關(guān)聯(lián)規(guī)則算法在環(huán)境數(shù)據(jù)分析中的應(yīng)用

丁健 邱俊強(qiáng) 吳笑笑

摘 要：隨著時(shí)代的不斷變遷，我們的生活方式更加便捷。然而，于此同時(shí)，我們所生存的環(huán)境由此變惡劣了，雖然現(xiàn)在我們?cè)诓粩嗟刂卫憝h(huán)境，然而還是未能制止住環(huán)境的惡化。因此，我們現(xiàn)在在治理環(huán)境的同時(shí)，也要預(yù)防環(huán)境的變化。所以，本文利用關(guān)聯(lián)規(guī)則算法，通過(guò)數(shù)據(jù)挖掘，找出環(huán)境數(shù)據(jù)的CONDITION、AQI、PRES、HUM這四項(xiàng)數(shù)據(jù)進(jìn)行研究，得到了如下結(jié)論：研究數(shù)據(jù)的變化與天氣變化情況關(guān)聯(lián)不大，尤其是AQI值的變化難以推斷。最后，本文證實(shí)了根據(jù)CONDITION、AQI、PRES、HUM這四項(xiàng)數(shù)據(jù)難以推測(cè)出天氣的變化。

關(guān)鍵詞：關(guān)聯(lián)規(guī)則；數(shù)據(jù)挖掘；

一、引言

如今的環(huán)境氣候的變化難測(cè)，雖然總體是呈現(xiàn)溫度上升，但氣候的升升跌跌難以猜測(cè)。所以，為了方便我們的日常穿衣出行，我們需要做出環(huán)境氣候變化的預(yù)測(cè)。

因此，環(huán)境的大數(shù)據(jù)分析成為了一項(xiàng)十分重要的用來(lái)預(yù)測(cè)天氣變化的武器。通過(guò)關(guān)聯(lián)規(guī)則，分析出環(huán)境中各個(gè)成分的變化的聯(lián)動(dòng)性，從而的出環(huán)境中各個(gè)成分的關(guān)聯(lián)性，用來(lái)預(yù)測(cè)未來(lái)環(huán)境中各個(gè)成分的變化情況從而得出氣候的變化趨勢(shì)，有利于我們對(duì)氣候變化的把握。

在利用關(guān)聯(lián)規(guī)則對(duì)環(huán)境數(shù)據(jù)進(jìn)行分析時(shí)，本文選取了我國(guó)南京地區(qū)的2016年～2018年的CONDITION、AQI、PRES、HUM這四項(xiàng)數(shù)據(jù)進(jìn)行實(shí)證研究。為了使數(shù)據(jù)更具有可比性、價(jià)值性、直觀性，對(duì)數(shù)據(jù)進(jìn)行篩選，剔除了沒(méi)有成效的數(shù)據(jù)。

二、相關(guān)研究

我國(guó)主要通過(guò)環(huán)境統(tǒng)計(jì)分析，通過(guò)檢測(cè)空氣中各成分的變化，利用環(huán)境模糊聚類(lèi)分析、環(huán)境判別分析、環(huán)境主成分分析和環(huán)境因子分析這些常用的環(huán)境統(tǒng)計(jì)分析模型；也有少數(shù)利用現(xiàn)代環(huán)境數(shù)據(jù)處理常用的人工神經(jīng)網(wǎng)絡(luò)方法和空間統(tǒng)計(jì)分析方法。不過(guò)這些都存在一些局限性：缺乏有關(guān)制度的結(jié)合，主要是環(huán)境監(jiān)測(cè)制度，排污許可證制度和環(huán)境信息公開(kāi)制度；指標(biāo)體系還不完善；缺乏數(shù)據(jù)質(zhì)量保障制度和規(guī)范。

三、關(guān)聯(lián)規(guī)則對(duì)我國(guó)環(huán)境數(shù)據(jù)的分析

（一）關(guān)聯(lián)規(guī)則簡(jiǎn)介

關(guān)聯(lián)規(guī)則的一般性描述是： 設(shè)I={Itemset 1 ， Itemset 2 ， ？ ，Itemset m }是項(xiàng)的集合， D是數(shù)據(jù)庫(kù)事務(wù)的集合，其中每個(gè)事務(wù)T是一個(gè)非空項(xiàng)集，使得T∈I，關(guān)聯(lián)規(guī)則是形如A =>B的蘊(yùn)涵式，其中A∈I ， B∈I，A≠？，B≠？，并且 A∩B = ？，對(duì)于關(guān)聯(lián)規(guī)則 A =>B 在事務(wù)集D中成立：

