1/1地理信息時空數據挖掘第一部分地理信息時空數據概述 2第二部分數據挖掘技術原理 5第三部分時空數據挖掘方法 9第四部分地理信息時空分析模型 12第五部分數據預處理與特征提取 15第六部分時空數據挖掘應用領域 19第七部分時空數據挖掘挑戰(zhàn)與對策 23第八部分發(fā)展趨勢與展望 27

第一部分地理信息時空數據概述

《地理信息時空數據概述》

一、引言

地理信息時空數據是地理信息系統（GIS）中極其重要的基礎數據，它記錄了地球表面的各種空間現象隨時間變化的特征。隨著地理信息系統技術的飛速發(fā)展，地理信息時空數據在國民經濟發(fā)展、城市規(guī)劃與建設、資源環(huán)境監(jiān)測與保護、災害預警與應急管理等領域發(fā)揮著越來越重要的作用。本文對地理信息時空數據的概念、特點、結構以及應用等方面進行概述。

二、地理信息時空數據的概念

地理信息時空數據是指包含地理空間位置信息、時間信息和屬性信息的統一體。它反映了地球表面上各種空間現象隨時間變化的特征，是地理信息系統進行空間分析和決策支持的重要基礎。

三、地理信息時空數據的特點

1.空間性：地理信息時空數據具有明顯的空間屬性，記錄了各種空間現象的分布、形狀、大小等信息。

2.時間性：地理信息時空數據具有時間屬性，反映了各種空間現象隨時間變化的規(guī)律和特征。

3.屬性性：地理信息時空數據包含了各種空間現象的屬性信息，如人口、資源、環(huán)境、經濟等。

4.動態(tài)性：地理信息時空數據是動態(tài)變化的，反映了各種空間現象隨時間推移而發(fā)生的變遷。

5.多尺度性：地理信息時空數據具有多尺度特性，可以根據實際需求進行不同尺度的空間分析和決策支持。

四、地理信息時空數據的結構

地理信息時空數據的結構主要包括以下三個方面：

1.空間數據結構：主要包括點、線、面和體等基本空間要素，以及它們的組合和關聯關系。

2.時間數據結構：主要包括時間序列、時間點、時間區(qū)間等時間要素，以及它們與空間要素的關聯關系。

3.屬性數據結構：主要包括各種屬性數據，如人口、資源、環(huán)境、經濟等，以及它們與空間要素和時間要素的關聯關系。

五、地理信息時空數據的應用

1.城市規(guī)劃與建設：地理信息時空數據可以為城市規(guī)劃提供科學依據，如土地利用規(guī)劃、交通規(guī)劃、環(huán)境規(guī)劃等。

2.資源環(huán)境監(jiān)測與保護：地理信息時空數據可以用于監(jiān)測資源環(huán)境的動態(tài)變化，如水資源、土地資源、生物多樣性等。

3.災害預警與應急管理：地理信息時空數據可以用于災害預警、應急響應和災后重建等。

4.國土資源調查與評價：地理信息時空數據可以用于國土資源的調查、評價和開發(fā)。

5.農業(yè)生產與農村發(fā)展：地理信息時空數據可以用于農業(yè)生產、農村發(fā)展等方面的決策支持。

六、結論

地理信息時空數據是地理信息系統的重要組成部分，具有豐富的內涵和應用價值。隨著地理信息系統技術的不斷發(fā)展，地理信息時空數據在各個領域的應用將越來越廣泛，為我國經濟社會發(fā)展提供強有力的數據支持。第二部分數據挖掘技術原理

數據挖掘技術原理是地理信息時空數據挖掘領域的基礎，它涉及從大量的地理信息時空數據中提取有價值的信息和知識。以下是對數據挖掘技術原理的詳細介紹：

一、數據挖掘的基本概念

數據挖掘（DataMining）是指使用算法和統計方法從大量數據中提取有用的信息、模式和知識的過程。它廣泛應用于各個領域，如金融、醫(yī)療、零售和地理信息等。在地理信息時空數據挖掘中，數據挖掘技術旨在從地理信息時空數據中提取具有時空屬性的規(guī)律、趨勢和關聯性。

