学位论文 > 优秀研究生学位论文题录展示

数据挖掘在高尔夫球场虫害预测的应用

作　者: 张子杰
导　师: 左保河；杨新章
学　校: 华南理工大学
专　业: 软件工程
关键词: 数据挖掘高尔夫球场神经网络虫害预测
分类号: TP311.13
类　型: 硕士论文
年　份: 2009年
下　载: 89次
引　用: 0次
阅　读: 论文下载

内容摘要

在中国,高尔夫的发展走过了20多年的历程,发展到拥有接近300个球场的水平。但尽管高尔夫在国内有了较好的发展趋势,其还是处于行业发展的初期阶段,无论其管理水平,还是管理软件使用情况或数掘挖掘的应用程度都是比较低的。大多数的高尔夫球场还是采用传统的管理方式,其软件水平也存于初期阶段,软件也只要应用于数据记录,部门工作协同等初级方面,因此相应的高尔夫方面的数据积累也不多。同样由于数据的缺乏,真正在软件中集成数据挖掘功能更是少之又少。所以研究数据挖掘在高尔夫管理中的应用,其研究方向比较新颖,并且具有更好的实际应用扩展的可行性。其研究结果更有进一步推动高尔夫信息化管理的商业价值,解决高尔夫管理中的核心问题。高尔夫球场草坪是高尔夫行业独有的,最为核心价值的资源,而球场管理的重中之重就是草坪的养护,其中以草坪虫害对草坪造成的危害最大。因此研究有效的高尔夫草坪虫害预测模型,有着非常大的实际应用价值,能有效地保护高尔夫草坪运动,更能为高尔夫球场运作省去了由于虫害引起的高额的草坪养护费用。病虫害预测是高尔夫草坪保护工作的重要组成部分,是有效防治和控制病虫害发生、发展的依据,是高尔夫运营管理和决策的前提。影响病虫害发生流行的因素较多,包括气象条件、自然环境、生态条件、本身表现出的密度和非密度制约因素等。这些因素对病虫害发生流行的影响是复杂的、非线性的,因此本文引入了数据挖掘预测法来进行虫害预测工作,分别研究了数据挖掘常用的决策树、聚类和神经网络在本次虫害预测的作用。经过分析比较神经网络抗干扰能力、非线性拟合能力强,具有高度的耦合性,建立的网络模型稳定性好,可大大提高了高尔夫草坪病虫害诊断和预测的精度。同时本文探讨数据挖掘技术及SQL Server中分析服务功能的应用,并建架构基于分析服务的神经网络挖掘模型,经过研究分析得到了基于高尔夫球场数据挖掘而来的高尔夫球场虫害预测的神经网络挖掘模型,模型能效很好的对高尔夫球场虫害预测做出准确的预报,其实际的应用将有效地提升高尔夫球场的虫害防治能力,节约大量的高尔夫球场养护费用,更为高尔夫运动员提供优质的高尔夫竞技乐趣。

全文目录

摘要  5-6
Abstract  6-9
第一章绪论  9-16
  1.1 问题的提出及研究意义  9-10
  1.2 数据挖掘的研究现状  10-13
  1.3 本文的研究思路  13-14
  1.4 论文内容  14-16
第二章数据挖掘  16-33
  2.1 数据挖掘的过程、体系结构  16-18
    2.1.1 数据挖掘的过程  16-17
    2.1.2 数据挖掘系统的体系结构  17-18
  2.2 决策树  18-22
    2.2.1 决策树的结构  18-19
    2.2.2 决策树的构造  19-20
    2.2.3 决策树构造算法  20-22
  2.3 聚类  22-27
    2.3.1 聚类的特点  23
    2.3.2 聚类的方法  23-27
  2.4 神经网络  27-33
    2.4.1 BP 网络的结构  27-29
    2.4.2 BP 网络的学习过程  29-32
    2.4.3 BP 网络的限制与不足  32
    2.4.4 神经网络的训练  32-33
第三章数据挖掘在高尔夫球场虫害预测的实现思路  33-47
  3.1 数据来源  33
  3.2 数据集建立  33-35
  3.3 样本数据有效性验证  35-36
  3.4 数据挖掘的 Analysis Service 实现架构  36-47
    3.4.1 Analysis Service 挖掘功能  36-37
    3.4.2 SSAS 数据挖掘实现框架  37-38
    3.4.3 SSAS 的决策树算法  38-41
    3.4.4 SSAS 的聚类分析算法  41-43
    3.4.5 SSSAS 的神神经网络算算法  43-47
第四章数据挖掘在高尔夫球场虫害预测的具体实现  47-66
  4.1 业务预测模型  47
  4.2 数据准备  47-49
  4.3 数据挖掘的环境搭建  49
  4.4 数据挖掘建模  49-52
    4.4.1 创建虫害数据库仓库  49-51
    4.4.2 创建虫害预测挖掘结构  51-52
  4.5 各种算法的挖掘比较  52-56
    4.5.1 创建决策树、聚类和神经网络挖掘模型  52-55
    4.5.2 聚类与神经网络挖掘比较  55-56
    4.5.3 各种挖掘算法比较结果  56
  4.6 神经网络模型优化及数据有效性验证  56-66
    4.6.1 调整神经网络虫害发生挖掘模型  56-59
    4.6.2 模型输入列相关性分析  59-62
    4.6.3 特殊因素影响分析  62-63
    4.6.4 论证最差模型  63-64
    4.6.5 确定最佳模型  64-65
    4.6.6 补充数据有效性验证  65-66
第五章结果验证  66-69
结论与展望  69-71
参考文献  71-73
致谢  73

数据挖掘在高尔夫球场虫害预测的应用

内容摘要

全文目录

相似论文