基于数据挖掘技术的大型应急物资调度系统的设计与实现
谢红
摘 要： 现存的应急物资调度系统，在大型物资进行调度过程中，存在调度效率低，容易陷入局部最佳解等问题。因此，设计基于数据挖掘技术的大型应急物资调度系统与应急物资调度系统结构，其由应急物资调度指挥站、应急物资节点和应急物资信息系统构成。分析了应急物资调度系统流程、数据挖掘的实现过程以及数据挖掘技术在大型应急物资调度系统中的具体应用过程。系统通过动态滚动式应急资源配置模型以及数据挖掘算法服务代码实现应急物资的有效调度。实验结果表明，所设计系统的应急总成本和总调度成本都较低，具有较高的调度精度和收敛速度。
关键词： 数据挖掘； 大型应急物资； 应急物资调度； 资源配置模型
中图分类号： TN911?34； TP392 文献标识码： A 文章编号： 1004?373X（2017）08?0049?04
Design and implementation of large emergency supply dispatching system
based on data mining technology
XIE Hong
（Guiyang Vocational and Technical College， Guiyang 550081， China）
Abstract： The existing emergency supply scheduling system has low scheduling efficiency， and is easy to fall into local optimal solution in the process of large material dispatching. Therefore， a large?scale emergency supply dispatching system based on data mining technology was designed. The structure emergency supplies scheduling system was designed， which is composed of emergency supply dispatching command station， emergency supply nodes and information system. The flow process of emergency supply dispatching system， implementation process of data mining and application of data mining technology in the large?scale emergency supply dispatching system are analyzed. The dynamic rolling emergency resource allocation model and service code of data mining algorithm are adopted in the system to achieve effective dispatching of emergency supplies. The experimental results indicate that the total costs and total operation cost of the designed emergency system are low， and the system has the high dispatching precision and high convergence speed.
Keywords： data mining； large emergency supply； emergency supply dispatching； resource allocation model
0 引 言
随着社会经济的快速发展，社会中的非常规突发事件发生率也逐渐增加，对人们群众的生产和生活产生了严重的影响。因此，塑造科学的应急物资调度系统，降低非常规性突发性事件产生的危害，逐渐成为相关人员分析的热点方向[1?3]。现存的应急物资调度系统，对大型物资进行调度过程中，存在调度效率低，以及容易陷入局部最佳解等问题[4?6]。
以往的应急物资调度系统存在一定弊端，如文献[7]分析了基于两阶段多运输方式的物资调度系统，模拟救援物资的运输方案，通过随机线性方法塑造物资调度模型，解决物资供需平衡问题。但是该方法未对车辆调度问题进行分析，方法不够完整，存在一定的局限性。文献[8]提出了紧急状态下物资供应问题的线性规划模型，向各条线路上分配最佳运输车辆，但是其未对车辆的数量进行约束，不符合应急物资场景，并且其不能对大量同物资调度关联的空间数据进行有效的处理，调度效率较低。文献[9]提出了基于运筹学方法的物质调度系统，将紧急情况下的物资调度问题看作对网络最短路径的规划问题，但是实际的应急物资调度中不同物资需求点间存在较多复杂的通路，大大降低了该方法的调度效率。文献[10]通过集中分析联系数概念描述急物资调度过程中的应急地点的不确定性，分析依据联系数的多资源持续消耗应急物资调度模型，但是模型未分析需求量同供应量间的不确定性，制定的物资调度结果存在较高的偏差。
