Báo cáo khoa học: Ứng dụng công nghệ OLAP trong khai thác số liệu dịch hại trên lúa tại Trà Vinh

Chia sẻ: Nguyễn Lam Phong | Ngày: | Loại File: DOCX | Số trang:16

Thêm vào BST

Báo xấu

267
lượt xem 29
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Báo cáo khoa học: Ứng dụng công nghệ OLAP trong khai thác số liệu dịch hại trên lúa tại Trà Vinh mô tả và xây dựng một ứng dụng thống kê số liệu dịch hại trên lúa tại Trà Vinh sử dụng kiến trúc kho dữ liệu, kỹ thuật phân tích trực tuyến OLAP và kiến trúc web. Bài báo cáo cũng nghiên cứu các tiêu chí mà người dùng sử dụng khi phân tích dữ liệu dịch hại trên lúa trực tuyến trên Web.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Báo cáo khoa học: Ứng dụng công nghệ OLAP trong khai thác số liệu dịch hại trên lúa tại Trà Vinh

ỨNG DỤNG CÔNG NGHỆ OLAP TRONG KHAI THÁC SỐ LIỆU DỊCH HẠI TRÊN LÚA TẠI TRÀ VINH ABSTRACT Online Analytical Processing is used in wide variety of business applications to analyze the data and this helps in querying multidimensional data. This thesis describes the design and the implementation of OLAP Reporting Application in rice diseases Data Warehouse by using the architecture of Data Warehouse, OLAP technology and web structure. It helps to build and to exploit a Data Warehouse of rice diseases. To get this goal, some modern tools to build and to organize many parts of the system needed are used in its practice such as SQL Server 2005 for Analysis Services 2005 for an OLAP database and Microsoft Office Web Components for a web based OLAP Reporting Applications. The user can analyze directly and flexibly the rice disease data on the Web pages. Keywords: Data Warehouse, Online Analytical Processing (OLAP), web structure, OLAP database, web based OLAP Reporting. TÓM TẮT Kỹ thuật phân tích dữ liệu trực tuyến OLAP (Online Analytical Processing) được sử dụng rộng rãi trong nhiều ứng dụng kinh doanh để phân tích dữ liệu và giúp truy vấn trên dữ liệu đa chiều nhằm hỗ trợ việc ra quyết định của các nhà quản lý. Bài báo này mô tả và xây dựng một ứng dụng thống kê trực tuyến trên kho dữ liệu dịch hại trên lúa bằng cách sử dụng kiến trúc kho dữ liệu (Data Warehouse), kỹ thuật phân tích trực tuyến OLAP và cấu trúc web. Ứng dụng này hỗ trợ khai thác hiệu quả kho dữ liệu dịch hại trên lúa đã được ngành Trồng trọt và Bảo vệ Thực vật Trà Vinh tích tụ trong nhiều năm qua. Để đạt được mục đích này, một vài công cụ được sử dụng để xây dựng thành công ứng dụng như: SQL Server 2005 cho kho dữ liệu, Analysis Services 2005 cho CSDL đa chiều OLAP và Microsoft Office Web Components cho các báo cáo dựa trên web. Với kết quả đạt được, ứng dụng cho phép người sử dụng phân tích trực tuyến và linh hoạt dữ liệu dịch hại trên lúa trực tiếp trang web, điều này cho thấy rằng công nghệ OLAP không những là công cụ được áp dụng hiệu quả trong các ứng dụng hỗ trợ kinh doanh mà còn cần được áp dụng mạnh mẽ trong các hệ thống tin học hỗ trợ lĩnh vực nông nghiệp. Từ khóa: kho dữ liệu, kỹ thuật phân tích trực tuyến, cấu trúc web, CSDL đa chiều OLAP, báo cáo dựa trên web.
