数字地面模型综述
摘要：
DTM作为地理空间定位的数字数据的集合，在GIS空间数据库中，能够反映地理基础、社会经济、资源与环境和地形等多方面的信息。本文在综述数字地面模型的数据来源到建立方法的基础上，应用DTM 进行一系列的应用分析，并对应用方法进行总结。
关键词:DTM;数字地面模型;应用
前言
数字地面模型通常简称为DTM(DigitalTerrain Model),是以数字来表达地球表面形态属性信息,对连续地面可利用任意坐标系中大量选择的、已知x、y、z的坐标点来表示。数字地面模型不完全等同于数字高程模型(DEM,Digital Elevation Model)。地形表面形态的属性信息一般包括高程、坡度、坡向等,数字高程模型是某一范围内依一定规则选取的格网点的平面坐标及其高程的数据集,显然,当数字地面模型中z值为高程属性时,DTM就是DEM,而DEM 是建立DTM的基础数据。
随着计算机的日益普及,数字化成图越来越受到人们的重视,数字地面模型(DTM)作为数字描述地理现象的技术日渐成熟。数字地面模型(DTM)利用已有的数据进行专业处理,然后利用计算机自动产生各类专业地学数据、图件并进行各类专业分析,为地理信息产品的生产提供数字基础。例如:某工程需要计算指定区域的图上面积、地表面积、地形剖面分析,建立地形三维模型、计算工程中的区域开挖工作
量及土方运输量等均可应用DTM来完成。数字地面模型(DTM)作为描述地形特征的一种方法要求尽量还原地貌,为生产工程提供一种准确的数字基础。但是在实际工作中,地形错综复杂,自然地貌、人为地貌交错出现,给数字地面模型(DTM)的建立增加了难度,成为数字化成图的难点。
DTM数据源
(1 )航摄像片和航天遥感图像
从航空摄影像对可量取密集高程数据，用来建立田划。这主要适用于大比例尺的数字地形制图，土方估算等对高程精度要求较高的地形测绘和工程技术方面。从各类资源卫星得到的航天遥感图像经目视识别或计算机识别可提取各种资源环境信息，用来建立D'IM，它主要用作小比例尺数字地形数据源。
(2)地形图
主要以比例尺不大于1 '10 000的近期基本地形图作数据源，量取中等密度数字高程建立DI划，也可从数字高程模型派生各种地貌因子，构成相应数字模型。另外，从各种比例尺的地形图中还可以提取水系、交通网、居民点、行政区界等数字信息，建立相应数字地面模型。
(3)地面实测记录
从各种地面实测记录可得到大比例尺田划数据。此外，从水文站、气象站、地质勘探、重力测量中得到的数据经内插后，亦可获得建立各类专题DTM数据。
(4)各种专题地图
(5)统计表和行政区域地图
以数字高程模型为例，说明DTM形成的流程
DTM能对地面形态进行定量分析，是资源和环境信息系统中不可缺少的组成部分，在地理信息系统的应用研究中具有重要的意义(见图1 )DTM包含很多信息，比如数字高程模型，它包含高程、高程差、平均高程、等高线、坡度、坡向、坡度变化率、地面形态、地表面粗糙度、地形剖面、脊谷线、沟谷密度、太阳辐射强度及可视区等信息。
DTM在地图制图中的实际运用
1、运用DEM绘制等高线图
这种方式是通过格网点高程数据信息或者是将分散的高程数据信息
依靠栅格追踪方法的相关原理转变为地面矢量等值线。运用DEM绘制等高线图方法能够运用到所有的利用格网数据方法来对地面等值线图进行绘制。
2、运用DEM绘制地面晕渲图
我们用模拟地形影子与落影的方式来表现出实际地形的方式就是晕渲图!这种方式是测绘中重要的地面制图的方式，可以在多种地形图、地理图或者专题地图中运用。而在传统的人工绘制的晕渲图过程中，费时费力，并且人们具有很大的主观因素。但是运用DEM数据来作为制图的信息源，用地面光照的客观反映的数学函数作为变量，然后再计算该栅格应当选取的输出的灰度值，通过这种晕渲图与矢量的层层叠加!展现出来的晕渲图更加客观与逼真，能够被广泛运用到实际制图中。
3、DTM在土地整治中的应用
土地整治是对土地开发、利用、治理、保护的总称。其任务是通过考察、评价、规划和管理，有计划、有步骤地合理开发、充分利用、积极治理和有效保护国土资源，协调经济发展与人口、资源、环境的关系，以达到促进国民经济发展，改善生态环境，提高人民物质与文化生活水平的目的。土地整治要综合利用各地区的国土资源，兼顾各部门、各地区的经济效益、生态效益和社会效益，具有多目标的特点。各项土地整治活动的侧重点虽不相同，但都应把土地的开发利用和治理保护结合起来，这样就要涉及自然、技术、经济、社会各种因素，其结果对不同的经济部门和地区带来的利弊得失不会完全一致，必须
进行综合分析和综合平衡，处理好各方面的关系。要科学合理地对土地进行整治，就需要借助现代信息技术，应用DTM所承载的地形信息确定土地的坡度和其它地性特征分析，为土地整治提供技术基础。
DTM作为地理空间定位的数字数据的集合，在GIS空间数据库中，主要涉及到地理基础、社会经济、资源与环境和数字地形四个方面的信息。其中，数字地形模型( Digital Terrain Model，以下简称DTM)是GIS的非常重要三维数据模型。目前GIS中三维信息的处理与分析大多都由DTM进行，它是各种地学分析、资源评价和辅助决策的重要基础性数据，有着广泛的应用领域。已广泛应用于包括农林、测绘、水利土木一1一几程、区域治理、灾情监测以及军事等。例如，将多种地面环境信息(人口密度、土地利用现状、降雨、土壤、气温、日照等)叠加在数字高程模型上，构成综合的数字地面模型，用于林业、农业、地质、通信、军事等领域进行区域规划、环境分析、防洪减灾、辅助决策、专题图绘制、三维显示、设备选址、战场模拟。本文通过DTM自动提取各种地形因子，进行土地整治与国土规划。
DTM作为各种地学分析、资源评价和辅助决策的重要手段，用以确定在特定地表空间位置上的地形分布信息，有着广一泛的应用领域。应用DTM考察、评价、规划和管理上地资源空间信息，建立多目标的土地时空模型，对于当前国土资源管理部门开展的土地整治工作有着很大的应用前景。本文在综述数字地面模型的建立力一法基础_卜，探讨了应用DTM所承载的地形信息确定土地的坡度，以及DTM 与整治设计模型的叠加模拟，将为土地整治工作提供技术手段。
耕地坡度分级是第二次全国土地调查一项重要工作内容，也是国土整治的重要指标之一。坡度作为反映耕地地表形态的自然要素特征，是评价耕地等级、利用条件和水土保护的重要指标之一，也是制定耕地利用与保护及生态退耕政策的主要依据。
4、DTM在公路路线设计中的应用
