一种基于图模型构建的赤潮数据查询方法技术

本发明专利技术公开了一种基于图模型构建的赤潮数据查询方法，所述方法包含：赤潮数据图模型的构建、赤潮数据查询语言的构建；所述赤潮数据图模型RTGraph包括三种数据：点数据、边数据、赤潮边缘数据；所述赤潮边缘数据是一种点数据，由点上属性标记；所述赤潮数据查询语言包括：创建语句、查询语句、更新语句、插入语句、删除语句。将赤潮数据按照特定阶段存储在图模型中，建立赤潮的边数据，可以表示赤潮数据之间的关联，不仅可以在图模型上进行普通的点和边的查询，同时可以进行各种模型查询，提高了查询的速度和精度，可以充分利用赤潮数据进行研究。研究人员可以预测到阶段转换发生的时间和地点，针对此采取相应的措施，减少经济和生态上的损失。

【技术实现步骤摘要】
一种基于图模型构建的赤潮数据查询方法
本专利技术涉及赤潮数据管理
，具体地说，是一种基于图模型构建的赤潮数据查询方法。
技术介绍
图数据模型和图上的查询语言如今被广泛应用于多种拥有关联数据的领域，如社交网络、地理信息系统、生物信息学等。1992年，Bernd[2]等人将旅行数据构建成图模型。使用节点和边上的标签类型构建正则表达式来构建和限定整个子图。并设计了基于这些正则表达式的查询语言。2011年，欧晓平等人针对音乐数据的特点提出了基于复杂音乐数据的图模型Gra-MM，及基于音乐数据模型的查询语言Gra-MQL。该方法能够较好的处理音乐数据之间的复杂关联，同时具有音乐元数据检索和音乐内容数据检索能力，从而满足用户对音乐数据不同层次的查询需求。2014年，吴烨等人将地理空间数据构建成图模型，通过提取空间信息、语义描述信息、内容描述信息及其关联关系，构建出特征要素图。并提出了一种基于特征索引的分块构建方法。这些图模型的构建方法都是根据各个领域的数据的特征，无法直接使用在赤潮数据上。与其他数据相比，赤潮数据存在以下的特点：1.影响赤潮发生的环境因子数据众多，数据具有高维性。2.赤潮的发生过程复杂，想要降低赤潮对人类带来的灾害需要针对不同的发生阶段采取对应的措施，普通的存储模型和查询方式无法为赤潮预报人员提供准确的信息。3.赤潮数据的查询具有实时性，赤潮预报人员需要快速准确的查询结果。赤潮是影响海洋环境的重要因素之一，全球赤潮灾害频发，对生态和经济系统危害极大。2003年我国海域共发现赤潮119次，累计面积约14550平方公里，造成的直接经济损失多达4281万元。近年来，随着近沿海工农业的发展和人口的增加，工业废水和城市生活污水不断排入海中，造成海水局部营养程度加大，促使赤潮生物大量增加，导致赤潮频发，损失越来越严重。为了降低赤潮带来的影响，世界各国的相关机构都在自己的近邻海域建立了赤潮监测系统来预报预警赤潮灾害。大部分的监测系统监测区域广，监测参数众多，带来了大量的赤潮监测历史数据。这些历史数据可以为赤潮预报人员的预报提供辅助和参考。因此面对这些历史数据，如何为其构建有效存储模型，提高赤潮预报人员的查询精度和速度，才是成功研究赤潮的关键。赤潮数据模型和查询语言是赤潮数据管理系统的基础，对实现赤潮数据的有效管理和准确预测具有重要意义。虽然目前存在一些能够用于赤潮数据查询的模型及相应的查询语言(如关系模型和SQL)，但是它们大多只能支持赤潮元数据的查询，未能充分利用赤潮数据自身的特点。此外，它们只能表达较为简单的赤潮数据之前的数据关联，无法满足快速查询和预测的需求中国专利文献CN：CN201510697881.1，公开了一种基于富图模型RichGraph的图数据管理方法，该图数据管理方法中提出了一种节点和边元素均可包含属性信息的属性图数据模型，并给出了该数据模型基于Lucene全文索引检索引擎的底层实现方法。本专利技术解决了传统关系数据库模型获取数据中固有的图结构信息的限制问题，为包含丰富语义信息的复杂数据提供了合理的表达模型，同时提高了图数据复杂信息的管理能力。但是关于一种将赤潮历史数据建立图模型进行管理并提供查询服务的方法还未见报道。综上所述，亟需一种基于赤潮数据的图数据模型和查询语言，可以方便的搭建出查询图，调用查询算法在数据图中查找满足条件的子图，并进行增删改查操作的方法，而这种方法还未见公开。