1. GIỚI THIỆU Nông nghiệp là một ngành kinh tế quan trọng trong nền kinh tế của mỗi quốc gia, đặc biệt là trong giai đoạn hiện nay, khi mà vấn đề an ninh lương thực được đặt lên hàng đầu. Ở nước ta, do nền kinh tế phát triển lên từ một nước nông nghiệp nên kinh tế nông nghiệp càng có vai trò quan trọng hơn trong sự phát triển kinh tế của đất nước. Điều này đã được chứng minh thực tế trong cuộc khủng hoảng giá lương thực năm 2008, đã làm ảnh hưởng nghiêm trọng đến nhiều thành phần kinh tế khác và đời sống của hàng triệu người. Đồng bằng Sông Cửu Long (ĐBSCL) là vựa lúa lớn nhất nước ta, trong những năm gần đây, với việc thâm canh tăng vụ và áp dụng các tiến bộ khoa học kỹ thuật vào sản xuất lúa đã làm cho năng suất và sản lượng lúa ngày một nâng lên. Hơn mười năm qua, ĐBSCL được xem là vùng kinh tế trọng điểm của quốc gia sản xuất lương thực phục vụ xuất khẩu và bảo đảm an ninh lương thực quốc gia. Tuy nhiên, với việc thâm canh cây lúa trong nhiều năm liền đã tạo nguy cơ cho sự bộc phát dịch hại trên lúa, đặc biệt trong năm 2006 dịch rầy nâu xuất hiện ở tất cả các tỉnh thuộc vùng ĐBSCL. Để chống lại sự bộc phát dịch hại, nâng cao năng suất và sản lượng lúa. Các nhà khoa học đã nghiên cứu và đưa ra nhiều biện pháp hữu hiệu như: lai tạo ra các giống lúa mới có khả năng kháng dịch hại, thực hiện phương pháp quảng canh, gieo trồng né tránh dịch hại, phun thuốc phòng trị dịch hại và nhiều phương pháp khác. Dù là áp dụng phương pháp nào đi nữa thì nhu cầu tìm kiếm thông tin về dịch hại của nhà nông, nhà quản lý nông nghiệp và nhà khoa học cũng hết sức cần thiết. Tại Chi cục Trồng trọt và Bảo vệ thực vật Trà Vinh, nhu cầu phân tích số liệu dựa trên khối lượng dữ liệu khổng lồ để hỗ trợ thông tin nhanh về dịch hại trên lúa cho nông dân, cán bộ quản lý nông nghiệp, cán bộ nghiên cứu là mục tiêu được đặt ra. Các kết quả phân tích này có ý nghĩa quan trọng trong công tác phòng trị dịch hại. Để đạt được mục tiêu này, việc xây dụng ứng dụng thống kê trực tuyến sử dụng kỹ thuật phân tích trực tuyến (OLAP – OnLine Analytical Processing) là một giải pháp tốt. Để thể hiện các báo cáo dựa trên nhiều chỉ tiêu, theo yêu cầu của người sử dụng, người ta thường mất rất nhiều thời gian cho việc thu thập dữ liệu, tích hợp số liệu, thực hiện một số công thức tính toán, thiết kế mẫu báo cáo mới, thậm chí sửa đổi lại cấu trúc cơ sở dữ liệu (CSDL) và thay đổi mã nguồn của phần mềm. Chính các bước phức tạp này đã làm chậm đi quá trình cung cấp thông tin nhanh để đáp ứng kịp thời cho công tác phòng chống dịch hại. Vì vậy, việc thay thế bằng một phương pháp mới là cần thiết. Từ yêu cầu thực tế, bài toán xây dựng ứng dụng thống kê trực tuyến trên nền web phục vụ công tác phân tích trực tuyến trên dữ liệu về dịch hại trên lúa là thật sự thiết thực. Ứng dụng được thiết kế sao cho có thể cung cấp thông tin chính xác, đáp ứng yêu cầu phân tích số liệu trên nhiều chỉ tiêu, theo yêu cầu của người dùng khi phân tích dữ liệu. Để đáp ứng các yêu cầu này thì việc áp dụng công nghệ mới như: kho dữ liệu (Data Warehouse), kỹ thuật phân tích
