CN109325048A - 一种基于图模型构建的赤潮数据查询方法 - Google Patents

Abstract

本发明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。

Description

一种基于图模型构建的赤潮数据查询方法

技术领域

本发明涉及赤潮数据管理技术领域，具体地说，是一种基于图模型构建的赤潮数据查询方法。

背景技术

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。本发明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。

发明内容

本发明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，本发明采取的技术方案是：

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)＝{v_i，i＝1，2…}是|V|条赤潮数据的集合，E(G)＝{e_ij，i，j＝1，2，…，|V|；i≠j；e_ij＝e_ji}是v_i和v_j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(Chlorophyll A)、氨态氮(Ammonia nitrogen)、活性磷酸盐(Active phosphate)、硝酸根(Nitrate)、无机氮(Inorganic nitrogen)、硅酸盐(Silicate)、亚硝酸根(Nitrite)、锰(Manganese)、含盐度(Salinity)，溶解氧(Dissolved oxygen)、水温(Watertemperature)、饱和溶解氧(Saturated dissolved oxygen)、PH值。

作为一种优选方案，所述边数据的定义为：

边上的关系r_ij：两个点之间的关系r_ij由公式(1)计算得出；t_i和l_i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.r_ij＜0.5，则两个点之间关系较弱；边上的值value＝r_ij；

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d_br：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＝FIND NODE(EDGE){condition}in redTideDB return qlist；

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：

<UPDATE statement>::＝<FIND statement>

UPDATE<element list>。

作为一种优选方案，所述插入语句BNF定义：

<INSERT statement>::＝<FIND statement>

INSERT<element list>。

作为一种优选方案，所述删除语句BNF定义：

<DELETE statement>::＝DELETE<element list>。

本发明优点在于：

1、本发明一种基于图模型构建的赤潮数据查询方法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。

2、通过建立赤潮图模型，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。

3、利用时间和位置构建每两条赤潮数据之间的关系设计赤潮查询语言，定义了创建、查询、更新、插入、删除，五种操作语句，可以方便快捷的进行各项操作。

附图说明

附图1是本发明一种基于图模型构建的赤潮数据查询方法的总体框架图。

附图2是赤潮数据图模型示意图。

附图3是赤潮点数据举例图。

附图4是实施例2的实验建立的查询图。

附图5是实施例2查询到的数据列表图。

实施例1

下面结合附图对本发明提供的具体实施方式作详细说明。

请参考图1，本发明一种基于图模型构建的赤潮数据查询方法包含2部分内容：

1.赤潮数据图模型,也就是RTGraph的构建。

2.赤潮数据查询语言，也就是RTQL语言的构建。

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)＝{e_ij，i，j＝1，2，…，|V|；i≠j；e_ij＝e_ji}是v_i和v_j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11、边数据12、赤潮边缘数据13；所述点数据11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(Chlorophyll A)、氨态氮(Ammonianitrogen)、活性磷酸盐(Active phosphate)、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(Dissolved oxygen)、水温(Water temperature)、饱和溶解氧(Saturateddissolved oxygen)、PH值。

所述边数据12的定义为：

边上的关系r_ij：两个点之间的关系r_ij由公式(1)计算得出。t_i和l_i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.r_ij＜0.5，则两个点之间关系较弱。边上的值value＝r_ij。

所述赤潮边缘数据13定义为：

赤潮边缘数据d_br：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。

所述赤潮数据查询语言包括：

21.CREATE创建语句

BNF定义：

通过创建语言，RTQL定义了赤潮数据图模型中一些基本的部分，包括赤赤潮数据图模型中能够出现的顶点、边的类型及它们能够出现的属性，对赤潮数据进行处理时使用的相关算法。

CREATE语句的实例：

这里创建了一个名字叫redTideGraph的图数据库，其中点的标签为redTideData，点上的属性有id，ID表示该属性的值为此点的唯一标识，position、date、waterTemperature、chlorophyllA。边的标签为relation，边上的属性有value，用来记录点与点之间的关系。

22.FIND查询语句

查询语句：Q＝FIND NODE(EDGE){condition}in redTideDB return qlist；

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。

FIND语句用来在RTGraph中查找所有与查询图匹配的子图。用户首先根据查找需求构建一个由顶点和边组成的查询图，并在其中给出查询条件，最后使用这个查询图在数据库中进行基于属性的子图同构查询。

查询语句实例：

在RTGraph中实现查询的例子，RTQL语句如下：

23.UPDATE更新语句：更新语句用于修改赤潮图模型中的数据。

BNF定义：

<UPDATE statement>::＝<FIND statement>

UPDATE<element list>

更新语句实例：

修改id＝6的点的date属性，改为“20160403”。

24.INSERT插入语句：插入语句用来向赤潮图模型中插入点。

BNF定义：

<INSERT statement>::＝<FIND statement>

INSERT<element list>

插入语句实例：

为id＝6的点添加一个date＝“20160403”的属性。

首先使用FIND语句找到id＝6的点，然后使用INSERT语句将属性date＝“20160403”插入。

25.DELETE删除语句：删除语句用来删除图模型中的数据。

BNF定义：

<DELETE statement>::＝DELETE<element list>

删除语句实例：

删除日期为2016年4月3日的数据。

DELETE(

NODE redTideData.date＝’20140304’

