《表2 预处理后的林分数据》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Apriori算法的浙西杉木用材林立地及生长因子关联分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在数据挖掘之前，对原始数据进行数据清洗和数据转换。在本研究中，1.2节中的剔除异常数据和无效数据即数据清洗，对清洗后的不同量纲数据进行归一化处理即数据转换。本研究数据包括定性因子和定量因子，定性因子包含多个属性维度，定量因子则为连续性数据。对定性因子按照类别进行分类，对定量连续性数据进行离散化处理。数据具体转换过程如下：地貌分为低山（A1）、丘陵（A2）；海拔分为10～200 m（B1），201～400 m (B2），401～570 m (B3）3组；坡位上、中、下、谷、全分别用C1～C5标识；坡向东、南、西、北、东北、东南、西北、西南分别用D1～D8标识；坡度级平、缓、斜、陡、急、险分别用E1～E6标识；土壤分为红壤（F1）、黄壤（F2）；土壤质地分为砂土（G1）、壤土（G2）、黏土（G3）；土层厚度分为厚（H1）、中（H2）、薄（H3）；腐殖质厚度分为厚（I1）、中（I2）、薄（I3）；林下植被种类分为草丛（J1）、草灌（J2）、灌丛（J3）、无植被（J4）；林下植被高度分为0～50 cm (K1），51～85 cm (K2）；林下植被覆盖度分为0～30%（L1），31%～60%（L2），61%～90%（L3）。选用最具代表性的胸径、树高和蓄积3个林分生长因子作为关联规则事务项，作离散化处理。根据收集的数据范围，将胸径分为5.0～10.0 cm (M1），10.1～15.0cm (M2），15.1～20.0 cm (M3）；将树高分为3.0～6.0 m (N1），6.1～9.0 m (N2），9.1～12.0 m (N3），12.1～15.0 m (N4），15.1～18.0 m (N5）；将单位蓄积分为20.0～50.0 m3 (O1），50.1～80.0 m3 (O2），80.1～110.0 m3 (O3），110.1～140.0 m3 (O4），140.1～170.0 m3 (O5）。将林分年龄也考虑其中，根据浙江省森林资源规划设计调查规程，对浙西杉木用材林进行龄组划分，≤10 a（幼龄林，P1），11～20 a（中龄林，P2），21～25 a（近成熟林，P3）和26～35 a（成熟林，P4）和>35 a（过熟林，P5）。根据构建的地位指数模型，计算得到杉木地位指数为8～18，作为关联分析事务项，将16和18指数的立地定为好，用Q1表示；12和14指数立地为中，用Q2表示；8和10指数立地为差，用Q3表示。表2是依据分类进行预处理的部分数据，其中每行数据可以理解成Apriori算法中的一个事务。本研究首先使用Apriori算法计算出频繁项集及支持度，再根据置信度计算公式得到项集与项集之间的规则。