trực tuyến (OLAP) và các công nghệ liên quan đến web vào việc xây dựng ứng dụng là giải pháp khả thi. Bài báo tiến hành mô tả và xây dựng một ứng dụng thống kê số liệu dịch hại trên lúa tại Trà Vinh sử dụng kiến trúc kho dữ liệu, kỹ thuật phân tích trực tuyến OLAP và kiến trúc web. Bài báo cũng nghiên cứu các tiêu chí mà người dùng sử dụng khi phân tích dữ liệu dịch hại trên lúa trực tuyến trên web. 2. CÔNG NGHỆ OLAP 2.1. OLAP là gì? Thuật ngữ OLAP được E. F. Codd đưa ra trong một bài báo có tên “Providing On-Line Analytical Processing to User Analysts” được công bố vào tháng 8 năm 1993. Trong bài báo này ông cũng đưa ra 12 quy tắc mà một hệ thống OLAP phải tuân theo. Từ đó OLAP được biết đến như một kỹ thuật phân tích dữ liệu sử dụng các thể hiện dữ liệu đa chiều gọi là các khối (cube). OLAP cung cấp khả năng tạo ra các khối dữ liệu và thực hiện các truy vấn tinh vi trên các ứng dụng người dùng. 12 tiêu chuẩn để đánh giá một hệ thống OLAP của E. F. Codd: 1. Khung nhìn khái niệm đa chiều (Multidimensional Conceptual View): Dữ liệu sẽ được trình bày cho người dùng trên khuân mẫu đa chiều. 2. Trong suốt (Transparency): Người dùng không cần biết họ đang sử dụng CSDL đa chiều OLAP. 3. Tính truy cập (Accessibility): Các công cụ OLAP nên chọn dữ liệu nguồn tốt nhất để hỗ trợ truy vấn. 4. Nhất quán trong thực thi báo cáo (Consistent Reporting Performance): Sự thực thi báo cáo phải như nhau không phụ thuộc vào dung lượng CSDL và số chiều được sử dụng. 5. Có kiến trúc khách – chủ (Client-Server Architecture): Các công cụ OLAP được triển khai trên mô hình khách hàng – phục vụ. 6. Phân chiều tổng quát (Generic Dimensionality): Đảm bảo các chiều dữ liệu là như nhau trong cấu trúc và tính toán. Không thiên vị trong việc truy cập bất cứ chiều nào. 7. Xử lý động Ma trận dữ liệu thừa (Dynamic Sparse Matrix Handling): Các giá trị null được tổ chức lưu trữ hiệu quả trên ma trận động. 8. Hỗ trợ đa người dùng (Multi-User Support): Công cụ OLAP phải hỗ trợ nhiều người dùng đồng thời. 9. Các toán tử qua các chiều không giới hạn (Unrestricted Cross- Dimensional Operations): Quy tắc kết hợp được áp dụng trên tất cả các chiều.
10. Thao tác dữ liệu bằng trực giác (Intuitive Data Manipulation): Người dùng nhìn thấy mọi dữ liệu cần thiết trên giao diện, tránh phải sử dụng qua menu hoặc qua nhiều thao tác
mới mở được giao diện. 11. Lập báo cáo động (Flexible Reporting): Cho phép người dùng trình bày báo cáo dữ liệu theo bất kỳ cách nào mà họ thích. 12. Mức độ kết hợp và số chiều không hạn chế (Unlimited Dimensions and Aggregation Levels): Sẽ không có giới hạn số chiều và mức kết hợp trong mô hình OLAP. 2.2. Mô hình dữ liệu đa chiều Trong thực tế người ta có khuynh hướng suy nghĩ theo “đa chiều”. Ví dụ một nhà quản lý nông nghiệp khi dự đoán dịch hại xảy ra anh ta mô tả như sau: “Có khả năng dịch rầy nâu sẽ bùng phát trở lại tại các tỉnh Trà Vinh, Vĩnh Long, An Giang trong khoảng tháng 5 năm 2009 ”. Dự đoán này được những người thiết kế khối dữ liệu mô tả lại như sau: Hình 1: Mô phỏng các chiều trong mô tả dịch hại Khối dữ liệu (cube): Khối là thành phần chính trong cấu trúc OLAP được sử dụng để lưu trữ và liệt kê dữ liệu. Nó tương tự như khái niệm bảng (table) trong hệ thống CSDL quan hệ. Ví dụ: Để quản lý dịch hại trên lúa ta có thể tạo ra một khối dữ liệu DICHHAI nhằm lưu lại các thông tin liên quan đến dịch hại trên lúa có xét đến chiều thời gian, loại dịch hại, thời tiết, giai đoạn sinh trưởng, địa điểm. Những chiều này cho phép người dùng theo dõi những thông tin liên quan đến dịch hại như dịch hại xảy ra ở đâu, trong điều kiện thời tiết nào, trong khoảng thời gian nào và ở giai đoạn sinh trưởng nào của cây lúa. Hình Error! No text of specified style in document.: Lược đồ cấu trúc khối DICHHAI.