在数模建立的基础上，只需把选定的平面线起讫点、交点的平面坐标及平曲线要素输入CAD系统，计算机便可自动从数模中内插路线设计所需的地形数据，配合路线优化及辅助设计程序快完成路线设计的各项内业工作，并输出各项成果设计文件。此外，利用数模可进行施工前的工程仿真设计，通过数模技术显示三维实体工程图像，进行工程设计的评估和修改，提高工程设计质量。数模在路线设计中的最大功能是在不需作进一步测量的情况下，比较所有可能的平面线形，进行路线平面优化及空间优化，从而找出最佳路线方案。
数模从概念提出至今有了很大的发展，应用范围也越来越广泛。特别是近几年来，数模在公路路线设计中推广速度越来越快，应用越来越深入。随着航测、数模等技术的进一步发展，在施工图设计中，采用实测中桩加数模横断面的组合作为地面资料来设计，在需设置构造物的横断面作野外实测修正，将进一步缩短设计图期，降低设计成本。航测、数模等技术的发展、应用，将推动公路设计工作发生大的变革，进而更加适应我国公路建设高速发展的需要。
展望
数字地面模型是基于现代数学理沦和计算机科学以及软硬件发
展起来的新兴技术，己经越来越广泛地应用于测绘和相关领域，国内外大多数地理信息数据平台软件均支持数字地面模型(或者DEM)数据的采集、提取、各类表示方法和模型的相互转换，支持诸如蓄积量/表面积计算、高程剖面分析、可视性分析、最佳/最短路径分析、水文表面流域分析、电子沙盘制作等模型应用，成为不可或缺的有力工具。
参考文献
[1] 王云帆、王庆，数字地面模型在土地整治中的应用研究。信息技术，1994
[2J何苗、张双娟，浅谈数字地面模型。科技前沿，2012
[3] 包月长，大比例尺数字地面模型DTM的建立。地矿测绘，2002
[4]CatIow,D.R.,The multi-disciplinary xpplications of DEMs.Auto-Carto
London,l:47-54,1986
[5J 朱照宏，符锌砂，李方等.道路勘察设计软件开发与应用指南.北京:人民交通出版社，2003
[6J付俊卿，王旭等，浅谈数字地面模型在公路路线设计中的应用。交通科技，2005
GIS 技术的研究现状及未来发展趋势 摘要:GIS 是随着计算机技术发展而形成的一门新兴技术,其应用程度和范围也随之渗透、延伸,得到了人们的广泛关注。该文综述了地理信.息的发展现状,从多个角度分析当前 GIS 技术发展存在的不足,并在此基础上研究分析了 GIS 技术的未来发展趋势。 关键词:GIS 研究现状发展趋势 0 引言 随着计算机技术的飞速发展、空间技术的日新月异及计算机图形学理论的日渐完善, GIS(Geographic Information System技术也日趋成熟,并且逐渐被人们所认识和接受。近年来, GIS 被世界各国普遍重视,尤其是“数字地球”概念的提出,使其核心技术 GIS 更为各国政府所关注。目前,以管理空间数据见长的 GIS 已经在全球变化与监测、军事、资源管理、城市规划、土地管理、环境研究、农作物估产、灾害预测、交通管理、矿产资源评价、文物保护、湿地制图以及政府部门等许多领域发挥着越来越重要的作用。当前 GIS 正处于急剧发展和变化之中,研究和总结 GIS 技术发展,对进一步开展 GIS 研究工作具有重要的指导意义。因此,本文就目前 GIS 技术的研究现状及未来发展趋势进行总结和分析。 1 GIS 研究现状及其分析 1.1 GIS研究现状 世纪 90年代以来,由于计算机技术的不断突破以及其它相关理论和技术的完善, GIS 在全球得到了迅速的发展。在海量数据存储、处理、表达、显示及数据共享技术等方面都取得了显著的成效,其概括起来有以下几个方面 [1]:①硬件系统采用服务器 /客户机结构,初步形成了网络化、分布式、多媒体 GIS ; ②在 GIS 的设计中, 提出了采用“开放的 CIS 环境” 的概念, 最终以实现资源共享、数据共享为目标; ③高度重视数据标准化与数据质量的问题, 并已形成一些较为可行的数据标准; ④ 面向对象的数据库管理系统已经问世, 正在发展称之为“对象 --关系 DBMS (数据库
土的本构模型综述 1 土本构模型的研究内容 土体是天然地质材料的历史产物。土是一种复杂的多孔材料，在受到外部荷载作用后，其变形具有非线性、流变性、各向异性、剪胀性等特点。为了更好地描述土体的真实力学—变形特性，建立其应力应变和时间的关系，在各种试验和工程实践经验的基础上提出一种数学模型，即为土体的本构关系。自Roscoe等1958~1963年创建剑桥模型以来，各国学者相继提出了数百个土的本构模型，包括不考虑时间因素的线弹性模型、非线弹性模型、弹塑性模型和考虑时间因素的流变模型等。本文将结合土本构模型的研究进程，综合分析已建立的经典本构模型，指出各种模型的优缺点和适用性，并对土本构模型的未来研究趋势进行展望。 2 土的本构模型的研究进程 早期的土力学中的变形计算主要是基于线弹性理论的。在线弹性模型中，只需两个材料常数即可描述其应力应变关系，即E和v或K和G或λ和μ。其中邓肯张双曲线模型是研究最多、应用最广的非线弹性模型。20世纪50年代末~60年代初，土塑性力学的发展为土的本构模型的研究开辟了一条新的途径。Drucker等（1957年）提出在Mohr-Coulomb锥形屈服面上再加一组帽形屈服面，Roscoe等（1958年~1963年）建立了第一个土的本构模型——剑桥模型，标志着土的本构模型研究新阶段的开始。70年代到80年代，计算机技术的迅速发展推动了非线性力学理论、数值计算方法和土工试验的发展，为在岩土工程中进行非线性、非弹性数值分析提供了可能性，各国学者提出了上百种土的本构模型，包括考虑多重屈服面的弹塑性本构模型和考虑土的变形及内部应力调整的时间效应的粘弹塑性模型。此外，其他本构模型如土的结构性模型、内时本构模型等也是从不同角度描述土本构关系，有的学者则借用神经网络强大的自组织、自学习功能来反演土的本构关系。