技术实现思路
本专利技术的目的是针对现有技术中的不足，提供一种基于赤潮数据的模型RTGraph和查询语言RTQL，定义了图逻辑数据结构和相关的图代数操作，可以方便的搭建出查询图，调用查询算法在数据图中查找满足条件的子图，并进行一系列操作。关于一些英文缩写的定义，RT指redtide,即赤潮，RTGraph是赤潮数据图模型，DB指database,即数据库。为实现上述目的，本专利技术采取的技术方案是：一种基于图模型构建的赤潮数据查询方法，所述方法包含：赤潮数据图模型的构建、赤潮数据查询语言的构建；所述的赤潮数据图模型的构建由点、边和属性组成，每个点表示一条赤潮数据；边由时间地点构建出；点上包括一系列的属性；当符合条件时，点上的br属性等于1，即此点为赤潮边缘数据，不符合条件时，点上的br属性等于0，即此点为普通数据；所述赤潮数据图模型的定义为：RTGraph：无向图G＝(V(G)，E(G)，L(G))，V(G)＝{vi，i＝1，2…}是|V|条赤潮数据的集合，E(G)＝{eij，i，j＝1，2，…，|V|；i≠j；eij＝eji}是vi和vj之间边的集合，L(G)是V(G)的属性集合；所述赤潮数据图模型RTGraph包括三种数据：点数据、边数据、赤潮边缘数据；所述赤潮数据查询语言包括：创建语句、查询语句、更新语句、插入语句、删除语句。作为一种优选方案，所述点数据包括：阶段(stage)、日期(date)，地点(position)这些描述赤潮阶段、采集信息的属性，以及记录赤潮环境因子的属性：叶绿素a(ChlorophyllA)、氨态氮(Ammonianitrogen)、活性磷酸盐(Activephosphate)、硝酸根(Nitrate)、无机氮(Inorganicnitrogen)、硅酸盐(Silicate)、亚硝酸根(Nitrite)、锰(Manganese)、含盐度(Salinity)，溶解氧(Dissolvedoxygen)、水温(Watertemperature)、饱和溶解氧(Saturateddissolvedoxygen)、PH值。作为一种优选方案，所述边数据的定义为：边上的关系rij：两个点之间的关系rij由公式(1)计算得出；ti和li分别表示赤潮数据的采集时间和地点；当存在以下两种情况中的任一种时，边不存在：1.边连接的两个点中任意一个的时间和地点信息不全；2.rij＜0.5，则两个点之间关系较弱；边上的值value＝rij；作为一种优选方案，所述赤潮边缘数据定义为：赤潮边缘数据dbr：dist(v,v')＜l且v.stage≠v′.stage,为点v添加br＝1的属性，否则br＝0.v和v'是图上的点，表示单个赤潮数据；dist(v,v')表示点v到v'点的距离，距离由边上的value相加得到。作为一种优选方案，所述创建语句的BNF定义：作为一种优选方案，所述查询语句为：Q＝FINDNODE(EDGE){condition}inredTideDBreturnqlist；所述Q＝<qlist，condition，tables>表示一个查询；所述表示需要查询的属性；所述AList是图模型中用户可以作用查询条件或查询结果的属性集合，且所述condition表示该语句中查询node或edge子句的条件谓词，所述tables表示语句中的目标关系集合；所述ArrComNum＝<qlist，compare，num>表示属性和常数比较的谓词；所述compare∈{≤，＜，＝，＞，≥，≠，LIKE，BETWEEN}为比较运算符。作为一种优选方案，所述更新语句的BNF定义：<UPDATEstatement>::＝<F本文档来自技高网...