二、數據挖掘的基本步驟

1.數據預處理：在數據挖掘過程中，首先需要對原始數據進行預處理，包括數據清洗、數據集成、數據轉換和數據規(guī)約等。數據清洗旨在去除或修正錯誤、重復和不一致的數據；數據集成將來自不同來源的數據合并為一個統一的數據集；數據轉換將數據轉換為適合挖掘算法的形式；數據規(guī)約旨在減少數據量，提高挖掘效率。

2.特征選擇：在數據挖掘過程中，特征選擇是非常重要的一步。特征選擇旨在從原始數據中選擇對挖掘任務最有影響力的特征，以提高挖掘精度和降低計算復雜度。

3.模型構建：根據數據挖掘任務，選擇合適的算法構建模型。常見的挖掘算法包括分類算法、聚類算法、關聯規(guī)則算法、預測算法等。

4.模型訓練與評估：使用訓練數據集對所選算法進行訓練，并通過交叉驗證等方法對模型進行評估，以確定模型的性能。

5.模型優(yōu)化：根據模型評估結果，對模型進行優(yōu)化，以提高模型精度和泛化能力。

6.模型應用：將優(yōu)化后的模型應用于實際數據，提取有價值的信息和知識。

三、地理信息時空數據挖掘中的關鍵技術

1.時空索引技術：由于地理信息時空數據的特殊性，時空索引技術在數據挖掘中至關重要。常見的時空索引技術有R樹、四叉樹、K-D樹等。

2.時空查詢技術：時空查詢技術旨在從地理信息時空數據庫中快速檢索具有特定時空屬性的數據。常見的時空查詢技術有空間查詢、時間查詢和時空查詢。

3.時空關聯規(guī)則挖掘：時空關聯規(guī)則挖掘旨在從地理信息時空數據中發(fā)現時空事件之間的關聯性。常見的時空關聯規(guī)則算法有Apriori算法、FP-growth算法等。

4.時空聚類分析：時空聚類分析旨在將地理信息時空數據中的對象按照其時空屬性進行分組。常見的時空聚類算法有DBSCAN、K-means等。

5.時空預測分析：時空預測分析旨在根據歷史地理信息時空數據預測未來時空事件。常見的時空預測算法有ARIMA模型、時間序列分析等。

四、數據挖掘技術在地理信息時空數據挖掘中的應用

1.基于數據挖掘的地理信息時空數據分析：通過對地理信息時空數據進行數據挖掘，可以揭示地理現象的時空規(guī)律、趨勢和關聯性。

2.基于數據挖掘的地理信息時空預測：利用數據挖掘技術對地理信息時空數據進行預測，可以為城市規(guī)劃、災害預警和公共安全等領域提供決策支持。

3.基于數據挖掘的地理信息時空優(yōu)化：通過對地理信息時空數據進行挖掘，可以發(fā)現優(yōu)化地理空間布局、資源配置和基礎設施建設的方案。

總之，數據挖掘技術在地理信息時空數據挖掘中具有廣泛的應用前景。通過對地理信息時空數據進行挖掘，可以揭示地理現象的時空規(guī)律，為相關領域提供有力支持。第三部分時空數據挖掘方法

《地理信息時空數據挖掘》一文中，關于“時空數據挖掘方法”的介紹主要涵蓋了以下幾個方面：

1.時空數據挖掘概述

時空數據挖掘是地理信息系統（GIS）的一個重要分支，旨在從大量的時空數據中提取有價值的時空模式、規(guī)律和知識。這些方法廣泛應用于環(huán)境監(jiān)測、城市規(guī)劃、交通管理、災害預警等多個領域。