支持度： Sup=P（A？B）=|A？B|/|D| （1）

置信度： Conf=P（B|A）=|A？B|/|A| （2）

其中 P（A？B） 表示事務(wù)數(shù)據(jù)庫(kù)D中包含A∪B的概率，P（B|A） 事務(wù)數(shù)據(jù)庫(kù)D 中包含 A的事務(wù)同時(shí)也包含 B的事務(wù)的概率。定義同時(shí)滿足最小支持度閾值（min_Sup）和最小置信度閾值（min_Conf）的規(guī)則稱(chēng)為強(qiáng)關(guān)聯(lián)規(guī)則。強(qiáng)關(guān)聯(lián)規(guī)則不一定都是有趣的，在此引入提升度來(lái)擴(kuò)充關(guān)聯(lián)規(guī)則的支持度-置信度框架，過(guò)濾掉無(wú)趣的相關(guān)規(guī)則。

提升度： Lift=P（B|A）/P（B）=Conf（A=>B）/Supp（B）（3）

即B在包含A 的事務(wù)集中出現(xiàn)的概率與B在事務(wù)數(shù)據(jù)庫(kù)D中出現(xiàn)的概率的比值，探究A的出現(xiàn)“提升”B出現(xiàn)的程度。若提升度大于1，則說(shuō)規(guī)則是有趣的。若規(guī)則提升度等于1，則兩者相互獨(dú)立，沒(méi)有相關(guān)性。若該規(guī)則提升度小于1，實(shí)為負(fù)相關(guān)的偽規(guī)則，可能會(huì)對(duì)決策產(chǎn)生誤導(dǎo)。

（二） 算法簡(jiǎn)介

Apriori 算法是Agrawal和R.Srikant 于1994年提出的一種發(fā)現(xiàn)頻繁項(xiàng)集的基本算法， 使用逐層搜索的迭代方法，其思想是利用已知的高頻數(shù)據(jù)項(xiàng)集推導(dǎo)更高層的高頻數(shù)據(jù)項(xiàng)集。Apriori 算法是一種寬度優(yōu)先算法，其具體步驟過(guò)程為：

S1：首先掃描數(shù)據(jù)庫(kù)，計(jì)算 D 中所有單個(gè)項(xiàng)集的支持度， 找出1- 頻繁項(xiàng)集的集合，記為 L1。

S2：利用已生成的L k-1 ，即（k-1）-頻繁項(xiàng)集來(lái)生成Lk，即 k-頻繁項(xiàng)集。

S3：第S2步利用先驗(yàn)性質(zhì)壓縮搜索空間，其應(yīng)用分為以下兩步過(guò)程：

連接步：假定事務(wù)或項(xiàng)集中的項(xiàng)按字典序排序。對(duì)L k-1中的元素兩兩進(jìn)行比對(duì)， 如果它們前k-2項(xiàng)相同 ，而最后一項(xiàng)不同，則將二者進(jìn)行連接得到k-候選項(xiàng)集。

剪枝步：對(duì)候選k-項(xiàng)集C k 進(jìn)行剪枝，從C k 中刪除所有（k-1）-子集不全包含在L k- 1 中的項(xiàng)集，從而得到k-頻繁項(xiàng)集。

S4：依次循環(huán)調(diào)用連接步和剪枝步，直至產(chǎn)生所有頻繁項(xiàng)集。

（三）通過(guò)環(huán)境數(shù)據(jù)的算法實(shí)現(xiàn)

首先我們將我們需要的數(shù)據(jù)導(dǎo)出來(lái)，這里我先用2016年1月的數(shù)據(jù)做例子，見(jiàn)表1：

因?yàn)槲覀兿胍^察這些數(shù)據(jù)之間的聯(lián)系，為了輸入數(shù)據(jù)的方便，我們首先設(shè)立事件：

將COND數(shù)據(jù)中的晴設(shè)置為事件1，多云設(shè)置為事件2，陰設(shè)置為事件3，小雨設(shè)置為事件4，雨夾雪設(shè)置為事件5，小雪設(shè)置為事件6，小到中雪設(shè)置為事件7。