Chiều dữ liệu (Dimension): Chiều là thuộc tính cấu trúc tạo nên khối. Một chiều có thể nằm trong một khối duy nhất hoặc được chia sẻ cho nhiều khối. Chiều được tạo ra khi tạo khối. Mỗi chiều ánh xạ thông tin đến một bảng trong kho dữ liệu gọi là bảng chiều. Ví dụ trong hình 2 gồm các chiều thời gian, loại dịch hại, thời tiết, giai đoạn sinh trưởng, địa điểm. Phân cấp (hierarchy): Phân cấp là cột sống của việc tổng hợp dữ liệu hay nói cách khác là dựa vào các phân cấp mà việc tổng hợp dữ liệu mới có thể thực hiện được. Phần lớn các chiều đều có một cấu trúc đa mức hay phân cấp. Hình 3: Phân cấp của chiều địa điểm Các độ đo (Measures): Các độ đo là dữ liệu dạng số được người dùng quan tâm khi liệt kê khối. Độ đo được lựa chọn dựa trên loại thông tin người dùng yêu cầu. Độ đo được tạo ra khi tạo khối. Một độ đo chỉ thuộc một khối duy nhất ngược lại một khối có thể có nhiều hơn 1024 độ đo. Ví dụ trong khối hình 2 chứa bốn độ đo Dtnhiemnang, Dtnhiemtb, Dtnhiemnhe, Dtphongtri. 2.3. Các lược đồ cho CSDL đa chiều Lược đồ hình sao (star schema): Lược đồ hình sao bao gồm một bảng sự kiện (Fact table) nằm ở trung tâm, và một số bảng chiều (dimension table) kết nối bao quanh bảng sự kiện tạo thành hình ngôi sao. Hình 4: Lược đồ hình sao Lược đồ bông tuyết (Snowflake schema): Lư ợc đồ bông tuyết là một biến thể của lược đồ hình sao, trong đó một số bảng chiều được chuẩn hóa, từ đó có thể có tiếp tục chia dữ liệu thành nhiều bảng khác. Lược đồ có hình dạng như một bông tuyết.
Hình 5: Lược đồ bông tuyết Lược đồ chòm sao sự kiện (fact constellation): Các ứng dụng phức tạp có thể đòi hỏi nhiều bảng sự kiện cùng chia sẻ các bảng chiều. Loại lược đồ này có thể được xét như một tập hợp các lược đồ hình sao. Vì thế, nó được gọi là lược đồ chòm sao sự kiện. Hình 6: Lược đồ chòm sao sự kiện.
2.4. Các mô hình OLAP thông dụng Hai mô hình OLAP thông dụng được nhiều nhà cung cấp dịch vụ OLAP hỗ trợ là MOLAP và ROLAP. Sự phân biệt giữa hai mô hình này dựa trên cách thức lưu trữ dữ liệu. ROLAP đại diện cho xử lý phân tích trực tuyến trên CSDL quan hệ. MOLAP đại diện cho xử lý phân tích trực tuyến trên CSDL đa chiều. 2.4.1 Mô hình MOLAP Trong mô hình MOLAP, dữ liệu phân tích được lưu trữ trong CSDL đa chiều chuyên dụng nhằm phục vụ tốt nhất cho các truy vấn tổng hợp dữ liệu thường xuyên mà cần thời gian truy xuất nhanh. Số liệu tính toán trước và chiều của khối dữ liệu được lưu trong CSDL đa chiều. Động cơ MOLAP trong tầng ứng dụng đẩy dữ liệu đa chiều từ CSDL đa chiều đến người dùng phân tích dữ liệu. Hình 7 trình bày kiến trúc của mô hình MOLAP. Hình 7: Mô hình MOLAP Ưu điểm của MOLAP: - Thực thi nhanh câu truy vấn nhờ vào việc tối ưu hóa lưu trữ, lập chỉ mục đa chiều và cơ chế bộ nhớ cache. - Áp dụng tốt cho các hệ thống có yêu cầu tính toán phức tạp và thời gian truy xuất nhanh bởi vì tất cả các dữ liệu cần tính toán đã được thực hiện khi tạo khối dữ liệu. - Không sử dụng cơ chế khoá do dữ liệu là chỉ đọc. - Dữ liệu có thể dễ dàng sao chép đến người dùng cho phân tích offline.
