数据挖掘技术在城市防汛中的应用探究

数据挖掘技术在城市防汛中的应用探究

孙丽平

聊城市市政工程管理服务中心 山东 聊城 252000

摘要：随着信息社会的快速发展，各类型数据海量增长，标志着当今社会进入到大数据时代。在城市防汛工作中，通过对大数据的统计分析、数据挖掘等，深入挖掘数据背后的规律，可以为防汛工作高质高效开展提供数据支持。鉴于此，基于提高城市防汛工作效果角度考虑，本文通过分析数据挖掘技术的流程和方法，进一步以城市防汛为落脚点，深入研究数据挖掘技术的具体应用，希望给城市防汛工作者的具体工作提供可行建议。

关键词：数据挖掘技术；城市防汛；应用

近年来，我国城市进程推进速度加快，但城市内涝问题一直未能得到有效解决，制约着城市建设的可持续发展。在此背景下，城市防汛已经成为城市建设者重点思考的问题。因此，城市防汛工作逐渐受到越来越多人的关注和重视。但由于部分城市存在基础设施老化、管理模式粗放，信息化水平不高等问题，导致城市防汛工作难以高质高效地展开。针对城市防汛工作中的具体问题，充分利用数据挖掘技术，对海量数据进行协同分析，即可快速制定出严格且有效地应对措施，对提高城市防汛工作效果具有积极的作用。鉴于此，本文深入研究“城市防汛中数据挖掘技术的应用”具有一定的必要性和重要性。

1.数据挖掘技术的应用流程和方法分析

1.1数据准备

在数据挖掘之前，应进行必要的数据准备工作，主要包括数据理解、数据整理和数据结构化三方面的内容，具体如下：

（1）数据理解。基于具体业务需求，综合分析业务流程和目的，并有机结合业务诉求和数据挖掘技术。在数据挖掘工作中，数据理解是重要的一个环节，且是难点工作，只有对具体业务进行正确的梳理，全面了解业务的诉求，才能科学确定哪些业务数据具有利用价值，并可以通过数据挖掘技术获得哪些结果^[1]。只有做好数据理解工作，才能充分利用数据挖掘技术来获取有效的分析结果，并为业务工作提供支持。

（2）数据整理。在城市防汛工作中，为提高防汛工作水平，相关工作人员应对基础地理数据、气象等数据进行综合分析，才能制定出有效防汛工作对策。但基础地理数据、气象等业务数据具有来源广泛，类型丰富等显著特征，由于历史原因可能会影响数据分析结果的真实可靠性和有效性^[2]。因此，在数据分析处理前，应对数据进行整理，针对一些丧失价值或者不合理的数据，应进行清除，以此提高数据质量，为后续数据分析提供支持。

（3）数据结构化。机器学习目的在于使得计算机了解业务需求，通过数据结构化将业务需求以矩阵、图形等方式展示出来，使得计算机可以正确了解业务需求。此环节的具体操作有业务需求和数据挖掘技术需求共同决定，前者决定业务数据的内容和类型；后者决定数据结构化的具体方式^[3]。

1.2数据挖掘

数据挖掘方法众多，具体包括统计学方法、基于机器学习的数据挖掘方法等，而基于城市防汛工作角度而言，比较实用的方法有主成分分析、聚类分析等，不同算法各有利弊，要求结合城市防汛工作的具体业务需求，合理地选用数据挖掘技术，才能确保数据分析结果的有效性^[4]。首先，主成分分析，广泛应用多变量分析中，针对预测对象，将影响结果的各种变量中的重复变量进行剔除，以此建立最少的新变量组，并确保组内变量互不相干，继而在主成分分析中获得重点内容及主要特征。其次，聚类分析，指的是基于数据共同特点进行数据对象的划分，随后通过聚类分析将数据中业务数据映射在某个定义类别中，以此将海量无序的各类型数据整合划分为不同的类别，可以整合提取出海量数据的特征。