同理，將AQI中的1～50設(shè)置為事件a，51～100設(shè)置為事件b，101～150設(shè)置為事件c，151～200設(shè)置為事件d，201～250設(shè)置為事件e，251+設(shè)置為事件f。

PRES中，1011～1015設(shè)置為事件g，1016～1020設(shè)置為事件h，1021～1025設(shè)置為事件i，1026～1030設(shè)置為事件j，1031+設(shè)置為事件k。

HUM中，1～20設(shè)置為事件l，21～40設(shè)置為事件m，41～60設(shè)置為事件n，61～80設(shè)置為事件o，81～100設(shè)置為事件p。

接下來(lái)，我們需要設(shè)立支持度和置信度，就暫且將支持度和置信度都先設(shè)置為0.6。

四、分析結(jié)果

首先看表2，表2是將數(shù)據(jù)轉(zhuǎn)換之后的圖，接下來(lái)我們將表2中的數(shù)據(jù)導(dǎo)入到算法中，帶入計(jì)算。我們首先通過(guò)天氣分類(lèi)，將為同一類(lèi)型的天氣的各成分輸入其中，通過(guò)設(shè)置最小支持度和最小置信度，從而得出天氣狀況和環(huán)境成分的關(guān)聯(lián)。

表3是事件1即晴的時(shí)候?qū)⒆钚≈С侄群妥钚≈眯哦仍O(shè)為0.1所得到的結(jié)果。通過(guò)觀察可以猜測(cè)數(shù)d，j，p這三個(gè)類(lèi)型與晴天的關(guān)聯(lián)較大，即出現(xiàn)d，j，p時(shí)，晴天可能性較大；表4是事件2即多云的時(shí)候?qū)⒆钚≈С侄群妥钚≈眯哦仍O(shè)為0.1所得到的結(jié)果。有結(jié)果可推出d，i，p這三個(gè)因素對(duì)應(yīng)著多云著一天氣情況；表5是事件3即陰天的時(shí)候?qū)⒆钚≈С侄群妥钚≈眯哦仍O(shè)為0.1所得到的結(jié)果。結(jié)果表明i，o，p對(duì)其影響較大，但由于o，p同屬于HUM中，所以需要取舍，由F1的出現(xiàn)頻率所以選p......表6和表7的結(jié)果以此類(lèi)推即可得出。

不過(guò)，經(jīng)過(guò)檢查發(fā)現(xiàn)，通過(guò)這樣得到的結(jié)果并不完全可靠，其中還欠缺不少未考慮到的因素，例如：國(guó)家政策對(duì)AQI值的影響，節(jié)假日對(duì)環(huán)境的影響等。所以我們統(tǒng)計(jì)的結(jié)果在與之后的數(shù)據(jù)對(duì)比中，發(fā)現(xiàn)不少有出入的地方。所以我們暫且還不能單憑一些環(huán)境成分就能準(zhǔn)確地預(yù)測(cè)出未來(lái)的天氣狀況。我們還需要加以改進(jìn)。

參考文獻(xiàn)：

[1]楊恩. 關(guān)聯(lián)規(guī)則挖掘方法的改進(jìn)及應(yīng)用研究[EB/OL]. 北京：中國(guó)科技論文在線 [2009-05-06].

[2]崔妍， 包志強(qiáng). 關(guān)聯(lián)規(guī)則挖掘綜述[J]. 計(jì)算機(jī)應(yīng)用研究， 2016， 33（2）： 330-334.

[3]劉林東，齊德昱.一種改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法研究[J]. 2018.6

[4]王曉峰，王天然，趙越.一種自頂向下挖掘長(zhǎng)頻繁項(xiàng)的有效方法[J].計(jì)算機(jī)研究與發(fā)展，2004，41（1）：148-155.

*雙創(chuàng)項(xiàng)目：南京審計(jì)大學(xué)金審學(xué)院雙創(chuàng)項(xiàng)目201813994005Y