2.時空數據挖掘的基本流程

時空數據挖掘通常包括以下基本流程：

-數據預處理：對原始時空數據進行清洗、轉換和格式化，以確保數據質量。

-時空數據表示：將時空數據轉換為適合挖掘的格式，如時間序列、空間網格等。

-時空模式識別：識別時空數據中的時間相關性、空間相關性、時空關聯規(guī)則等。

-時空知識表示與可視化：將挖掘出的知識以圖形、圖表等形式進行展示，便于用戶理解和應用。

3.常用時空數據挖掘方法

（1）空間自相關分析

空間自相關分析用于揭示空間數據的聚類、熱點和冷點等空間分布特征。常用的方法包括全局自相關、局部自相關等。

（2）時空序列分析

時空序列分析用于分析時間序列數據的時空動態(tài)變化規(guī)律。常用的方法包括時間序列分解、自回歸模型、滑動窗口等。

（3）時空關聯規(guī)則挖掘

時空關聯規(guī)則挖掘旨在發(fā)現時空數據中事件之間的關聯關系。常用的算法有Apriori、FP-Growth等。

（4）時空聚類分析

時空聚類分析用于將時空數據劃分為若干個具有相似特征的簇。常用的算法有K-means、DBSCAN等。

（5）時空分類與預測

時空分類與預測基于時空數據的歷史信息，對未來時空事件進行分類和預測。常用的方法有決策樹、支持向量機、神經網絡等。

4.時空數據挖掘在實際應用中的挑戰(zhàn)與對策

（1）數據質量

時空數據質量直接影響到挖掘結果的準確性。對策包括采用數據清洗、數據融合等技術，提高數據質量。

（2）時空數據復雜性

時空數據具有復雜性和動態(tài)性，需要采用高效的數據處理算法和模型。對策包括數據壓縮、數據索引等技術。

（3）時空數據挖掘算法的選擇與優(yōu)化

針對不同類型的時空數據，選擇合適的挖掘算法至關重要。對策包括對算法進行優(yōu)化，提高挖掘效率。

（4）時空數據挖掘結果的解釋與可視化

將挖掘結果進行合理解釋和可視化，有助于用戶理解和使用。對策包括采用數據可視化、知識圖譜等技術。

總之，《地理信息時空數據挖掘》一書中對時空數據挖掘方法的介紹，從基本概念、流程、常用方法到實際應用中的挑戰(zhàn)與對策，為讀者提供了一個全面、系統的時空數據挖掘知識體系。隨著時空數據挖掘技術的不斷發(fā)展，其在各個領域的應用前景將更加廣闊。第四部分地理信息時空分析模型

地理信息時空分析模型是地理信息時空數據挖掘的核心技術之一，它將地理信息數據與時間因素相結合，對地理現象的時空變化規(guī)律進行深入分析。本文將從地理信息時空分析模型的定義、原理、方法以及應用等方面進行闡述。

一、定義

地理信息時空分析模型是指在地理信息系統中，將地理信息數據與時間因素進行整合，運用數學、統計學和計算機科學等方法，對地理現象的時空變化規(guī)律進行建模、分析和解釋的過程。

二、原理

地理信息時空分析模型基于以下原理：

1.時空一致性原理：地理現象在時空上的變化具有一定的規(guī)律性，通過分析這些規(guī)律，可以揭示地理現象的時空分布特征。

2.數據融合原理：將多種地理信息數據（如遙感數據、統計數據、GIS數據等）進行融合，提高時空分析的準確性和全面性。

3.模式識別原理：運用模式識別技術，對地理現象的時空變化規(guī)律進行提取和識別。

4.時空關聯原理：分析地理現象之間在時空上的相互關系，揭示地理現象的時空演變規(guī)律。

三、方法

地理信息時空分析模型主要采用以下方法：

1.空間分析方法：包括空間自相關、空間聚類、空間分析等，用于分析地理現象在空間上的分布特征。

2.時間序列分析方法：包括時間序列分解、時間序列預測、時間序列模型等，用于分析地理現象在時間上的變化規(guī)律。

3.時空分析方法：包括時空插值、時空統計分析等，用于分析地理現象在時空上的變化規(guī)律。

4.神經網絡分析方法：利用神經網絡模型，對地理現象的時空變化進行預測和模擬。

5.粒子群優(yōu)化算法：將粒子群優(yōu)化算法應用于地理信息時空分析，提高模型的優(yōu)化效果。

四、應用

地理信息時空分析模型在多個領域具有廣泛的應用，主要包括：

1.環(huán)境監(jiān)測：通過分析地理現象的時空變化，預測環(huán)境污染、生態(tài)破壞等環(huán)境問題。

2.城市規(guī)劃：利用時空分析模型，對城市交通、人口、土地利用等進行預測和規(guī)劃。

3.農業(yè)生產：分析農作物生長、病蟲害發(fā)生等時空變化規(guī)律，為農業(yè)生產提供科學依據。

4.公共安全：運用時空分析模型，分析自然災害、事故等時空分布特征，為公共安全管理提供支持。

5.資源管理：通過對資源的時空變化進行監(jiān)測和分析，實現資源的最優(yōu)配置。

總之，地理信息時空分析模型在地理信息時空數據挖掘中具有重要作用。隨著地理信息技術的不斷發(fā)展，地理信息時空分析模型將在更多領域發(fā)揮重要作用，為我國經濟建設和社會發(fā)展提供有力支撐。第五部分數據預處理與特征提取