)in redTideGraph

需要说明的是：

所述公式(1)为概念公式，其中ti-t_j与l_i-l_j表示时间和距离差值，只取正数，具体公式在数据格式不同时要进行调整。

所述赤潮边缘数据中dist(v,v')＜l，l表示两点的距离差值，即l＝l_i-l_j，要满足dist(v,v')＜l，则需要l_i-l_j越大越好，l_i-l_j越大，则dist(v,v')越小，又因为r_ij＜0.5时，边不存在，则l_i-l_j的值不能超过使r_ij＜0.5的值，所以此时v'为v的边缘数据点，两点联系存在，若此时v.stage≠v′.stage，说明以v点为中心的赤潮区域将要发生阶段变化。

所述查询语句22有精确查询和模糊查询两种用法，精确查询指：

使用FIND语句对相关点的属性进行查询或进行精确子图匹配，这些子图不仅结构与查询图完全相同，对应点上的属性值也完全相同。

模糊查询：

在对赤潮进行分析和预测的过程中，更常见的查询是模糊查询。模糊查询分为两种。

第一种是与“查询语句实例”相似的例子，查询条件是模糊的。这类查询应用广泛，在关系数据库中可以使用LIKE语句及通配符来实现。这类查询在关系数据库中也是较成熟的查询，但是当数据量较大时，效率较低。

第二种是RTGraph中特有的关联度查询，赤潮的历史数据具有很大的研究价值，对如今的赤潮分析和预测有很大参考作用。使用当前的数据与历史数据进行对比可以预测出当前赤潮的发生面积和趋势。在RTGraph中每个点之间的关系使用边构建，并在边上存储了两点之间的关联度。当给定了一部分的查询条件，并想查询到其余类似的点时，可使用此类查询，关联度的值由用户在查询时给定。

请参考图2，图2为赤潮数据图模型示意图，图上的每个点代表一条赤潮数据，图上的边表示两个点之间的关系。所有赤潮数据根据DWFCM算法已经按照发生阶段分为了五个部分，由虚线圆标出。赤潮发展阶段(stage)分为：未发生阶段，起始阶段、发展阶段、维持阶段和消亡阶段。

请参考图3，图3是赤潮数据图模型中的点数据的一个例子，stage、date、position等是点上的属性，value是边上的属性。

实施例2

实施例2是基于实施例1的方法，进一步应用的例子。

实施例2使用2012年-2014年5月的长江口岸的监测数据进行实验，将其按照规则存入本文定义的RTGraph中。设计了1组查询，来验证本文的RTGraph和RTQL的可行性。

实验：查询2014年3月5日和3月6日，位置在122.5，31及关联度大于0.9的数据。

请参考图4、图5，首先构建查询图，使用此查询图在RTGraph中进行匹配。在RTGraph中，查询到了给定时间与给定时间前后两天、前后两年同一天的数据。在现实情况中，给定站点和实际采集站点存在一定的误差。但是在RTGraph中，由于关联度的存在，可以查出给定经纬度周围的有效点。同时，在查出的点中存在赤潮边缘数据，和实际情况吻合。

本发明一种基于图模型构建的赤潮数据查询方法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。通过建立赤潮图模型，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。利用时间和位置构建每两条赤潮数据之间的关系设计赤潮查询语言，定义了创建、查询、更新、插入、删除，五种操作语句，可以方便快捷的进行各项操作。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明方法的前提下，还可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。

Claims (9)

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)＝{v_i，i＝1，2，…}是|V|条赤潮数据的集合，

E(G)＝{e_ij，i，j＝1，2，…，|V|；i≠j；e_ij＝e_ji}是v_i和v_j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(Chlorophyll A)、氨态氮(Ammonianitrogen)、活性磷酸盐(Active phosphate)、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(Dissolved oxygen)、水温(Water temperature)、饱和溶解氧(Saturateddissolved oxygen)、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r_ij：两个点之间的关系r_ij由以下公式计算得出；t_i和l_i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r_ij＜0.5，则两个点之间关系较弱；边上的值value＝r_ij；

4.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，所述赤潮边缘数据定义为：

赤潮边缘数据d_br：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。

5.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，所述创建语句的BNF定义：

6.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，所述查询语句为：

Q＝FIND NODE(EDGE){condition}in redTideDB return qlist；

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。

7.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，所述更新语句的BNF定义：

<UPDATE statement>：：＝<FIND statement>

UPDATE<element list>。

8.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，所述插入语句BNF定义：

<INSERT statement>：：＝<FIND statement>

INSERT<element list>。

9.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，所述删除语句BNF定义：

<DELETE statement>：：＝DELETE<element list>。