针对上述问题，设计了塑造依据数据挖掘技术的大型应急物资调度系统，其由应急物资调度指挥站、应急物资节点和应急物资信息系统构成。实验结果表明，所设计系统的应急总成本和总调度成本都较低，具有较高的调度精度和收敛速度。
1 大型应急物资调度系统的设计
1.1 设计大型应急物资调度系统结构
设计的大型应急物资调度系统结构如图1所示。
应急物资调度指挥站对总体应急物资调度系统的事态进行实时监控。应急物资调度指挥站的运行流程为：先在应急物资调度系统存储的应急物资调度信息中获取同物资需求一致的信息，对应急物资的实际需求进行大体分析；再按照应急物资调度的流程规划具体的应急物资节点；最终从大量的应急物资调度方案中，选择最佳的调度方案。应急物资调度过程中产生较多的信息，系统应对这些信息进行精炼以及处理，将信息保存在应急物资信息系统中，同时对新存入的信息进行相关的处理，将提炼后的信息传输到应急指挥站，为指挥站产生应急物资调度方案提供分析依据。
1.2 设计大型应急物资调度系统流程
设计的大型应急物资调度系统流程如图2所示。
筹措过程是应急物资调度顺利进行的前提，对应急物资筹措需要确保物资的质量优良、数量充足、快速等。应急物资采购就是在非常规突发事件产生后，确保应急物资需求，保障救援活动顺利运行的采购过程。
应急物资的储备环节同物资的调度效率以及救援活动的成效相关。若应急物资储备准备充分，则能够降低应急物资的采购时间和运输量，进而提高救援活动的效率，降低物资调度成本。应急物资配送中心，可将应急物资从供应地传递到需求地。应急物资的回收部分，是将能够循环使用的应急物资从救助点等非常规突发事件的发生地，回收到应急物资供应点的过程。
1.3 数据挖掘技术在应急物资调度系统中的具体应用
1.3.1 数据挖掘的实现过程
数据挖掘也就是对数据库中知识的发现过程，具体过程如图3所示。其中，数据挖掘是知识发现中的关键过程。
图3 数据挖掘的实现过程
（1） 数据清洗过程用于过滤应急物资调度系统中的噪声数据，对同挖掘主体不相关的数据进行处理和过滤，采集有价值数据。
（2） 数据集成过程从不同类型数据源中采集同物资调度相关数据，并对数据进行融合处理。
（3） 数据转换过程对数据存储方式进行变换，确保数据挖掘更易完成。
（4） 数据挖掘过程是通过各种算法对应急物资调度系统中的数据进行挖掘，获取数据中潜在的关系。
（5） 模式评估过程中将数据挖掘结果看作评估对象，通过相关的评估规范，从挖掘结果中获取有价值的模式知识。
（6） 知识表示过程通过可视化技术向用户呈现应急物资调度系统的数据挖掘结果。
1.3.2 具体应用过程
基于数据挖掘技术的大型应急物资调度系统包括数据挖掘模块和应急物资调度模块，其结构图见图4。
采用数据挖掘技术从大规模信息中获取有价值信息，通过信息流反馈给应急物资信息系统，为其提供分析依据，促使管理人员制定出合理的应急物资调度方案，增强应急物资调度质量。数据挖掘包括数据准备过程和数据挖掘过程。
（1） 数据准备过程
应急物资调度的数据产生于应急物资数据源、应急人员数据源、应急组织数据源等，这些都是数据挖掘初期的数据准确。再采用数据集成、采集、选择等途径过滤大规模应急物资数据源中的噪声数据，修复数据源中的残缺数据，采集数据源中的有价值数据，对数据进行融合处理后，将其保存在数据仓库中。
（2） 数据挖掘过程
数据挖掘是应急物资调度系统的关键部分，系统中的关系型模型库以及多维数据库，依据数据间的关系完成数据的深度剖析，再依据相关的规则对数据进行分类；方案库用于保存不同应急物资调度预备策略以及具体的调度策略，确保发生突发事件后，能够向需求地快速调度物资，降低突发事件产生的不利影响；模型库用于塑造不同的应急物资调度模型，管理人员按照当前的应急物资状态，从模型库中选择合理的应急物资调度模型，完成应急物资的高效调度；知识库中保存较多的应急物资调度经验，如以往成功的应急物资调度方案，这些经验为当前制定应急物资调度方案提供可靠的分析依据。数据仓库用于存儲模型库中的数据，数据挖掘可从数据仓库中采集出有价值的信息，也可从上述分析的其他模型中采集有价值信息和数据。
数据挖掘过程完成后，系统应通过可视化等方法，向用户呈现数据挖掘结果，并通过过滤、评估等方法采集挖掘结果中的有价值信息，通过信息流将有价值信息反馈给应急物资信息系统，为其提供可靠的分析数据。
2 大型应急物资调度系统的实现
2.1 塑造动态滚动式应急物资调度模型
应急物资信息系统通过动态规划方法获取应急物资的调度模型，完成应急物资的合理调度。先获取边界规范以及基本递推关系式，设置合理的参数以及变量，将应急调度过程分割成几个相互关联的过程。其中的参数设置如下：将应急物资调度过程，划分成k个过程；从中获取情境变量，并且用S描述，；用描述过程k时的情境，全部的情境用描述，；用于描述应急物资调度方案，全部调度方案变量的取值区间为，用描述过程k时情境处产生的应急物资调度方案，后续过程的情境同前一过程的情境值具有较高的关联性，用于描述情境变量同过程k的决策变量能够获取后续过程的情境值，也就是第 k+1过程的情境值，用于描述过程k的情境波动函数；为指标函数，用于描述应急物资调度的过程效用，用于描述总效用。塑造动态滚动式应急物资调度模型的目标是最大化应急救援时物资调度的总效用，则应急资源动态滚动式配置过程的具体模型为：
