數(shù)據(jù)挖掘技術(shù)在環(huán)境科學及構(gòu)效關(guān)系中的應用研究.pdf

1、數(shù)據(jù)挖掘(DataMining)是從大量的、不完全的、有噪聲的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。作為一門多學科的交叉技術(shù)，數(shù)據(jù)挖掘因其應用前景廣闊而受到學術(shù)界和工業(yè)界的廣泛關(guān)注。本文將數(shù)據(jù)挖掘技術(shù)應用于若干環(huán)境科學和構(gòu)效關(guān)系的研究，主要研究內(nèi)容和研究成果如下： 一、采用分段交叉建模方法建立了濾紙煙度測量數(shù)據(jù)與不透光煙度測量數(shù)據(jù)相互轉(zhuǎn)換數(shù)學模型。本工作結(jié)果有助于解決兩種柴油車排氣煙度測量

2、方法交替過程中出現(xiàn)的標準不延續(xù)、歷史數(shù)據(jù)再利用和測量數(shù)據(jù)的比較等問題，可為柴油車排氣污染防治監(jiān)督管理工作提供科學、有效的技術(shù)支持。 二、機動車排氣遙感監(jiān)測技術(shù)在我國起步較晚，遙感監(jiān)測到的數(shù)據(jù)由于離散性大，可利用率很低。數(shù)據(jù)挖掘技術(shù)結(jié)合具體的遙測數(shù)據(jù)分析處理情況，對各種建模方法進行優(yōu)選和綜合應用后，以KNN和ANN建立了高排放車遙測篩選數(shù)學模型。結(jié)果表明：(1)KNN低怠速模型的建模正判率不低于89.3％，租用車輛的驗證正判率不低

3、于75.0％，路檢車輛的驗證正判率不低于50.0％；ANN低怠速模型的建模正判率不低于75.0％，租用車輛的驗證正判率不低于66.7％，路檢車輛的驗證正判率不低于50.0％。(2)KNN高怠速模型的建模正判率不低于82.0％，租用車輛的驗證正判率不低于71.4％，路檢車輛的驗證正判率不低于50％；ANN高怠速模型的建模正判率不低于66.3％，租用車輛的驗證正判率不低于50.0％，路檢車輛的驗證正判率不低于50.0％。所建模型顯著提高了高

4、排放車的遙測篩選正確率。 三、將數(shù)據(jù)挖掘新算法—支持向量分類(SVC)用于芬太尼衍生物結(jié)構(gòu)與鎮(zhèn)痛活性關(guān)系的研究。運用Hyperchem軟件計算了14個該類藥物分子的量子化學參數(shù)，SVC留一法交叉檢驗模型對芬太尼衍生物鎮(zhèn)痛活性的預報正確率為93％，明顯高于PCA方法(86％)、ANN方法(57％)和KNN方法(71％)。結(jié)果表明：適合于小樣本集的SVC方法適用于芬太尼衍生物結(jié)構(gòu)與鎮(zhèn)痛活性關(guān)系的研究，是一種有潛力的SAR分析方法。