在地理信息時空數據挖掘過程中，數據預處理與特征提取是至關重要的環(huán)節(jié)。數據預處理旨在優(yōu)化數據質量、處理噪聲和缺失值，從而為后續(xù)的特征提取和挖掘算法提供高質量的數據基礎。特征提取則是從原始數據中提取出具有代表性的特征，以便更好地描述數據特性，提高挖掘算法的效率和準確性。

一、數據預處理

1.數據清洗

數據清洗是數據預處理的第一步，旨在消除數據中的錯誤、異常和不一致。具體包括以下任務：

（1）去除重復數據：同一屬性值在不同記錄中多次出現，會導致挖掘結果不準確。因此，需要檢測并刪除重復數據。

（2）處理缺失值：數據挖掘過程中，缺失值的處理方法有填充、刪除、插值等。針對不同類型的數據，選擇合適的處理方法。

（3）消除噪聲：噪聲數據會影響挖掘結果的準確性。針對噪聲數據，可以采用濾波、平滑等方法進行處理。

2.數據轉換

數據轉換是將原始數據轉換為挖掘算法所需的格式。主要包括以下內容：

（1）標準化：將不同量綱的數據進行轉換，使其具有相同的量綱。如采用最小-最大標準化、Z-score標準化等方法。

（2）離散化：將連續(xù)型數據轉換為離散型數據。如采用等間隔劃分、K-means聚類等方法。

（3）編碼：將非數值型數據轉換為數值型數據。如采用獨熱編碼、標簽編碼等方法。

二、特征提取

1.特征選擇

特征選擇是選取對挖掘任務有重要貢獻的特征，降低數據維度，提高挖掘效率。常用的特征選擇方法有：

（1）過濾法：根據特征的重要性或相關性進行篩選。如信息增益、卡方檢驗等。

（2）包裝法：將特征選擇作為決策樹的生成過程。如遺傳算法、蟻群算法等。

（3）嵌入式方法：在挖掘過程中，逐漸選擇對求解問題有重要貢獻的特征。如隨機森林、支持向量機等。

2.特征提取

特征提取是從原始數據中提取具有代表性的特征。常用的特征提取方法有：

（1）統計特征：如均值、標準差、方差等。

（2）結構特征：如中心點、距離、角度等。

（3）形狀特征：如凸包、最小外接矩形等。

（4）紋理特征：如灰度共生矩陣、局部二值模式等。

（5）頻譜特征：如小波變換、傅里葉變換等。

三、數據預處理與特征提取在地理信息時空數據挖掘中的應用

1.提高挖掘效率

通過數據預處理和特征提取，可以降低數據維度，減少計算量，提高挖掘算法的運算效率。

2.提高挖掘精度

高質量的數據和具有代表性的特征可以提高挖掘算法的準確性，從而提高挖掘結果的可靠性。

3.提高對地理信息時空數據的理解

通過對地理信息時空數據進行預處理和特征提取，可以更好地理解地理信息時空數據的本質特征，為后續(xù)的研究和應用提供有力支持。

總之，在地理信息時空數據挖掘過程中，數據預處理與特征提取是至關重要的環(huán)節(jié)。通過優(yōu)化數據質量和提取具有代表性的特征，可以提高挖掘算法的效率和準確性，為地理信息時空數據挖掘提供有力支持。第六部分時空數據挖掘應用領域

時空數據挖掘應用領域廣泛，涵蓋了地理信息科學、城市規(guī)劃、環(huán)境保護、交通管理、災害預警等多個方面。以下是《地理信息時空數據挖掘》中介紹的時空數據挖掘應用領域的主要內容：

1.城市規(guī)劃與管理

時空數據挖掘在城市規(guī)劃與管理中的應用主要體現在以下幾個方面：

（1）城市土地資源利用分析：通過對時空數據的挖掘，分析城市土地利用的變化趨勢，為城市規(guī)劃提供科學依據。

（2）城市基礎設施規(guī)劃：利用時空數據挖掘技術，分析城市道路交通、供水、供電等基礎設施的布局和運行狀況，為城市基礎設施建設提供決策支持。

（3）城市環(huán)境質量監(jiān)測：通過對時空數據的挖掘，監(jiān)測城市空氣質量、水體質量等環(huán)境指標，為城市環(huán)境管理提供數據支持。