（1）
（k?n）过程的最优方案函数为，则动态滚动式应急物资调度模型为：
（2）
式（2）描述的动态滚动式应急物资调度模型，能够实时掌握物资调度的情境信息，确保决策人员依据应急物资调度过程中不同阶段的调度效果和情境状态，实时调整应急物资配置方案，完成应急物资的滚动式配置。
2.2 数据挖掘算法服务设计
数据挖掘算法服务规范定义了数据挖掘查询语言，也就是数据挖掘扩展（DMX）。通过使用MDX语句能够实现数据挖掘的模型创建、模型训练以及模型预测。下面代码实现了数据挖掘模型的创建，并采用决策树算法。该模型使用Gender，harvest 和一系列客户购买的商品和商品的数目预测 Queue Array：
Shape Mining plan Queue Array_Estimated
（
UserIDlarnumber important，
Species ureg content segmentation，
harvest larnumber cycle，
QueueArraycontent segmentation finingd，
Choose table（
GoodsName content important，
Numberlarnumber cycle ）
）
ChooseSystem_judge_Stack
在数据挖掘算法服务的设计和实现过程中，采用数据挖掘API访问立方体和数据挖掘模型，通过ADOMD.NET完成MDX检索立方体的过程。ADOMD.NET是提供给用户的组件，该组件可采用编码的手段访问Analysis Services服务，对数据仓库对象进行处理，完成数据挖掘算法的相关处理。以下函数以数据仓库名和连接字符串为参数，可对指定数据仓库中所有维度访问：
public charaqueue []Carrysizes（charaqueue associated charaqueue ，charaqueue HrinxName）
{
Kmonxassociated associated =anotherKmonxassociated （）；
associated associated charaqueue =associated charaqueue ；
associated open（）；
int feedback=associated Lardatasets[HrinxName].sizes.statistical；
glesizes=anothercharaqueue [feedback]；
for（int i=0；i<feedback；i++）
{
strsizes[i]=associated Lardatasets[HrinxName].sizes[i].Theme.Tocharaqueue
}
return strsizes；
associated close（）；
}
3 实验分析
为了验证本文设计的基于数据挖掘技术的应急物资调度系统的有效性，应进行相关的实验分析。实验通过Matlab 7.1编程实现本文系统的调度算法，在IntelCore（TM） i3?2260M CPU 2.30 GHz，3.00 GB 笔记本电脑上运行本文系统和基于两阶段多运输方式的应急物资调度系统，两种系统的应急总成本分别如图5和图6所示。
对比分析图5和图6可得，相对比两阶段多运输方式，本文系统的应急总成本较低，并且本文系统的收敛性较好，能够获取较好的应急物资调度最佳解。通过图5可以看出，本文系统进行应急物资调度最佳解的总体趋势是应急总成本随着应急运输总时间的增加而降低。而基于两阶段多运输方式的应急成本在15～25 h之间出现忽高忽低的变换，说明该方法抗噪性能较差，调度成本波动较高。
统计不同迭代次数下不同应急调度系统制定最佳调度方案的调度总成本曲线图如图7所示。从图7能够看出，基于两阶段多运输方式寻优消耗的最小总成本是27 704 807元，本文系统寻优消耗的最小总成本为26 201 835元，比基于两阶段多运输方式节约了1 502 972元。并且本文方法在检索最小应急总成本过程中，具有更快的收敛速度，比基于两阶段多运输方式更快获取最优应急物资调度解。
通过对应急物资调度总成本分析，可以看出相对于基于两阶段多运输方式，本文方法调度精度和收敛速度都较高，能够为救灾工作节约时间，还降低了应急物资调度的成本，增强了应急物资调度的时效性，具有较高的应用价值。
4 结 论
现存的应急物资调度系统，对大型物资进行调度过程中，存在调度效率低，容易陷入局部最佳解等问题。因此，本文設计基于数据挖掘技术的大型应急物资调度系统，分析了应急物资调度系统流程、数据挖掘的实现过程以及数据挖掘技术在大型应急物资调度系统中的具体应用过程。系统通过动态滚动式应急资源配置模型，数据挖掘算法服务代码实现应急物资的有效调度。实验结果说明，所设计系统的应急总成本和总调度成本都较低，具有较高的调度精度和收敛速度。
参考文献
[1] 程田祥.基于大数据挖掘技术的机房智能巡视系统的开发[J].有线电视技术，2016，23（1）：76?79.