常用土体本构模型及其特点小结 山中一草线弹性模型 线弹性模型遵从虎克定律，只有2个参数，即弹性模量E和泊松比V,它是最简单的应力-应变关系，但无法描述土的很多特征，主要应用于早期的有限元分析及解析方法中，可用来近似模拟较硬的材料如岩土。 Duncan-Chang（ DC 模型 DC模型是一种非线性弹性模型，它用双曲线来模拟土的三轴排水试验的应力-应变关系（图1）。它侧重于刻画土体应力-应变曲线非线性的简单特征，通过弹性参数的调整来近似地考虑土体的塑性变形。但所用的理论仍然是弹性理论而没有涉及到任何塑性理论，故仍不能反映如应力路径对变形的影响、土体的剪胀特性和球应力对剪应变的影响等土体的很多重要性质。由于DC模型是在二为常 数的常规三轴试验基础上提出的，比较适用于围压不变或变化不大、轴压增大的情况，如模拟土石坝和路堤的填筑。 图】IK模型关于三轴试验的应力-应变关系Fig.l Duncan-Chang approxiniathm of the siress-strain rd nt kinship Ln ft standard drained triAxt*! te&l Mohr-Coulomb （MC）模型 MC模型是一种弹-理想塑性模型，它综合了胡克定律和Coulomb破坏准则。有5个参数，即控制弹性行为的2个参数：弹性模量E和泊松比v及控制塑性行为的3个参数：有效黏聚力c、有效内摩擦角和剪胀角。MC模型采用了弹塑性理论，能较好地描述土体的破坏行为但却认为土体在达到抗剪强度之前的应力-应变关系符合胡克定律，因而并不能较好地描述土体在破坏之前的变形行为，且不能考虑应力历史的影响及区分加荷和卸荷。故MC模型能较好地模拟土体的强度问题，MC模型的六凌锥形屈服面（图2）与土样真三轴试验的应力组合形成的屈服面吻合得较好，因此MC模型适合于低坝、边坡等稳定性问题的分析。
模糊数学在数据挖掘研究综述 一、模糊数学 关于数学的分类，根据所研究对象的确定性可以分为经典数学、随机数学以及模糊数学。三者的关系如图1所示。经典数学建立在集合论的基础上，一个对象对于一个集合要么属于，要么不属于，两者必居其一，且仅居其一，绝不可模棱两可，由于这个要求，大大限制了数学的应用范围，使它无法处理日常生活中大量的不明确的模糊现象与概念。随着发展,过去那些与数学毫无关系或关系不大的学科如生物学，心理学，等都迫切要求定量化和数学化。 图1依照研究对象是否确定的数学分类 在日常生活中，我们经常会遇到一些模糊不清的概念。例如，“高个子”、“矮个子”等。如果把1.80米的人算高个子，那么，身高1.76米的人算不算高个子呢？这就很难说，因为“高个子”，“矮个子”并没有二者明确的标准，因而这些概念就显得模糊不清。为了适应这些学科自身的特点，只有通过改造数学，使它应用的面更为广泛。模糊数学就是研究事物这种模糊性质的一门数学学科。 模糊数学诞生于1965年，创始人是美国自动控制专家查德，他最早提出了模糊集合的概念，引入了隶属函数。自诞生之日起，就与电子计算机息息相关。今天精确的数学计算当然是不可少的，然而，当我们要求脑功能的时候，精确这个长处反而成了短处。例如，我们在判别走过的人是谁时，总是将来人的高矮，胖瘦、走路姿势与大脑存储的样子进行比较，从而作出判断。一般说来，这不是件难事，即使是分别多年的老友，也会很快地认出他来，但是若让计算机做这件事，使用精确数学就太复杂了。得测量来人的身高、体重、手臂摆的角度以及鞋底对地面的正压力、磨擦力、速度、加速度等数据，而且非要精确到后几十位才肯罢休。如果有位熟人最近稍为瘦了或胖了一些，计算机就“翻脸不认了”。显然，这样的“精确”容易使人糊涂。由此可见，要使计算机能模拟人功能，一定程度的模糊是必要的。模糊数学就是在这样的背景下诞生的。 随机数学与模糊数学都是对不确定性量的研究，但与模糊数学不同的是，随机数学是研究随机现象统计规律性的一个数学分支，涉及四个主要部分：概率论、随机过程、数理统计、随机运筹。随机数学更强调对数据的统计规律；而模糊数学强调的是变量的定义的模糊性。 模糊数学是一门新兴学科，过去那些与数学毫不相关或关系不大的学科（如生物学、心理学、语言学、社会科学等）都有可能用定量化和数学化加以描述和处理，从而使数学的应用范围大大扩展。它已初步应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判、系统理论、信息检索、医学、生物学等各个方面，并且在气象、结构力学、控制、心理学等方面已有具体的研究成果。模糊数学最重要的应用领域是计算机职能，它与新一代计算机的研制有密切的联系。 二、模糊计算
空间聚类的研究现状及其应用＊ 戴晓燕1 过仲阳1 李勤奋2 吴健平1 (1华东师范大学教育部地球信息科学实验室 上海 200062) (2上海市地质调查研究院 上海 200072) 摘 要 作为空间数据挖掘的一种重要手段,空间聚类目前已在许多领域得到了应用。文章在对已有空间聚类分析方法概括和总结的基础上,结合国家卫星气象中心高分辨率有限区域分析预报系统产品中的数值格点预报(HLAFS)值,运用K-均值法对影响青藏高原上中尺度对流系统(MCS)移动的散度场进行了研究,得到了一些有意义的结论。 关键词 空间聚类 K-均值法 散度 1 前言 随着GPS、GI S和遥感技术的应用和发展,大量的与空间有关的数据正在快速增长。然而,尽管数据库技术可以实现对空间数据的输入、编辑、统计分析以及查询处理,但是无法发现隐藏在这些大型数据库中有价值的模式和模型。而空间数据挖掘可以提取空间数据库中隐含的知识、空间关系或其他有意义的模式等[1]。这些模式的挖掘主要包括特征规则、差异规则、关联规则、分类规则及聚类规则等,特别是聚类规则,在空间数据的特征提取中起到了极其重要的作用。 空间聚类是指将数据对象集分组成为由类似的对象组成的簇,这样在同一簇中的对象之间具有较高的相似度,而不同簇中的对象差别较大,即相异度较大。作为一种非监督学习方法,空间聚类不依赖于预先定义的类和带类标号的训练实例。由于空间数据库中包含了大量与空间有关的数据,这些数据来自不同的应用领域。例如,土地利用、居住类型的空间分布、商业区位分布等。因此,根据数据库中的数据,运用空间聚类来提取不同领域的分布特征,是空间数据挖掘的一个重要部分。 空间聚类方法通常可以分为四大类:划分法、层次法、基于密度的方法和基于网格的方法。算法的选择取决于应用目的,例如商业区位分析要求距离总和最小,通常用K-均值法或K-中心点法;而对于栅格数据分析和图像识别,基于密度的算法更合适。此外,算法的速度、聚类质量以及数据的特征,包括数据的维数、噪声的数量等因素都影响到算法的选择[2]。 本文在对已有空间聚类分析方法概括和总结的基础上,结合国家卫星气象中心高分辨率有限区域分析预报系统产品中的数值格点预报(HLAFS)值,运用K-均值法对影响青藏高原上中尺度对流系统(MCS)移动的散度场进行了研究,得到了一些有意义的结论。 2 划分法 设在d维空间中,给定n个数据对象的集合D 和参数K,运用划分法进行聚类时,首先将数据对象分成K个簇,使得每个对象对于簇中心或簇分布的偏离总和最小[2]。聚类过程中,通常用相似度函数来计算某个点的偏离。常用的划分方法有K-均值(K-means)法和K-中心(K-medoids)法,但它们仅适合中、小型数据库的情形。为了获取大型数据库中数据的聚类体,人们对上述方法进行了改进,提出了K-原型法(K-prototypes method)、期望最大法EM(Expectation Maximization)、基于随机搜索的方法(ClAR ANS)等。 K-均值法[3]根据簇中数据对象的平均值来计算 ——————————————— ＊基金项目:国家自然科学基金资助。(资助号: 40371080) 收稿日期:2003-7-11 第一作者简介:戴晓燕,女,1979年生,华东师范大学 地理系硕士研究生,主要从事空间数 据挖掘的研究。 · 41 · 2003年第4期 上海地质 Shanghai Geology
