韩格格，黄艳红，姜娜娜，徐晓庆

(宁夏气象信息中心,宁夏银川，750002)

0 引言

Apriori是数据挖掘经典算法之一，但是也具有一定局限性。Apriori算法每次生成频繁集都要重复扫描一次数据库，因此时间成本较大。王伟等［1］提出一种B_Apriori算法，该算法只需对数据库进行一次扫描，然后通过逻辑运算的方式，计算出每一项的次数，最终得到频繁项集。李亮等［2］针对经典Apriori算法的性能存在的问题，提出T-Apriori算法，该算法也只需要扫描一次数据库，将数据转化为布尔值矩阵，通过计算找出频繁项集。这些改进后的算法与Apriori算法相比，虽然达到一定缩减时间的目的，但只是减少了数据库扫描的次数，并没有缩小数据库的规模。本文提出一种基于布尔矩阵的压缩矩阵频繁项集挖掘算法，将矩阵进行多次压缩，对压缩后矩阵的行向量进行逻辑运算，计算出每一项出现的次数，最终得到频繁项集，可以同时达到缩减扫描数据库次数和缩小数据库规模的目的。

1 基于关联规则算法的气象观测数据质量控制模型

基于关联规则的气象观测数据质量控制算法包括以下三个步骤，即数据离散化处理、产生关联规则、进行规则匹配［3］。

2 数据离散化处理

关联规则的挖掘需要离散型数据, 台站得到的气象观测数据都是连续的，因此首先要对得到的基础数据做离散化处理。将基础数据中的各个气象要素按照现行标准，进行等级划分。以温度为例，将数据按照以下等级划分：大寒（-10 ～-14.9℃）、小寒 (-5 ～-9.9℃ )、轻寒……