1.3评估和分析结果

鉴于数据挖掘技术应用局限于事物之间的关系分析，而没有考虑事物的物理机制和因果关系，要求对数据分析结果进行评估，具体是通过与实际情况的横向比对，分析计算结果与一般认知是否相符，并反推造成这种关系的原因^[5]。因此，只有通过结果分析与评估，才能确保数据挖掘结果的有效性和真实可靠性，继而才能应用在具体的城市防汛工作中。由此可见，结果评估与分析实质上对数据挖掘的结果进行验证的过程，只有结果评估与分析都是合理的，则可以提高数据挖掘结果的有效性，进而才能推广应用在具体的业务工作中。

2.城市防汛中数据挖掘技术的具体应用分析

2.1多源数据共享和汇集

近年来，我国城市防汛工作信息化水平持续提升，在数据汇集、共享等领域，已经实现了多部门的合作，初步建立了防灾大数据中心、防汛指挥决策平台和信息服务平台。在平台支持下，多部门的多源数据汇集、共享、存储等操作得以实现。而城市防汛工作虽然在多源数据汇集统计分析与结果展示等方面，取得了显著成效，但对于数据的深度挖掘和特征的提取等工作，尤其是数据汇集后的相关性分析等系列工作未能深度开展，不利于海量业务数据的挖掘。同时，在多源数据汇集分析时，并非所有数据适合进行大数据分析。另外，降雨资料作为城市防汛工作中，质量最佳、样本数据丰富且最适合进行数据挖掘的第一手资料，应充分利用数据挖掘技术来深度开展降雨资料的挖掘工作，从中获得有价值的业务数据，为优化城市防汛工作决策提供数据支持，进而才能确保城市系统运行免受内涝的影响。

2.2数据分析与挖掘

在城市降雨资料挖掘工作中，降雨雨型、降雨时空分布特征等，都是重点研究内容，且持续进行着。随着降雨数据采集和传输技术的进一步发展，外加硬盘存储成本的降低，使得降雨数据样本更加丰富，为提高降雨数据分析结果的有效性提供了支持。基于海量降雨样本数据，利用人工智能技术对降雨时空分布进行识别、预测等操作，都变得具有一定的可能。例如：以年降雨量分布为基础，把模式识别的聚类分析理论方法引进降雨空间特征分类研究中，进行降雨特征空间分布模式识别，预测无雨量站点的降雨模式，继而科学分析水资源的空间分布模式，为制定出科学合理且有效的水资源利用方式。除此之外，由于城市防汛工作精细化管理，需要深入分析当地降雨时空分布特征，而传统以单站雨型代表整个区域降雨特征的分析方法，显然难以满足这一具体要求。针对这种情况，在暴雨时空分布特征研究中，应引进机器算法，利用动态聚类算法提取地区短历时暴雨的时空分布动态特征，进而将研究成果与城市防汛工作结合起来，即可为城市防汛工作决策提供有价值的分析结果，对提高城市防汛工作质量具有积极作用。

3.结语

综上所述，近年来，我国城市化建设速度十分迅速，城市人口和财富聚集速度也随之增加。在此背景下，城市内涝造成的灾害损失也随之增加，这使得越来越多人关注和重视城市防汛工作。但我国城市防汛工作整体水平偏低，这要求充分利用数据挖掘技术，对海量数据进行协同分析，以此获得有价值的业务数据，为城市防汛工作决策的优化提供数据支持，只有这样，才能全面提升我国城市防汛工作效率和质量，为我国城市建设的可持续发展提供支持。

参考文献：

[1]陆人杰.数据挖掘技术在城市轨道交通信息系统中的应用[J].通信电源技术,2020,37(08):139-141.

[2]万以恒.关于大数据挖掘技术在城市交通疏解中的应用研究[J].通讯世界,2018,25(12):294-295.

[3]胡文红,孙欣欣.基于时间序列的数据挖掘技术在城市内涝灾害中的应用研究[J].科技通报,2016,32(06):229-231+244.

[4]赖晓亮.防汛抗旱决策辅助系统设计与实现[J].中国水运(下半月),2012,12(04):81-82.

[5]刘浩,尹四清.数据挖掘技术在“数字黄河”工程建设中的应用[J].电脑知识与技术,2009,5(01):23-24.