网游中的索洛增长模型 摘要 网游是游戏的一种，但其仍有极其符合科学的经济学系统，或者说正是由于网游有着科学的经济体系，游戏才能毫无差错的运营下去，虽然其中参杂了运营商盈利的目的。有人说：生活是一面镜子。有了现实中的经济学这门镜子，我们才能认清网游中打怪升级的本质，才能不一昧沉迷于它。理性的看待任何问题，我想这是经济学给我们带来的启示。 关键词：网游，索洛增长模型 引言 自从2001年的“传奇”以来，网游行业迅速发展。直至如今，已经形成了可谓之百花齐放的盛况。而网游的本质，是玩家与玩家之间的互动。常言道：有人的地方就有经济学。网游作为一个人与人之间的社交平台，必定也存在着各类的经济学现象。现象虽然各不相同，但究其本质，却毫无例外。现在，我将来探讨一下网络游戏中的索洛增长模型。 网游中的索洛增长模型 首先来讨论一个较为简单的情况，假设有一个网游，名字为A。在我们的假设中，我们先将其设定为一个封闭且固定的游戏，即玩家或其他外部力量不能对其进行经济上干预（如点卡充值等）且玩家不会升级且没有新玩家加入的游戏（类似于课本中的封闭模型）。 其次，定义网络游戏中的几个行为。众所周知，网游中没有类似于工作的行为，玩家获得金币（即货币）的手段暂定为刷怪，即收入源自于刷怪。而刷怪中所获得的收益又可以分为两部分，其一，玩家刷怪时付出的肉体和精神上的劳动，与我们所学公式中的L相对应；其二，玩家刷怪所持装备和自身技能对于刷怪所付出的劳动，对应我们所学公式中的K。 当玩家刷怪完后，玩家会获得自己金币上的收入，对应我们所学公式中的Y。对于这部分收入，玩家将有两个选择，储蓄与消费，分别对应我们所学公式中的S与C。储蓄即为将所得金币购买装备或暂时不用，消费即为将金币用于购买消耗性物品或者用于其他娱乐项目，这其中，用于购买装备所花费的资金我们称之为投资，用于对应公式中的I。 在大部分网游中，对于装备都有一个耐久度的设定，即装备在用到一定次数之后就会损毁，此时只能对其进行维修或者购置新的装备，总之得花钱。而耐久度这一参数衍生出来的折损率我们对应公式中的&。 在介绍完了各个参数之后，对他们进行分析。由于我们分析的是该网游总体的经济状况，因此我们将以上参数全部转化为人均值，即y,k,s,c,i.于是依照书上的公式，我们最后可以得出结论，在 sf(k)=&k 时，玩家的k达到最大。 上面的公式得出的结论：当玩家刷怪刷到一定程度，装备发展到一个适当的阶段时，玩家将不再能进行装备更新。因为根据公式，在L不变时，这个阶段的I与&k是相等的。
第37卷第7期测绘与空间地理信息 GEOMATICS ＆SPATIAL INFOＲMATION TECHNOLOGY Vol．37，No．7收稿日期：2014－01－22 作者简介：马宏斌（1982－），男，甘肃天水人，作战环境学专业博士研究生，主要研究方向为地理空间信息服务。 大数据时代的空间数据挖掘综述 马宏斌1 ，王 柯1，马团学 2（1．信息工程大学地理空间信息学院，河南郑州450000；2．空降兵研究所，湖北孝感432000） 摘 要：随着大数据时代的到来，数据挖掘技术再度受到人们关注。本文回顾了传统空间数据挖掘面临的问题， 介绍了国内外研究中利用大数据处理工具和云计算技术，在空间数据的存储、管理和挖掘算法等方面的做法，并指出了该类研究存在的不足。最后，探讨了空间数据挖掘的发展趋势。关键词：大数据；空间数据挖掘；云计算中图分类号：P208 文献标识码：B 文章编号：1672－5867（2014）07－0019－04 Spatial Data Mining Big Data Era Ｒeview MA Hong －bin 1，WANG Ke 1，MA Tuan －xue 2 （1．Geospatial Information Institute ，Information Engineering University ，Zhengzhou 450000，China ； 2．Airborne Institute ，Xiaogan 432000，China ） Abstract ：In the era of Big Data ，more and more researchers begin to show interest in data mining techniques again．The paper review most unresolved problems left by traditional spatial data mining at first．And ，some progress made by researches using Big Data and Cloud Computing technology is introduced．Also ，their drawbacks are mentioned．Finally ，future trend of spatial data mining is dis-cussed． Key words ：big data ；spatial data mining ；cloud computing 0引言 随着地理空间信息技术的飞速发展，获取数据的手 段和途径都得到极大丰富，传感器的精度得到提高和时空覆盖范围得以扩大，数据量也随之激增。用于采集空间数据的可能是雷达、红外、光电、卫星、多光谱仪、数码相机、成像光谱仪、全站仪、天文望远镜、电视摄像、电子 显微镜、CT 成像等各种宏观与微观传感器或设备，也可能是常规的野外测量、人口普查、土地资源调查、地图扫描、 地图数字化、统计图表等空间数据获取手段，还可能是来自计算机、 网络、GPS ，ＲS 和GIS 等技术应用和分析空间数据。特别是近些年来，个人使用的、携带的各种传感器（重力感应器、电子罗盘、三轴陀螺仪、光线距离感应器、温度传感器、红外线传感器等），具备定位功能电子设备的普及，如智能手机、平板电脑、可穿戴设备（GOOGLE GLASS 和智能手表等），使人们在日常生活中产生了大量具有位置信息的数据。