【技术保护点】
1.一种基于图模型构建的赤潮数据查询方法，其特征在于，所述方法包含：赤潮数据图模型的构建、赤潮数据查询语言的构建；所述的赤潮数据图模型的构建由点、边和属性组成，每个点表示一条赤潮数据；边由时间地点构建出；点上包括一系列的属性；当符合条件时，点上的br属性等于1，即此点为赤潮边缘数据，不符合条件时，点上的br属性等于0，即此点为普通数据；所述赤潮数据图模型的定义为：RTGraph：无向图G＝(V(G)，E(G)，L(G))，V(G)＝{vi，i＝1，2，…}是|V|条赤潮数据的集合，E(G)＝{eij，i，j＝1，2，…，|V|；i≠j；eij＝eji}是vi和vj之间边的集合，L(G)是V(G)的属性集合；所述赤潮数据图模型RTGraph包括三种数据：点数据、边数据、赤潮边缘数据；所述赤潮边缘数据是一种点数据，由点上属性标记；所述赤潮数据查询语言包括：创建语句、查询语句、更新语句、插入语句、删除语句。

【技术特征摘要】
1.一种基于图模型构建的赤潮数据查询方法，其特征在于，所述方法包含：赤潮数据图模型的构建、赤潮数据查询语言的构建；所述的赤潮数据图模型的构建由点、边和属性组成，每个点表示一条赤潮数据；边由时间地点构建出；点上包括一系列的属性；当符合条件时，点上的br属性等于1，即此点为赤潮边缘数据，不符合条件时，点上的br属性等于0，即此点为普通数据；所述赤潮数据图模型的定义为：RTGraph：无向图G＝(V(G)，E(G)，L(G))，V(G)＝{vi，i＝1，2，…}是|V|条赤潮数据的集合，E(G)＝{eij，i，j＝1，2，…，|V|；i≠j；eij＝eji}是vi和vj之间边的集合，L(G)是V(G)的属性集合；所述赤潮数据图模型RTGraph包括三种数据：点数据、边数据、赤潮边缘数据；所述赤潮边缘数据是一种点数据，由点上属性标记；所述赤潮数据查询语言包括：创建语句、查询语句、更新语句、插入语句、删除语句。2.根据权利要求1所述的一种基于图模型构建的赤潮数据查询方法，其特征在于，所述点数据包括：阶段(stage)、日期(date)，地点(position)这些描述赤潮阶段、采集信息的属性，以及记录赤潮环境因子的属性：叶绿素a(ChlorophyllA)、氨态氮(Ammonianitrogen)、活性磷酸盐(Activephosphate)、硝酸根(Nitrate)、无机氮(Inorganicnitrogen)、硅酸盐(Silicate)、亚硝酸根(Nitrite)、锰(Manganese)、含盐度(Salinity)，溶解氧(Dissolvedoxygen)、水温(Watertemperature)、饱和溶解氧(Saturateddissolvedoxygen)、PH值。3.根据权利要求1所述的一种基于图模型构建的赤潮数据查询方法，其特征在于，所述边数据的定义为：边上的关系rij：两个点之间的关系rij由以下公式计算得出；ti和li分别表示赤潮数据的采集时间和地点；当存在以下两种情况中的任一种时，边不存在：一种是边连接的两个点中任意一个的时间和地点信息不全；另一种是rij＜0.5，则两个点之间关系较弱；边上的值value＝rij；4.根据权利要求1所述的一种基于图模型构建的赤...

【专利技术属性】
技术研发人员：黄冬梅，赵丹枫，张烨宜，石少华，李亿红，黄燕玲，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：上海,31