孔庆好，吐尔逊·买买提，赵梦佳

(新疆农业大学交通与物流工程学院，乌鲁木齐市，830052)

0 引言

随着中国农业机械技术水平的提高,新疆农业机械化水平逐年上升，2019年新疆农机总动力达到27 890 MW,新疆棉花、小麦等作物已经基本实现从耕种到收获全程机械化生产，但农业机械化带来的不仅有更加高效的生产效率，同时也带来了更严重的大气污染问题[1]。针对上述情况应用数据挖掘技术深入剖析农用拖拉机等移动源自身状态参数、识别并细化移动源作业状态可以帮助掌握区域污染物排放趋势并以此为基础制定更具针对性的治理措施,为实现这一目标建立具有高识别精度的农机工况识别模型显得尤为重要。

目前,农机领域数据挖掘技术的应用主要集中在农机空间状态识别[2]、农用机械污染物排放研究[3-5]、农用拖拉机故障检测和农机运行效率分析[6]等方面。在农机工况识别方面相关研究较少且多基于农机空间位置信息数据对农机运行工况展开研究,其中吐尔逊·买买提等提出基于密度聚类结合农业机械作业状态特征,通过对农机空间位置信息进行聚类实现农机工况识别。王培等[2]提出采用数据挖掘中聚类与空间数据分析方法,基于农机空间位置信息数据设计实现典型农机的运行状态识别方法。然而,上述研究均通过分析农机空间运行轨迹特点从空间层面间接判断农机运行状态，因此具有一定局限性。事实上，在农机作业过程中不仅会产生海量的农机空间信息数据，也会产生诸如速度、油耗以及发动机转速等反应农机运行状态的数据,深入挖掘这类数据实现农机作业工况的识别,可以进一步满足农机精细化管理与分析研究的应用需求。……