随着志愿者地理信息（Volunteer Geographic Information ）的出现，使这些普通民众也加入到了提供数据者的行列。 以上各种获取手段和途径的汇集，就使每天获取的 数据增长量达到GB 级、 TB 级乃至PB 级。如中国遥感卫星地面站现在保存的对地观测卫星数据资料达260TB ，并以每年15TB 的数据量增长。比如2011年退役的Landsat5卫星在其29年的在轨工作期间，平均每年获取8．6万景影像，每天获取67GB 的观测数据。而2012年发射的资源三号（ZY3）卫星，每天的观测数据获取量可以达到10TB 以上。类似的传感器现在已经大量部署在卫 星、 飞机等飞行平台上，未来10年，全球天空、地空间部署的百万计传感器每天获取的观测数据将超过10PB 。这预示着一个时代的到来，那就是大数据时代。大数据具有 “4V ”特性，即数据体量大（Volume ）、数据来源和类型繁多（Variety ）、数据的真实性难以保证（Veracity ）、数据增加和变化的速度快（Velocity ）。对地观测的系统如图1所示。 在这些数据中，与空间位置相关的数据占了绝大多数。传统的空间知识发现的科研模式在大数据情境下已经不再适用，原因是传统的科研模型不具有普适性且支持的数据量受限， 受到数据传输、存储及时效性需求的制约等。为了从存储在分布方式、虚拟化的数据中心获取信息或知识，这就需要利用强有力的数据分析工具来将
《软土地基》课程论文 学院建工学院 姓名王洋 学号
软土本构模型综述 1 引言 土体具有复杂的变形特征，如剪胀性、各向异性、受应力路径影响等。土体变形的这种复杂性是在复杂受力状态下表现出来的。复杂应力状态存在 6 个应力分量，也有 6 个应变分量。其间的关系是一种多因素物理量与多因素物理量之间的关系，不能由试验直接建立。须在简化条件的试验基础上，做某些假定及合乎规律的推理，从而提出某种计算方法，把应力应变关系推广到复杂应力状态。这种计算方法叫本构模型。 1.1 土的本构模型 发展到现在，土的本构模型数目众多，大致可以分为以下几大类: ( 1) 非线性模型; ( 2) 弹塑性模型; ( 3) 粘弹塑性模型; ( 4) 结构性模型。 对于软土而言，比较适用的一般为弹塑性模型。弹塑性模型是把总的变形分成弹性变形和塑性变形两部分，用虎克定律计算弹性变形部分，用塑性理论来解塑性变形部分。 1.2 变形假定 对于塑性变形，要作三方面的假定: ( 1) 破坏准则和屈服准则; ( 2) 硬化准则; ( 3) 流动法则。 不同的弹塑性模型，这三个假定的具体形式也不同。最常用的弹塑性模型为剑桥模型及其扩展模型。 2 剑桥模型与修正剑桥模型 1958 年，Roscoe 等发现了散粒体材料在孔隙比-平均有效应力-剪应力的三维空间里存在状态面的事实，1963 年，提出了著名的剑桥模型，1968 年，
形成了以状态面理论为基础的剑桥模型的完整理论体系。 Roscoe 等人将“帽子”屈服准则、正交流动准则和加工硬化规律系统地应用于Cam 模型之中，并提出了临界状态线、状态边界面、弹性墙等一系列物理概念，构成了第一个比较完整的土塑性模型。剑桥模型又被称为临界状态模型，是一个非常经典的弹塑性模型，它是第一个全面考虑重塑正常固结或弱超固结粘土的压硬性和剪胀性的模型，标志着土的本构理论发展新阶段的开始。 1968 年，Roscoe 等人在剑桥模型的基础上提出了修正剑桥模型，将原来的屈服面在p'，q 平面上修正为椭圆，并认为在状态边界面内土体变形是完全弹性的。在状态边界面内，增加的剪应力虽不产生塑性体积变形，但可产生塑性剪切变形。修正剑桥模型是一种“帽子”型模型，在许多情况下能更好地反映土的变形特性。修正剑桥模型至今仍在工程中广泛应用，是因为它具有很多优点: 形式简单，模型参数少，参数确定方法简单( 只需常规三轴试验即可) ，参数有明确的物理意义，能够很好的反映重塑正常固结或弱超固结粘土的压硬性和剪缩性，因此修正剑桥模型是土力学中比较成熟而且应用广泛的弹塑性本构模型。同时，修正剑桥模型也有一定的局限性: 屈服面只是塑性体积应变的等值面，只采用塑性体积应变作硬化参量，因而没有充分考虑剪切变形; 只能反映土体剪缩，不能反映土体剪胀; 没有考虑土的结构性这一根本内在因素的影响; 假定的弹性墙内加载仍会产生塑性变形等。修正剑桥模型对实际情况进行了一系列假定: ①屈服只与应力球量p 和应力偏量q 两个应力分量有关，与第三应力不变量无关; ②采用塑性体应变硬化规律，以为硬化参数; ③假定塑性变形符合相关联的流动法则，即g( σ) = f( σ) ; ④假定变形消耗的功，即塑性功为: 剑桥模型是当前在土力学领域内应用最广的模型之一，其主要特点有: 基本概念明确; 较好地适宜于正常固结粘土和弱超固结粘土; 仅有3个参数，都可以通过常规三轴试验求出，在岩土工程实际工作中便于推广; 考虑了岩土材料静水压力屈服特性、剪缩性和压硬性。王清等分析了修正剑桥模型的应力应变关系，以其为基础引进了接触单元和杆单元，运用修正合格模型，用有限元程序模拟了
土的本构关系 土体是天然地质材料的历史产物。土是一种复杂的多孔材料,在受到外界荷载作用后,其变形具有以下特性：①土体的变形具有明显的非线性,如:土体的压缩试验e～p 曲线、三轴剪切试验的应力—应变关系曲线、现场承载板试验所得的p～s曲线等; ②土体在剪切应力作用下会产生塑性应变,同时球应力也引起塑性应变; ③土体尤其是软粘土,具有十分明显的流变特性; ④由于土体的构造或沉积等原因,使土具有各向异性; ⑤紧砂、超固结粘土等在受剪后都表现出应变软化的特性; ⑥土体的变形与应力路径有关,证明不同的加载路径会出现较大的差别; ⑦剪胀性等。为了更好地描述土体的真实力学—变形特性,建立其应力、应变和时间的关系, 在各种试验和工程实践经验的基础上提出一种数学模型,即: 土体的本构关系。 自从Roscoe等人首次建立了剑桥模型以来, 土的本构关系的研究经历了一个蓬勃发展的 阶段, 出现了一些具有实用价值的本构模型。虽然很多的理论为建立土的本构关系提供了有力的工具, 但是由于土是一种三相体材料, 在性质上既不同于固体也不同于液体, 是介于两者 之间的特殊材料, 所以人们常借助于固体力学或流体力学理论, 同时结合工程实践经验来解 决土工问题, 从而研究土的本构关系形成了自己一套独特的方法—半理论半经验的方法。建立一个成功的本构关系关键有两点：第一要建立一个函数能较好地反映土在受力下的响应特征；第二要充分利用试验结果提供的数据比较容易地确定模型参数。模型都需要满足以下基本条件：（1）不违背更高一级的基本物理原理（如热力学第一、第二定律）。