2.環(huán)境保護

時空數據挖掘在環(huán)境保護中的應用主要包括以下方面：

（1）生態(tài)環(huán)境監(jiān)測：利用時空數據挖掘技術，對森林、草原、濕地等生態(tài)環(huán)境進行監(jiān)測，評估生態(tài)環(huán)境質量。

（2）環(huán)境污染預警：通過對時空數據的挖掘，預測環(huán)境污染風險，為環(huán)境保護部門提供預警信息。

（3）生態(tài)修復評估：分析生態(tài)修復工程的實施效果，為后續(xù)生態(tài)修復工作提供參考。

3.交通管理

時空數據挖掘在交通管理中的應用主要體現在以下幾個方面：

（1）交通流量分析：通過對時空數據的挖掘，分析城市道路交通流量，為交通管理部門提供科學的交通規(guī)劃建議。

（2）交通事故預測：利用時空數據挖掘技術，預測交通事故發(fā)生概率，為交通事故預防提供依據。

（3）公共交通優(yōu)化：分析公共交通運行狀況，為公共交通線路優(yōu)化、車輛調度等提供決策支持。

4.災害預警與應急響應

時空數據挖掘在災害預警與應急響應中的應用主要包括以下方面：

（1）災害監(jiān)測：通過對時空數據的挖掘，實時監(jiān)測地震、洪水、臺風等自然災害的發(fā)生和發(fā)展趨勢。

（2）災害風險評估：分析災害可能造成的損失，為災害風險防控提供依據。

（3）應急資源管理：利用時空數據挖掘技術，優(yōu)化應急資源的分配和調度，提高災害應急響應效率。

5.農業(yè)領域

時空數據挖掘在農業(yè)領域中的應用主要包括以下幾個方面：

（1）農田監(jiān)測：通過對時空數據的挖掘，監(jiān)測農田土壤、作物生長狀況，為農業(yè)生產提供數據支持。

（2）農業(yè)災害預警：分析農業(yè)災害的發(fā)生概率，為農業(yè)災害預警提供依據。

（3）農業(yè)生產優(yōu)化：利用時空數據挖掘技術，分析農業(yè)生產的時空規(guī)律，為農業(yè)生產優(yōu)化提供決策支持。

6.公共安全

時空數據挖掘在公共安全領域的應用主要體現在以下幾個方面：

（1）犯罪案件分析：通過對時空數據的挖掘，分析犯罪案件的發(fā)生規(guī)律和趨勢，為公安部門提供偵查線索。

（2）公共安全風險評估：分析公共安全風險，為公共安全保障提供決策支持。

（3）應急資源調度：利用時空數據挖掘技術，優(yōu)化應急資源的分配和調度，提高公共安全應急響應效率。

總之，時空數據挖掘在多個領域中都具有廣泛的應用前景。隨著科技的不斷進步，時空數據挖掘技術將在未來發(fā)揮更加重要的作用，為人類社會的發(fā)展提供有力支持。第七部分時空數據挖掘挑戰(zhàn)與對策

《地理信息時空數據挖掘》一文中，針對時空數據挖掘所面臨的挑戰(zhàn)與對策進行了深入探討。以下是對該內容的簡明扼要的介紹：

一、時空數據挖掘的挑戰(zhàn)

1.數據復雜性

隨著地理信息技術的發(fā)展，時空數據量呈現爆炸式增長，數據類型多樣化，包括空間數據、時間序列數據、文本數據等。這給時空數據挖掘帶來了數據復雜性挑戰(zhàn)，需要有效的數據處理和分析方法。

2.時間同步與空間關聯

時空數據挖掘需要考慮數據的時間同步和空間關聯，即如何將不同時間、不同空間位置的數據進行有效融合。時間同步問題涉及數據時間戳的統一和時序數據的處理，空間關聯問題則涉及空間數據的匹配、空間關系分析和空間優(yōu)化。