[2] 黄燕飞.大数据背景下基于数据挖掘技术的CRM系统设计[J].企业技术开发，2015，34（12）：43?45.
[3] 吴春琼，陈秀枝.基于数据挖掘技术的教学效果评价系统[J].漯河职业技术学院学报，2015，14（2）：75?77.
[4] 肖赋，范成，王盛卫.基于数据挖掘技术的建筑系统性能诊断和优化[J].化工学报，2014，65（z2）：181?187.
[5] 王淑，陈敏，于广军，等.基于数据挖掘技术的典型儿童呼吸道感染性疾病临床决策支持系统研究[J].中国数字医学，2015，10（12）：40?43.
[6] 朱效功.浅谈电网调度运行分析和数据挖掘系统[J].科技创新导报，2015，12（11）：85.
[7] 朱利鹏，陆超，孙元章，等.基于数据挖掘的区域暂态电压稳定评估[J].电网技术，2015，39（4）：1026?1032.
[8] 胡飞虎，田朝晖，李威，等.基于遗传算法的应急物资分层调度研究[J].计算机应用研究，2015，41（10）：53?58.
[9] 张淑琴.基于J2EE的电力物资调度系统的研究与实现[J].现代工业经济和信息化，2014，4（7）：79?81.
[10] 郭子雪，郭亮，张培，等.应急物资调度时间最小化模糊优化模型[J].中国安全科学学报，2015，25（10）：172?176.
摘 要： 现存的应急物资调度系统，在大型物资进行调度过程中，存在调度效率低，容易陷入局部最佳解等问题。因此，设计基于数据挖掘技术的大型应急物资调度系统与应急物资调度系统结构，其由应急物资调度指挥站、应急物资节点和应急物资信息系统构成。分析了应急物资调度系统流程、数据挖掘的实现过程以及数据挖掘技术在大型应急物资调度系统中的具体应用过程。系统通过动态滚动式应急资源配置模型以及数据挖掘算法服务代码实现应急物资的有效调度。实验结果表明，所设计系统的应急总成本和总调度成本都较低，具有较高的调度精度和收敛速度。
关键词： 数据挖掘； 大型应急物资； 应急物资调度； 资源配置模型
中图分类号： TN911?34； TP392 文献标识码： A 文章编号： 1004?373X（2017）08?0049?04
Design and implementation of large emergency supply dispatching system
based on data mining technology
XIE Hong
（Guiyang Vocational and Technical College， Guiyang 550081， China）
Abstract： The existing emergency supply scheduling system has low scheduling efficiency， and is easy to fall into local optimal solution in the process of large material dispatching. Therefore， a large?scale emergency supply dispatching system based on data mining technology was designed. The structure emergency supplies scheduling system was designed， which is composed of emergency supply dispatching command station， emergency supply nodes and information system. The flow process of emergency supply dispatching system， implementation process of data mining and application of data mining technology in the large?scale emergency supply dispatching system are analyzed. The dynamic rolling emergency resource allocation model and service code of data mining algorithm are adopted in the system to achieve effective dispatching of emergency supplies. The experimental results indicate that the total costs and total operation cost of the designed emergency system are low， and the system has the high dispatching precision and high convergence speed.