（2）建立在一定的力学理论基础之上（如弹性理论、塑性理论等）。（3）模型参数能够通过常规试验求取。从工程应用的角度出发，研究问题的精度就需要进行合理的控制，从而在计算精度与计算设备、计算难度、计算时间以及计算成本之间获得平衡。另外，任何理论、方法都应以实践应用为目的，这样才具有价值。综合上述两点，从工程应用的角度去分析各种土的本构关系是非常有必要的。本构关系是反映材料的力学性状的数学表达式，表示形式一般为应力-应变-强度-时间的关系。土的本构关系十分复杂，除受时间因素影响外，还受温度、湿度等因素影响。时间作为一个主要因素，主要是反映土的流变特性且在大多数情况下可以忽略其影响。同时，强度可以视为土体应力-应变发展的一个特殊阶段，即在发生很小的应力增量下，土体单元将发生无限大的变形。 对于一般的岩土工程问题，稳定问题是主要问题，如地基稳定问题、斜坡稳定问题等，一般采用极限平衡法对土体进行分析。这种分析不考虑土体破坏前的变形过程及变形量，只关心土体处于最后整体滑动时的状态及条件，实际上是刚塑性或理想塑性的理论。20 世纪50 年代末到60 年代初，由于高重土工构筑物、高层建筑以及许多大型建筑物的兴建，使土体变形问题成为主要矛盾。此外，随着计算手段、试验手段的提高，也极大地促进了本构关系的发展。 土的线弹性模型：经典土力学将土体视为理想弹性体,在进行变形计算时采用基于广义虎克定律的线性弹性模型,假定土体的应力和应变关系成正比,通过测定土在不排水条件下的弹性 模量E和泊松比μ,或者体积变形模量K和剪切模量G来描述其应力—应变关系。土的线弹性模型简单,适用于不排水、安全系数较大、土体不发生屈服的情况,工程中可用于:①计算地基中的垂直应力分布; ②计算地基在不排水加荷情况下的位移和沉降; ③基坑开挖问题计算,用于估计基坑在不排水条件下的侧向压力与侧向位移; ④计算软粘土地基在加荷不排水条件下的沉 降和孔隙水压力。 土的非线弹性模型：土体在外荷载作用下一般都要发生屈服,其应力—应变关系具有非线性,土体发生的变形既有弹性变形又有塑性变形,土的非线弹性模型可以较好地描述其变形特性。土的非线弹性模型理论可以分为三类:弹性模型、超弹性(Hyper Elastic)模型(又称Green超弹性模型)和次弹性(Hypo Elastic) 模型。其中影响最大、最具有代表性的主要是邓肯一张
文献综述的写法及范文 文献综述是对某一方面的专题搜集大量情报资料后经综合分析而写成的一种学术论文，它是科学文献的一种。文献综述是反映当前某一领域中某分支学科或重要专题的最新进展、学术见解和建议的它往往能反映出有关问题的新动态、新趋势、新水平、新原理和新技术等等。 要求同学们学写综述，至少有以下好处： ①通过搜集文献资料过程，可进一步熟悉科学文献的查找方法和资料的积累方法；在查找的过程中同时也扩大了知识面； ②查找文献资料、写文献综述是科研选题及进行科研的第一步，因此学习文献综述的撰写也是为今后科研活动打基础的过程； ③通过综述的写作过程，能提高归纳、分析、综合能力，有利于独立工作能力和科研能力的提高； ④文献综述选题范围广，题目可大可小，可难可易。对于毕业设计的课题综述，则要结合课题的性质进行书写。 文献综述与“读书报告”、“文献复习”、“研究进展”等有相似的地方，它们都是从某一方面的专题研究论文或报告中归纳出来的。但是，文献综述既不象“读书报告”、“文献复习”那样，单纯把一级文献客观地归纳报告，也不象“研究进展”那样只讲科学进程，其特点是“综”，“综”是要求对文献资料进行综合分析、归纳整理，使材料更精练明确、更有逻辑层次；“述”就是要求对综合整理后的文献进行比较专门的、全面的、深入的、系统的论述。总之，文献综述是作者对某一方面问题的历史背景、前人工作、争论焦点、研究现状和发展前景等内容进行评论的科学性论文。 写文献综述一般经过以下几个阶段：即选题，搜集阅读文献资料、拟定提纲（包括归纳、整理、分析）和成文。 一、选题和搜集阅读文献 撰写文献综述通常出于某种需要，如为某学术会议的专题、从事某项科研、为某方面积累文献资料等等，所以，文献综述的选题，作者一般是明确的，不象科研课题选题那么困难。文献综述选题范围广，题目可大可小，大到一个领域、一个学科，小到一种算法、一个方法、一个理论，可根据自己的需要而定。 选定题目后，则要围绕题目进行搜集与文题有关的文献。关于搜集文献的有关方法，可以如看专著、年鉴法、浏览法、滚雪球法、检索法等等，在此不述。搜集文献要求越全越好，因而最常用的方法是用检索法。搜集好与文题有关的参考文献后，就要对这些参考文献进行阅读、归纳、整理，如何从这些文献中选出具有代表性、科学性和可靠性大的单篇研究文献十分重要，从某种意义上讲，所阅读和选择的文献的质量高低，直接影响文献综述的水平。因此在阅读文献时，要写好“读书笔记”、“读书心得”和做好“文献摘录卡片”。有自己的语言写下阅读时得到的启示、体会和想法，将文献的精髓摘录下来，不仅为撰写综述时提供有
可视化空间数据挖掘研究综述 贾泽露1，2 刘耀林2 （1. 河南理工大学测绘与国土信息工程学院，焦作，454000；2. 武汉大学资源与环境科学学院，武汉，430079）摘要：空间数据挖掘针对的是更具有可视化要求的地理空间数据的知识发现过程，可视化能提供同用户对空间目标心理认知过程相适应的信息表现和分析环境，可视化与空间数据挖掘的结合是该领域研究发展的必然，并已成为一个研究热点。论文综述了空间数据挖掘和可视化的研究现状，重点阐述了空间数据挖掘中的可视化化技术及其应用，并对可视化空间数据挖掘的发展趋势进行了阐述。 关键词：数据挖掘；空间数据挖掘；数据可视化；信息可视化；GIS； 空间信息获取技术的飞速发展和各种应用的广泛深入，多分辨率、多时态空间信息大量涌现，以及与之紧密相关的非空间数据的日益丰富，对海量空间信息的综合应用和处理技术提出了新的挑战，要求越来越高。空间数据挖掘技术作为一种高效处理海量地学空间数据、提高地学分析自动化和智能化水平、解决地学领域“数据爆炸、知识贫乏”问题的有效手段，已发展成为空间信息处理的关键技术。然而，传统数据挖掘“黑箱”作业过程使得用户只能被动地接受挖掘结果。可视化技术能为数据挖掘提供直观的数据输入、输出和挖掘过程的交互探索分析手段，提供在人的感知力、洞察力、判断力参与下的数据挖掘手段，从而大大地弥补了传统数据挖掘过程“黑箱”作业的缺点，同时也大大弥补了GIS重“显示数据对象”轻“刻画信息结构”的弱点，有力地提高空间数据挖掘进程的效率和结果的可信度[1]。