3.數據質量與噪聲

地理信息時空數據在采集、存儲和傳輸過程中可能存在數據質量問題，如缺失、異常、錯誤等，這些噪聲數據會影響時空數據挖掘的準確性和可靠性。

4.模型選擇與優(yōu)化

時空數據挖掘涉及多種模型和方法，如空間聚類、空間關聯規(guī)則挖掘、時間序列分析等。模型選擇和優(yōu)化對于挖掘結果的準確性和實用性至關重要。

5.可擴展性與實時性

隨著數據量的不斷增長，時空數據挖掘系統需要具備良好的可擴展性和實時性。如何實現高效的數據處理和挖掘，以滿足實時性和可擴展性的需求，是時空數據挖掘面臨的挑戰(zhàn)之一。

二、時空數據挖掘的對策

1.數據預處理與融合

針對數據復雜性，通過數據預處理方法，如數據清洗、數據轉換、數據壓縮等，提高數據質量。同時，采用數據融合技術，實現不同類型、不同時間、不同空間數據的融合，為時空數據挖掘提供高質量的數據基礎。

2.時間同步與空間關聯技術

針對時間同步問題，采用統一的時間戳標準，實現時空數據的對齊。針對空間關聯問題，利用空間索引技術，如R樹、四叉樹等，提高空間數據匹配效率。此外，通過空間關系分析，挖掘時空數據之間的關聯規(guī)律。

3.噪聲抑制與數據質量評估

針對數據質量與噪聲問題，采用噪聲抑制技術，如移動平均濾波、小波分析等，降低噪聲對挖掘結果的影響。同時，建立數據質量評估體系，對數據質量進行實時監(jiān)控和評估。

4.模型選擇與優(yōu)化策略

針對模型選擇與優(yōu)化問題，采用元學習、模型選擇策略等方法，提高模型選擇和優(yōu)化的效率。此外，采用交叉驗證、網格搜索等方法，對模型參數進行優(yōu)化，提高挖掘結果的準確性。

5.可擴展性與實時性技術

針對可擴展性與實時性問題，采用分布式計算、并行處理等技術，提高時空數據挖掘系統的處理能力。同時，采用內存數據庫、緩存技術等，提高數據訪問速度，實現實時性需求。

6.時空數據挖掘應用場景與實踐

針對時空數據挖掘應用場景，結合實際案例，如城市規(guī)劃、災害預警、交通運輸等，對時空數據挖掘方法進行實踐和研究，提高時空數據挖掘的應用價值。

總之，地理信息時空數據挖掘在面臨諸多挑戰(zhàn)的同時，也展現了巨大的發(fā)展?jié)摿?。通過不斷優(yōu)化技術手段，時空數據挖掘將為地理信息領域帶來更多創(chuàng)新成果。第八部分發(fā)展趨勢與展望

《地理信息時空數據挖掘》中的“發(fā)展趨勢與展望”

一、技術發(fā)展趨勢

1.大數據與云計算的融合

隨著地理信息時空數據量的不斷增加，大數據和云計算技術成為地理信息時空數據挖掘的重要支撐。大數據技術能夠快速處理和分析海量數據，云計算技術則可以為數據挖掘提供強大的計算能力和存儲空間。兩者融合，將極大提升地理信息時空數據挖掘的效率和準確性。

2.新型數據源的挖掘

隨著物聯網、智能手機、衛(wèi)星遙感等技術的快速發(fā)展，地理信息時空數據源不斷豐富。新型數據源的挖掘主要包括：實時數據挖掘、空間大數據挖掘、多源數據融合挖掘等。這些新型數據源為地理信息時空數據挖掘提供了更豐富的信息，有助于提高數據挖掘的準確性和實用性。

3.深度學習與人工智能的廣泛應用

深度學習與人工智能技術在地理信息時空數據挖掘領域得到廣泛應用。通過深度學習模型，可以實現對地理信息時空數據的自動分類、特征提取和預測。人工智能技術可以幫助挖掘數據中的隱含規(guī)律，提高數據挖掘的智能化水平。

4.時空數據挖掘算法優(yōu)化

隨著地理信息時空數據挖掘技術的發(fā)展，算法優(yōu)化成為研究熱點。在算法層面，主要關注以下方面：

（1）時空索引優(yōu)化：提高地理信息時空數據檢索的效率和準確性；

（2）時空關聯規(guī)則挖掘：發(fā)現地理信息時空數據中的關聯關系；