Keywords： data mining； large emergency supply； emergency supply dispatching； resource allocation model
0 引 言
随着社会经济的快速发展，社会中的非常规突发事件发生率也逐渐增加，对人们群众的生产和生活产生了严重的影响。因此，塑造科学的应急物资调度系统，降低非常规性突发性事件产生的危害，逐渐成为相关人员分析的热点方向[1?3]。现存的应急物资调度系统，对大型物资进行调度过程中，存在调度效率低，以及容易陷入局部最佳解等问题[4?6]。
以往的应急物资调度系统存在一定弊端，如文献[7]分析了基于两阶段多运输方式的物资调度系统，模拟救援物资的运输方案，通过随机线性方法塑造物资调度模型，解决物资供需平衡问题。但是该方法未对车辆调度问题进行分析，方法不够完整，存在一定的局限性。文献[8]提出了紧急状态下物资供应问题的线性规划模型，向各条线路上分配最佳运输车辆，但是其未对车辆的数量进行约束，不符合应急物资场景，并且其不能对大量同物资调度关联的空间数据进行有效的处理，调度效率较低。文献[9]提出了基于运筹学方法的物质调度系统，将紧急情况下的物资调度问题看作对网络最短路径的规划问题，但是实际的应急物资调度中不同物资需求点间存在较多复杂的通路，大大降低了该方法的调度效率。文献[10]通过集中分析联系数概念描述急物资调度过程中的应急地点的不确定性，分析依据联系数的多资源持续消耗应急物资调度模型，但是模型未分析需求量同供应量间的不确定性，制定的物资调度结果存在较高的偏差。
针对上述问题，设计了塑造依据数据挖掘技术的大型应急物资调度系统，其由应急物资调度指挥站、应急物资节点和应急物资信息系统构成。实验结果表明，所设计系统的应急总成本和总调度成本都较低，具有较高的调度精度和收敛速度。
1 大型应急物资调度系统的设计
1.1 设计大型应急物资调度系统结构
设计的大型应急物资调度系统结构如图1所示。
应急物资调度指挥站对总体应急物资调度系统的事态进行实时监控。应急物资调度指挥站的运行流程为：先在应急物资调度系统存储的应急物资调度信息中获取同物资需求一致的信息，对应急物资的实际需求进行大体分析；再按照应急物资调度的流程规划具体的应急物资节点；最终从大量的应急物资调度方案中，选择最佳的调度方案。应急物资调度过程中产生较多的信息，系统应对这些信息进行精炼以及处理，将信息保存在应急物资信息系统中，同时对新存入的信息进行相关的处理，将提炼后的信息传输到应急指挥站，为指挥站产生应急物资调度方案提供分析依据。
1.2 设计大型应急物资调度系统流程
设计的大型应急物资调度系统流程如图2所示。
筹措过程是应急物资调度顺利进行的前提，对应急物资筹措需要确保物资的质量优良、数量充足、快速等。应急物资采购就是在非常规突发事件产生后，确保应急物资需求，保障救援活动顺利运行的采购过程。
应急物资的储备环节同物资的调度效率以及救援活动的成效相关。若应急物资储备准备充分，则能够降低应急物资的采购时间和运输量，进而提高救援活动的效率，降低物资调度成本。应急物资配送中心，可将应急物资从供应地传递到需求地。应急物资的回收部分，是将能够循环使用的应急物资从救助点等非常规突发事件的发生地，回收到应急物资供应点的过程。
1.3 数据挖掘技术在应急物资调度系统中的具体应用
1.3.1 数据挖掘的实现过程
数据挖掘也就是对数据库中知识的发现过程，具体过程如图3所示。其中，数据挖掘是知识发现中的关键过程。
图3 数据挖掘的实现过程
（1） 数据清洗过程用于过滤应急物资调度系统中的噪声数据，对同挖掘主体不相关的数据进行处理和过滤，采集有价值数据。
（2） 数据集成过程从不同类型数据源中采集同物资调度相关数据，并对数据进行融合处理。
（3） 数据转换过程对数据存储方式进行变换，确保数据挖掘更易完成。
（4） 数据挖掘过程是通过各种算法对应急物资调度系统中的数据进行挖掘，获取数据中潜在的关系。
（5） 模式评估过程中将数据挖掘结果看作评估对象，通过相关的评估规范，从挖掘结果中获取有价值的模式知识。
（6） 知识表示过程通过可视化技术向用户呈现应急物资调度系统的数据挖掘结果。
1.3.2 具体应用过程
基于数据挖掘技术的大型应急物资调度系统包括数据挖掘模块和应急物资调度模块，其结构图见图4。