空间数据挖掘中可视化技术已由数据的空间展现逐步发展成为表现数据内在复杂结构、关系和规律的技术，由静态空间关系的可视化发展到表示系统演变过程的可视化。可视化方法不仅用于数据的理解，而且用于空间知识的呈现。可视化与空间数据挖掘的结合己成为必然，并已形成了当前空间数据挖掘1与知识发现的一个新的研究热点——可视化空间数据挖掘(Visual Spatial Data Mining，VSDM)。VSDM技术将打破传统数据挖掘算法的“封闭性”，充分利用各式各样的数据可视化技术，以一种完全开放、互动的方式支持用户结合自身专业背景参与到数据挖掘的全过程中，从而提高数据挖掘的有效性和可靠性。本文将对空间数据挖掘、可视化的研究概况，以及可视化在空间数据挖掘中的应用进行概括性回顾总结，并对未来发展趋势进行探讨。 一、空间数据挖掘研究概述 1.1 空间数据挖掘的诞生及发展 1989年8月，在美国底特律市召开的第一届国际联合人工智能学术会议上，从事数据库、人工智能、数理统计和可视化等技术的学者们，首次出现了从数据库中发现知识(knowledge discovery in database，KDD)的概念，标志着数据挖掘技术的诞生[1]。此时的数据挖掘针对的 作者1简介：贾泽露（1977,6－），男，土家族，湖北巴东人，讲师，博士，主要从事空间数据挖掘、可视化、土地信息系统智能化及GIS理论、方法与应用的研究和教学工作。 作者2简介：刘耀林(1960,9- ),男，汉族，湖北黄冈人，教授，博士，博士生导师，武汉大学资源与环境科学学院院长，现从事地理信息系统的理论、方法和应用研究和教学工作。
湘潭大学 本科生专业文献综述 题目: 数据挖掘文献综述 姓名: 林勇 学院: 信心工程学院学院 专业: 自动化 班级: 一班 学号: 2010550113 指导教师: 张莹
0前言 随着计算机技术的迅猛发展，人类正在步入信息社会。面对今天浩如烟海的信息，如何帮助人们有效地收集和选择所感兴趣的信息，更关键的是如何帮助用户在日益增多的信息中自动发现新的概念并自动分析它们之间的关系，使之能够真正地做到信息处理的自动化，这已成为信息技术领域的热点问题。数据挖掘就是为满足这种要求而产生并迅速发展起来的，可用于开发信息资源的一种新的数据处理技术。 1什么是数据挖掘 数据挖掘(Data Mining)，也叫数据开采，数据采掘等，是按照既定的业务目标从海量数据中提取出潜在、有效并能被人理解的模式的高级处理过程。在较浅的层次上，它利用现有数据库管理系统的查询、检索及报表功能，与多维分析、统计分析方法相结合，进行联机分析处理，从而得出可供决策参考的统计分析数据。在深层次上，则从数据库中发现前所未有的、隐含的知识。OLAF'的出现早于数据挖掘，它们都是从数据库中抽取有用信息的方法，就决策支持的需要而言两者是相辅相成的。OLAP可以看作一种广义的数据挖掘方法，它旨在简化和支持联机分析，而数据挖掘的目的是便这一过程尽可能自动化。数据挖掘基于的数据库类型主要有：关系型数据库、面向对象数据库、事务数据库、演绎数据库、时态数据库、多媒体数据库、主动数据库、空间数据库、遗留数据库、异质数据库、文本型、Internet信息库以及新兴的数据仓库(Data Warehouse)等。而挖掘后获得的知识包括关联规则、特征规则、区分规则、分类规则、总结规则、偏差规则、聚类规则、模式分析及趋势分析等。 1.1 数据挖掘的任务 数据挖掘的两个高层目标是预测和描述。前者指用一些变量或数据库的若干已知字段预测其它感兴趣的变量或字段的未知的或未来的值；后者指找到描述数据的可理解模式。根据发现知识的不同，我们可以将数据挖掘任务归纳为以下几类： (1)特征规则。从与学习任务相关的一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征．例如可以从某种疾病的症状中提取
土的本构关系的综述 土的本构关系，即土的应力应变关系，是现代土力学的核心内容，也是有限元分析计算的基础。建立一个有效而经典的本构模型需要对土的基本特性透彻把握，并且可全局规划。同时，一个有效且经典本构模型还可以作为一个捷径让初学者逐步认识到土加载变形过程。而建立土的本构模型的核心问题就是通过土体在实验中所表现出的力学行为来反演其内在的本构关系。 从我们的认识基础之上，土体是天然地质材料的历史产物，还是一种复杂的多孔材料，当受到外界荷载作用后，其变形可归纳为下面几种特性：土体的变形具有明显的非线性；土体在剪切应力作用下会产生塑性应变，同时球应力也引起塑性应变；土体中特别是软黏土，具有十分明显的流变的特点；由于土体的构造或沉积等原因，使土具有各向异性；超固结黏土等在受剪后都表现出应变软化的特性；还有土体的变形与应力路径有关，证明不同的加载路径会出现较大的差别；土的剪胀性可以更好地描述土体的真实力学 - 变形特性，建立其应力、应变和时间的关系。 针对土这样一种多相离散、影响因素很复杂的材料，想去建立一种精确并且可面面俱到地反映每一因素的本构模型基本是做不到。在这种情况下，我们要抓住主要矛盾，应该考虑去建立可行的具有物理概念正确数学表达严密模型参数应用方便的本构模型。 其次，土本构模型的建立是一个重要而又复杂的问题,到目前为止,国内外学者们建立了很多模型,很多论文对这些模型进行了讲述。然而这些土本构模型的出发点都是在扰动土或砂土的基础上,它们难以描述在土的结构性作用下各种非线性行为,从而造成计算结果不正确，不贴和实际情况。天然土体一般都具有一定的结构性,所以有必要建立考虑土结构性影响的土本构模型。在此现实基础上，很多专家将土结构性影响特性纳入建立本构模型的因素中。 再者，随着 CT 技术、X 射线和光弹试验等在土体研究中的应用，从而使得我们对土体的宏观变形和微观规律有了更进一步的认识。在对土的结构性研究引起重视，建立了不少的模型研究成果表明：土的结构性对其压缩特性、强度包线特性等都有显著的影响在研究土体结构性模型的同时，不少专家结合其他理论建立了土体的损伤本构模型。在实际情况里，我们应针对具体工程做出选择。工程师们关心土体从加载直至破坏失稳的整个过程，那么初始模量、最终抗剪强度以及加载过程中的应力应变及体变规律三个要点都是需要考虑分析的，此时弹塑性模型将作为首要选择，要是着重考虑工程强度稳定性，本构模型对最终强度的体现是最重要的，可选取例如强调最终破坏剪应力的理想塑性模型; 或者是土的抗剪强度大于实际荷载远，我们可近似视认为变形是在弹性范围内的，随之应该选择弹性本构模型。 首先先阐明了应力应变性态的几种基本形式，如下图中所示。