Nhược điểm của MOLAP: - Chi phí nhiều thời gian để xử lý dữ liệu (nạp dữ liệu), đặc biệt trong trường hợp khối dữ liệu có dung lượng lớn. Để khắc phục nhược điểm này các công cụ MOLAP cho phép chỉ xử lý phần dữ liệu có sự thay đổi thay vì xử lý lại toàn bộ khối dữ liệu. - MOLAP lưu trữ nhiều dữ liệu dư thừa nhằm đáp ứng thời gian truy xuất nhanh. - Bị giới hạn bởi dung lượng dữ liệu của hệ thống do tất cả các dữ liệu tính toán trước đều được lưu trữ trong khối. Điều này làm cho dữ liệu trong khối có phinh hướng tổng hợp hơn là chi tiết. - Tăng thêm chi phí do công nghệ đa chiều không có sẵn trong hệ thống nên phải đầu tư chi phí cho cả công nghệ và huấn luyện con người. 2.4.2 Mô hình ROLAP Trong mô hình ROLAP, dữ liệu được lưu trữ trên các bảng theo định dạng của CSDL quan hệ đáp ứng tốt nhất cho các truy vấn dữ liệu không thường xuyên. Để giấu đi kiến trúc lưu trữ theo định dạng quan hệ và trình bày dữ liệu đa chiều, ROLAP tạo ra một lớp dữ liệu ngữ nghĩa gọi là Metadata. Lớp Metadata này hỗ trợ việc ánh xạ của các chiều đến các bảng trong CSDL quan hệ đồng thời hỗ trợ việc tổng hợp và kết hợp dữ liệu. Metadata được lưu trữ ngay trong CSDL quan hệ. Hình 8: Mô hình ROLAP Ưu điểm của ROLAP: - Có thể áp dụng với hệ thống có dung lượng lớn do kích cỡ của ROLAP chính là kích cỡ của CSDL quan hệ. - Tiết kiệm không gian lưu trữ do dữ liệu lưu trữ trong CSDL quan hệ truyền thống ít khi trùng lắp.
- ROLAP là kỹ thuật hiệu quả cho hệ quản trị CSDL quan hệ duy trì chức năng truyền thông của nó đồng thời thực thi được các phép toán của hệ thống OLAP. - Dữ liệu được chứa trong CSDL quan hệ chuẩn nên có thể được truy cập bằng bất kỳ công cụ SQL nào. Nhược điểm của ROLAP: - ROLAP chạy chậm do mỗi ROLAP report là câu truy vấn nguyên thủy trong CSDL quan hệ. - Tất cả các tính toán của ROLAP dựa trên các hàm của SQL, vì thế chúng không thích hợp khi mô hình có nhiều tính toán như dự toán ngân sách, báo cáo tài chính. 2.4.3 So sánh giữa MOLAP và ROLAP Việc chọn lựa giữa mô hình ROLAP và MOLAP phụ thuộc vào độ phức tạp của câu truy vấn trên hệ thông và yêu cầu thời gian truy xuất dữ liệu. MOLAP được lựa chọn khi hệ thống cần thời gian truy xuất nhanh và các câu truy vấn có yêu cầu tính toán phức tạp. ROLAP được lựa chọn khi hệ thống có dung lượng dữ liệu quá lớn, không yêu cầu thời gian đáp ứng cao và tầng xuất truy cập dữ liệu không thường xuyên. Tuy nhiên, việc quyết định chọn MOLAP hay ROLAP có thể dựa vào việc so sánh chi tiết trên các góc độ kỹ thuật lưu trữ, công nghệ được ứng dụng và các đặc trưng của mô hình. Hình 9: So sánh giữa MOLAP và ROLAP 2.4.4. Mô hình HOLAP Mô hình HOLAP là sự kết hợp giữa MOLAP và ROLAP, lưu trữ các khối trong cấu trúc HOLAP là tốt nhất cho các truy vấn tổng hợp dữ liệu thường xuyên dựa trên một lượng lớn dữ liệu cơ sở. Ví dụ, chúng ta sẽ lưu trữ dữ liệu bán hàng theo hàng quý, hàng năm trong cấu trong MOLAP và dữ liệu hàng tháng, hàng tuần và hàng ngày trong cấu trúc ROLAP.
