(jù)質量和使用效率，為黃河防凌業(yè)務提供了大量分析型數(shù)據(jù)信息，有助于提高黃河防凌減災綜合決策水平和工作效率。

（2）為了更充分利用氣象、水文和凌情信息，需要在凌情數(shù)據(jù)倉庫的基礎上，根據(jù)防凌業(yè)務需求，提高數(shù)據(jù)分析處理和數(shù)據(jù)挖掘能力，為凌情形勢分析、預測預報和防凌調度等提供更加高效的決策支持。

（3）隨著水文測報能力大幅度提升，觀測數(shù)據(jù)類型和數(shù)量急劇增加，“分布式存儲+數(shù)據(jù)倉庫+數(shù)據(jù)挖掘”模式可以更好地解決水文信息化中海量多源異構水文數(shù)據(jù)的存儲、交換和應用問題。

參考文獻：

[1] 郜國明，鄧宇，田治宗，等.黃河冰凌近期研究簡述與展望[J].人民黃河，2019，41（10）：77-81.

[2] INMON W H.Building the Data Warehouse[M].New York：John Wiley & Sons，1996：35-45.

[3] 楊莉國，歐付娜，劉慶海，等.數(shù)據(jù)倉庫相關技術研究綜述[J].電腦知識與技術，2011，7（10）：2234-2236，2255.

[4] 李春葆，李石君，李筱馳.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘實踐[M].北京：電子工業(yè)出版社，2014：12-21.

[5] 李瓊.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術在水利信息化中的應用[J].前沿，2005（12）：59-61.

[6] 胡健偉，余達征，陳雅莉.國家水文數(shù)據(jù)庫建設探討[J].水利信息化，2017（2）：1-4.

[7] 章樹安，吳禮福，艾萍.對建設水文數(shù)據(jù)倉庫的初步研究[J].水文，2007，27（1）：17-21.

[8] 劉志雨.我國水文監(jiān)測預報預警業(yè)務展望[J].中國防汛抗旱，2019，29（11）：31-34，61.

[9] 江子皓，王慧亮，吳澤寧，等.城市暴雨洪澇敏感性因素數(shù)據(jù)倉庫構建與應用[J].人民黃河，2019，41（4）：27-30.

[10] 徐路凱，李書霞，于國卿.黃河智慧防凌云平臺設計與研究[J].人民黃河，2021，43（2）：66-69.

【責任編輯 張 帥】