采用数据挖掘技术从大规模信息中获取有价值信息，通过信息流反馈给应急物资信息系统，为其提供分析依据，促使管理人员制定出合理的应急物资调度方案，增强应急物资调度质量。数据挖掘包括数据准备过程和数据挖掘过程。
（1） 数据准备过程
应急物资调度的数据产生于应急物资数据源、应急人员数据源、应急组织数据源等，这些都是数据挖掘初期的数据准确。再采用数据集成、采集、选择等途径过滤大规模应急物资数据源中的噪声数据，修复数据源中的残缺数据，采集数据源中的有价值数据，对数据进行融合处理后，将其保存在数据仓库中。
（2） 数据挖掘过程
数据挖掘是应急物资调度系统的关键部分，系统中的关系型模型库以及多维数据库，依据数据间的关系完成数据的深度剖析，再依据相关的规则对数据进行分类；方案库用于保存不同应急物资调度预备策略以及具体的调度策略，确保发生突发事件后，能够向需求地快速调度物资，降低突发事件产生的不利影响；模型库用于塑造不同的应急物资调度模型，管理人员按照当前的应急物资状态，从模型库中选择合理的应急物资调度模型，完成应急物资的高效调度；知识库中保存较多的应急物资调度经验，如以往成功的应急物资调度方案，这些经验为当前制定应急物资调度方案提供可靠的分析依据。数据仓库用于存儲模型库中的数据，数据挖掘可从数据仓库中采集出有价值的信息，也可从上述分析的其他模型中采集有价值信息和数据。
数据挖掘过程完成后，系统应通过可视化等方法，向用户呈现数据挖掘结果，并通过过滤、评估等方法采集挖掘结果中的有价值信息，通过信息流将有价值信息反馈给应急物资信息系统，为其提供可靠的分析数据。
2 大型应急物资调度系统的实现
2.1 塑造动态滚动式应急物资调度模型
应急物资信息系统通过动态规划方法获取应急物资的调度模型，完成应急物资的合理调度。先获取边界规范以及基本递推关系式，设置合理的参数以及变量，将应急调度过程分割成几个相互关联的过程。其中的参数设置如下：将应急物资调度过程，划分成k个过程；从中获取情境变量，并且用S描述，；用描述过程k时的情境，全部的情境用描述，；用于描述应急物资调度方案，全部调度方案变量的取值区间为，用描述过程k时情境处产生的应急物资调度方案，后续过程的情境同前一过程的情境值具有较高的关联性，用于描述情境变量同过程k的决策变量能够获取后续过程的情境值，也就是第 k+1过程的情境值，用于描述过程k的情境波动函数；为指标函数，用于描述应急物资调度的过程效用，用于描述总效用。塑造动态滚动式应急物资调度模型的目标是最大化应急救援时物资调度的总效用，则应急资源动态滚动式配置过程的具体模型为：
（1）
（k?n）过程的最优方案函数为，则动态滚动式应急物资调度模型为：
（2）
式（2）描述的动态滚动式应急物资调度模型，能够实时掌握物资调度的情境信息，确保决策人员依据应急物资调度过程中不同阶段的调度效果和情境状态，实时调整应急物资配置方案，完成应急物资的滚动式配置。
2.2 数据挖掘算法服务设计
数据挖掘算法服务规范定义了数据挖掘查询语言，也就是数据挖掘扩展（DMX）。通过使用MDX语句能够实现数据挖掘的模型创建、模型训练以及模型预测。下面代码实现了数据挖掘模型的创建，并采用决策树算法。该模型使用Gender，harvest 和一系列客户购买的商品和商品的数目预测 Queue Array：
Shape Mining plan Queue Array_Estimated
（
UserIDlarnumber important，
Species ureg content segmentation，
harvest larnumber cycle，
QueueArraycontent segmentation finingd，
Choose table（
GoodsName content important，
Numberlarnumber cycle ）
）
ChooseSystem_judge_Stack
在数据挖掘算法服务的设计和实现过程中，采用数据挖掘API访问立方体和数据挖掘模型，通过ADOMD.NET完成MDX检索立方体的过程。ADOMD.NET是提供给用户的组件，该组件可采用编码的手段访问Analysis Services服务，对数据仓库对象进行处理，完成数据挖掘算法的相关处理。以下函数以数据仓库名和连接字符串为参数，可对指定数据仓库中所有维度访问：
public charaqueue []Carrysizes（charaqueue associated charaqueue ，charaqueue HrinxName）