Hình 10: Mô hình HOLAP 2.5. Các thao tác OLAP trong mô hình dữ liệu đa chiều - Roll up: Thao tác này đi theo hướng cao hơn trong cấu trúc phân cấp, nhằm tổng hợp số liệu ở mức cao hơn. - Drill-down: Thao tác ngược với Roll-up, theo hướng về cấp thấp hơn trong cấu trúc phân cấp, nhằm trình bày dữ liệu ở mức chi tiết hơn. thực hiện một phép chọn chiếu trên một hoặc - Slice and Dice: Thao tác này nhiều chiều của một khối dữ liệu đã cho, kết quả thu được sẽ là một khối dữ liệu con. - Pivot (hay rotate): Thao tác pivot là một thao tác minh họa, quay các trục dữ liệu trong khung nhìn nhằm cung cấp một dạng biểu diễn khác của dữ liệu để chọn lựa cách biểu diễn. Drill- Roll up Hình 11: Minh họa các thao tác Roll up, Drill down
Pivot (hay rotate) Hình 12: Minh họa thao tác Pivot Hình 13: Minh họa thao tác Slice and Dice 3. ỨNG DỤNG OLAP TRONG THỐNG KÊ DỊCH HẠI TRÊN LÚA TẠI TRÀ VINH Microsoft hỗ trợ các nhà xây dựng ứng một hệ thống các công cụ sẵn dùng cho phép xây dựng một ứng dụng OLAP trên môi trường Web nhanh chóng và dễ dàng. Các công cụ này được tích hợp trong một môi trường thống nhất và việc kết nối giữa chúng rất dễ thực hiện thông qua giao diện đồ họa. Các công cụ này có thể chia thành 3 nhóm chính: nhóm công cụ tổ chức lưu trữ kho dữ liệu, nhóm công cụ tổ chức lưu trữ CSDL đa chiều và nhóm công cụ hỗ trợ hiển thị khối dữ liệu.
3.1. Sơ đồ kết nối giữa các nhóm công cụ Hình 14: Sơ đồ kết nối giữa các nhóm công cụ 3.2. Cấu trúc của ứng dụng web Ứng dụng được xây dựng theo mô hình một website cung cấp thông tin bao gồm: quản trị hệ thống, các trang cung cấp dịch vụ thống kê dịch hại trên lúa và hướng dẫn người dùng. Hình 15: Cấu trúc của ứng dụng
3.3. Trang đăng nhập của ứng dụng Để sử dụng ứng dụng người dùng bắt buộc phải đăng nhập vào hệ thông bằng tài khoản và password được cấp bởi người quản trị. Hình 16: Cửa sổ đăng nhập của ứng dụng 3.4. Giao diện của ứng dụng web Khi người dùng đăng nhập hệ thống thành công ứng dụng sẽ mở trang giao diện chính. Giao diện này người dùng có thể thực hiện tất cả các thao tác trên ứng dụng. Hình 17: Giao diện chính của website 3.5. Trang thống kê trực tuyến số liệu hại Trên trang giao diện thông kê dữ liệu dịch hại, người dùng tự tạo ra một báo cáo động theo yêu cầu bằng cách kéo thả các cột cần thiết vào các vùng trong cửa sổ. Và người dùng còn có thể chọn các hàm thống kê (sum, max, min, average) để tính các số liệu theo yêu cầu.