Solow 模型之详细推导 参考资料： 戴维·罗默 《高级宏观经济学》 龚六堂 《经济增长理论》 研究生一年级 《高级宏观经济学》、《动态优化》课堂笔记 Solow 模型含四个变量：产出（Y ）、资本（K ），劳动（L ）、技术进步（A ）。 生产函数的形式为： ()((),()())Y t F K t A t L t = 满足： ①二阶连续可微； (,)F ??②对变量非减且严格凹（即资本和劳动力的边际生产率都是递减的） ； (,)F ??③生产函数是常数规模回报的，即对任意λ>0，有 (,)(,F K AL F K AL )λλλ=， （1） 从而可得到欧拉（Euler ）方程： (,)(,)(,)F K L F K L F K L K L K L ??=+??； ④生产函数满足Inada 条件，即 00lim (,),lim (,)lim (,)0lim (,)0K L K L K L K L F K L F K L F K L F K L →→→∞→∞ =∞=∞==，。 通常所讲的Cobbel-Douglas 生产函数满足此条件： ()()()()Y t A t K t L t αβ=，0,1αβ<<。 规模报酬不变的假定使我们得以使用密集形式的生产函数。 11(,1)(,)K F F K AL Y AL AL AL ==， （2） 令 K k AL =表示每单位有效劳动的平均资本数量， Y y AL =表示每单位有效劳动的平均产出 那么可将（2）式写为： (,1)()y F k f k == 假定储蓄率为，资本折旧为s δ，人口增长率既定，为L n L =&，技术进步率也既
毕业论文文献综述 信息与计算科学 基于matlab的数据挖掘技术研究 数据挖掘是用于大规模数据处理的一种新的思维方式和技术手段，他是在现实生活中各种数据量呈指数级不断增长，以及以数据库(database)技术为核心的信息技术逐渐成熟的背景下产生的。数据挖掘可以帮助用户发现影藏在大型数据库中的规律和模式，它融合了人工智能(artificial intelligence)、统计（statistics）、机器学习（nachine learning）、模式识别（pattern recognition）和数据库等多种学科的理论、方法与技术，已经在商业、企业、政府、科研及体育等多种不同类型的组织机构和领域中获得了非常广泛的应用。即使在日常生活中，数据挖掘技术也已经潜移默化地参与到人们的生活质量改善过程中。 数据挖掘有很多种技术和计算方法，包括决策树方法（decision tree）、人工神经网络方法（artificial neural metwork，ANN）、聚类分析、模糊集合方法、遗传算法（genetic algorithm）、模拟退火算法(simulated annealing,SA)、进化式程序设计(evolutionary programming)等。这里主要介绍一下聚类分析、遗传算法和人工神经网络算法。 聚类分析也称无监督学习，或无教师学习，或无指导学习，因为和分类学习相比，聚类的样本没有标记，需要由聚类学习算法来自动确定。聚类分析是研究如何在没有训练的条件下把样本划分为若干。聚类（clustering）是对物理的或抽象的样本集合分组的过程。聚类分析有很多种目标，但都涉及把一个样本集合分组或分割为子集或簇（cluster）。从统计学的观点看，聚类分析是通过数据建模简化数据的一种方法。聚类分析主要针对的数据类型包括区间标度变量、二值变量、标称变量、序数型变量、比例标度型变量以及由这些变量类型构成的复合类型。聚类算法应具有以下几个特点：1处理不同字段类型的能力；2可伸缩性；3处理高维数据的能力；4发现具有任意簇的形状的族类能力；5能够处理异常数据；6对数据顺序的不敏感性；7输入参数对领域知识的弱依赖性；8聚类结果的可解释性和实用性；9增加限制条件后的聚类分析能力。 基因算法起源于对生物系统进行的计算机模拟研究，是一种受生物进化启发，使用计算机模拟生物进化的学习方法。基因算法是模拟生物进化过程的计算模型，是自然遗传学与计算机科学互相结合、互相渗透而形成的新的计算方法。基因算法的最大优点是问题求解与初始条件无关，搜索最优解的能力极强。从数学的角度看，基因算法是一种概率型搜索算法：从工程学角度看，它是一种自适应的迭代寻优过程。基因算法需要完成两种数据转换，算法实施之前进行从表现型到基因型的转换，即将搜索空间中的参数或可行解转化成遗传空间中的染色体或个体，完成编码操作；在算法
麦克斯韦尔模型与开尔文模型综述 1弹性力学概念和流变学的两个基本模型 在流变学里,应变不与应力成简单的正比关系,这两者不是线性关系。在这里,表述应变、应力和时间三者关系的公式不再称为应力-应变关系,而称为“本构关系”。 马克斯威尔模型由一个弹性元件和一个流性元件串联组成,描述具有弹性又具有流性的材料。岩石在瞬间受力条件下具有弹性,在持久力作用下具有流性,恰好可用马克斯威尔模型描述。马克斯威尔粘弹性模型中的粘性元件采用了牛顿流体模型,即线性粘性流体。牛顿流体是指受应力时产生的流动速率与应力大小成正比的材料。表述为 σ=ηε（1） 式(1)中σ为应力,ε为应变(流动)速率,η为比例常数,流变学中称为粘性系数(模量)。式( 1)可与弹性力学中一维虎克定律的形式进行比较 σ=Eε（2） 式(2)中ε为应变,E为比例常数,又称杨氏模量。式( 2)表示材料的应变与应力成正比,与式( 1)的不同就在于应变速率ε上,其中包含着时间因素。 2 开尔文( Kelvin)模型简介 比马克斯威尔模型( 1868)晚几年,提出了开尔文模型( Kelvin ,1875)。与马克斯威尔模型不同,将弹性元件a和流性元件b不是串联,而是并联,就组成了开尔文模型,如图1所示。元件a 为弹簧,具有完全弹性,其应力应变关系符合虎克定律式( 2) ,在此可写为 σ （图1开尔文模型） a为弹性元件弹簧, b为流性元件有阻尼的唧筒, 两者并联,σ为应力 元件b符合牛顿流体条件,参照式(1)可写为σ=η ε由于是并联,所以两元件上应力之和应等于总应力σ ,有 σ= σ+σ=Eε+ηε σ=Eε+η ε(3) 式(3)为开尔文模型的本构关系,为深入了解开尔文模型的性质,给出一些特定情况来分析。 （1）第一种情况。我们给这个模型两端突然一个应力,例如拉应力,量值为σ并保持不变。模型的并联关系要求并联两元件的变形量要同步,弹性元件虽然有能力响应应力σ的作用,力图达到对应的应变值,但碍于流性元件的滞后性,必须跟随流性元件的缓慢速度使变形逐渐跟上来。这个过程的应力在初始时几乎全由流性元件承担,弹性元件只承担很小的应力,而随着应力保持的时间延续才逐渐增大,这样应力也逐渐由流性元件身上转移到弹性元件身上,最后