{
Kmonxassociated associated =anotherKmonxassociated （）；
associated associated charaqueue =associated charaqueue ；
associated open（）；
int feedback=associated Lardatasets[HrinxName].sizes.statistical；
glesizes=anothercharaqueue [feedback]；
for（int i=0；i<feedback；i++）
{
strsizes[i]=associated Lardatasets[HrinxName].sizes[i].Theme.Tocharaqueue
}
return strsizes；
associated close（）；
}
3 实验分析
为了验证本文设计的基于数据挖掘技术的应急物资调度系统的有效性，应进行相关的实验分析。实验通过Matlab 7.1编程实现本文系统的调度算法，在IntelCore（TM） i3?2260M CPU 2.30 GHz，3.00 GB 笔记本电脑上运行本文系统和基于两阶段多运输方式的应急物资调度系统，两种系统的应急总成本分别如图5和图6所示。
对比分析图5和图6可得，相对比两阶段多运输方式，本文系统的应急总成本较低，并且本文系统的收敛性较好，能够获取较好的应急物资调度最佳解。通过图5可以看出，本文系统进行应急物资调度最佳解的总体趋势是应急总成本随着应急运输总时间的增加而降低。而基于两阶段多运输方式的应急成本在15～25 h之间出现忽高忽低的变换，说明该方法抗噪性能较差，调度成本波动较高。
统计不同迭代次数下不同应急调度系统制定最佳调度方案的调度总成本曲线图如图7所示。从图7能够看出，基于两阶段多运输方式寻优消耗的最小总成本是27 704 807元，本文系统寻优消耗的最小总成本为26 201 835元，比基于两阶段多运输方式节约了1 502 972元。并且本文方法在检索最小应急总成本过程中，具有更快的收敛速度，比基于两阶段多运输方式更快获取最优应急物资调度解。
通过对应急物资调度总成本分析，可以看出相对于基于两阶段多运输方式，本文方法调度精度和收敛速度都较高，能够为救灾工作节约时间，还降低了应急物资调度的成本，增强了应急物资调度的时效性，具有较高的应用价值。
4 结 论
现存的应急物资调度系统，对大型物资进行调度过程中，存在调度效率低，容易陷入局部最佳解等问题。因此，本文設计基于数据挖掘技术的大型应急物资调度系统，分析了应急物资调度系统流程、数据挖掘的实现过程以及数据挖掘技术在大型应急物资调度系统中的具体应用过程。系统通过动态滚动式应急资源配置模型，数据挖掘算法服务代码实现应急物资的有效调度。实验结果说明，所设计系统的应急总成本和总调度成本都较低，具有较高的调度精度和收敛速度。
参考文献
[1] 程田祥.基于大数据挖掘技术的机房智能巡视系统的开发[J].有线电视技术，2016，23（1）：76?79.
[2] 黄燕飞.大数据背景下基于数据挖掘技术的CRM系统设计[J].企业技术开发，2015，34（12）：43?45.
[3] 吴春琼，陈秀枝.基于数据挖掘技术的教学效果评价系统[J].漯河职业技术学院学报，2015，14（2）：75?77.
[4] 肖赋，范成，王盛卫.基于数据挖掘技术的建筑系统性能诊断和优化[J].化工学报，2014，65（z2）：181?187.
[5] 王淑，陈敏，于广军，等.基于数据挖掘技术的典型儿童呼吸道感染性疾病临床决策支持系统研究[J].中国数字医学，2015，10（12）：40?43.
[6] 朱效功.浅谈电网调度运行分析和数据挖掘系统[J].科技创新导报，2015，12（11）：85.
[7] 朱利鹏，陆超，孙元章，等.基于数据挖掘的区域暂态电压稳定评估[J].电网技术，2015，39（4）：1026?1032.
[8] 胡飞虎，田朝晖，李威，等.基于遗传算法的应急物资分层调度研究[J].计算机应用研究，2015，41（10）：53?58.
[9] 张淑琴.基于J2EE的电力物资调度系统的研究与实现[J].现代工业经济和信息化，2014，4（7）：79?81.
[10] 郭子雪，郭亮，张培，等.应急物资调度时间最小化模糊优化模型[J].中国安全科学学报，2015，25（10）：172?176.