Ví dụ: Để tổng hợp diện tích nhiễm nặng các dịch hại: Đạo ôn cổ bông, Lùn xoắn lá, Rầy cánh trắng, Rầy nâu, Sâu cuốn lá nhỏ và Vàng lùn tại tỉnh Trà Vinh trong năm 2008 phân bố theo các mùa trong năm ta thao tác như sau: - Kéo rê cột Tenthuong (tên dịch hại) từ PivotTable vào vùng Row Field, trích lọc theo tiêu chuẩn là các dịch hại cần tổng hợp trong hình 18. - Kéo rê cột Mua vào vùng Column Field. - Kéo rê cột Dtnhiemnang vào vùng Totals or Detail fields. - Kéo rê cột Tentinh vào vùng Filter Fields, trích lọc theo tiêu chuẩn “Trà Vinh”. - Kéo rê cột Nam vào vùng Filter Fields, trích lọc theo tiêu chuẩn “2008”. Hình 182: Minh họa thống kê dữ liệu theo mùa 3.6. Trang vẽ biểu đồ thống kê số liệu mẫu dịch hại Trên trang giao diện vẽ biểu đồ thông kê số liệu dịch hại, người dùng có thể tạo ra một biểu đồ động theo yêu cầu bằng cách kéo thả các cột cần thiết vào các vùng trình bày biểu đồ trong cửa sổ. Ví dụ: Để vẽ biểu đồ thể hiện số lượng rầy nâu vào bẫy đèn tại các huyện thuộc tỉnh Trà Vinh trong năm 2008 ta thao tác như sau: - Kéo rê cột Tenhuyen vào vùng Category Fields. - Kéo rê cột Soluong vào vùng Categories. - Kéo rê cột Tentinh vào vùng Filter Fields, trích lọc theo chuẩn “Trà Vinh”. - Kéo rê cột Nam vào vùng Series Fields, trích lọc theo chuẩn “2008”.
Hình 19: Biểu đồ thể hiện số lượng rầy nâu vào bẫy đèn 4. KẾT LUẬN Nghiên cứu này đã xây dựng thành công ứng dụng thống kê trực tuyến số liệu dịch hại trên lúa tại Trà Vinh dùng kỹ thuật OLAP. Kết quả này cho thấy một khả năng ứng dụng thực tế rất tốt của kỹ thuật OLAP cho các ứng dụng cung cấp thông tin trong lĩnh vực nông nghiệp. Tuy nhiên, để triển khai ứng dụng vào thực tế cần phát triển thêm các nội dung sau: xây dựng các khối dữ liệu dựa trên ý kiến của các chuyên gia quản lý dịch hại trên lúa; Triển khai ứng dụng trên các công cụ mã nguồn mở. Đây là một giải pháp giúp giảm chi phí khi đưa ứng dụng vào áp dụng thực tế. 5. TÀI LIỆU THAM KHẢO 1. Huỳnh Tuấn Anh (2008), Bài giảng Datawarehouse and data mining, Trường Đại Học Nha Trang. 2. Phạm Văn Kim (2009), Giáo trình Các nguyên lý về bệnh hại cây trồng, Trường Đ ại Học Cần Thơ. 3. Dave Stearns (1999), Introducing the Office Web Components, Microsoft Corporation. 4. Erik Thomsen (2002), OLAP Solutions Building Multidimensional Information Systems, Wiley. 5. Eric (2005), Implementing Office Web Component Pivot Tables with ASP.NET, Microsoft Corporation. 6. Murugan Anandarajan, Asokan Anandarajan, Cadambi A. Srinivasan (2004), Business Intelligence Techniques: A Perspective from Accounting and Finance, Springer. 7. Paulraj Ponniah (2001), Data Warehousing Fundamentals: A Comprehensive Guide for IT Professionals, Wiley. 8. Robert Wrembel, Christian Koncilia (2007), Data Warehouses and OLAP: Concepts, Architectures and Solutions, IRM Press.