近日，中国科学院重庆绿色智能技术研究院大数据挖掘及应用中心研究团队在三峡库区香溪河支流富营养化知识发现研究方面取得进展，相关研究成果以“Water eutrophication evaluation based on rough set and petri nets: A case study in Xiangxi-River, Three Gorges Reservoir”为题在《Ecological indicators》期刊上发表。
如何从海量的规则库迅速、准确地搜索匹配的规则，是人们在知识发现上所面临的一项难题。此外，如何高效地从海量、带有噪声的监测数据中挖掘出有用的富营养化相关知识也成为目前水质工作者的一大难题。为解决这些问题，大数据挖掘研究团队以粗糙集理论为基础，利用其属性核与不可分辨关系给出了属性约简算法，对专家知识系统进行化简，获得最小有效规则，建立了一种Petri网模型。该模型通过petri网的矩阵运算实现分类评级，无需在规则库中搜索匹配规则，从而有效地提高了分类速度。同时，研究人员将理论联系实际，将其应用于三峡库区香溪河富营养化知识发现中。
研究结果表明，此模型能克服传统粗糙集的规则搜索和Petri网的冗余性问题，分类评级准确度高，速度快。从而使得研究人员从繁琐的数据收集工作中解放出来，把更多的精力放在决策上。该研究为三峡库区富营养化的知识挖掘提供了依据与方法。该研究得到国家科技重大专项“水体污染控制与治理”（2014ZX07104-006）的资助。（严胡勇供稿）
文章链接：http://www.sciencedirect.com/science/article/pii/S1470160X1630245X
香溪河采样站点