[發明專利]一種融合氣候分區思想的海陸氣候事件關聯規則挖掘方法

在審

• 申請號: 201410176895.4
• 申請日: 2014-04-29
• 公開（公告）號: CN103942325A
• 公開（公告）日: 2014-07-23
• 發明（設計）人: 鄧敏;石巖;楊文濤;劉啟亮;劉慧敏;何占軍
• 申請（專利權）人: 中南大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

技術領域

本發明涉及時空數據挖掘與分析技術領域，尤其涉及的是一種融合氣候分區思想的海陸氣候事件關聯規則挖掘方法。

背景技術

近年來，全球氣候變化導致異常氣候事件頻發，對人類的生活環境和經濟發展帶來嚴重負影響，研究表明海洋氣候異常對陸地氣候異常事件的發生具有重要的誘發作用。海陸氣候數據通常以時間序列的形式記錄海陸氣候要素隨時間的變化趨勢，具有海量、多維、異質等特性，并隱含著大量未知的海陸氣候關聯模式。

許多學者為了發現海陸氣候時間序列間隱藏的關聯模式進行了大量研究，所提出的方法可大致分為兩類：(1)特征值統計方法，該類方法直接針對海陸氣候數據進行主成分分析、奇異值分解等統計手段得到特征序列，并進一步挖掘海陸氣候序列間隱藏的關聯模式；(2)數據挖掘方法，旨在從海量數據集中獲取潛在的、有用的知識和模式，包括聚類分析、關聯規則挖掘、數據建模預測分析、混合等內容。其中，時序關聯規則挖掘技術可有效地從多維時間序列中發現事件間隱藏的關聯模式，例如Mannilia提出WINEPI和MINEPI算法以及Harms等提出MOWCATL算法。特征值統計方法對于海量數據穩定性不高，且對噪聲敏感，此類方法現已很少使用；數據挖掘方法雖然可彌補特征值統計方法存在的缺陷，但海量時空數據的自相關性導致大量冗余、無意義的規則出現。聚類技術可有效地顧及時空數據的相關性和異質性，并將海量數據集劃分為若干有意義的簇，從而可有效壓縮數據量，極大地有利于進一步的分析工作。然而，現有聚類方法大都在單一尺度下進行，忽視了時空數據的尺度特征，使得聚類結果無法反映尺度變換過程中時空信息的特征漸變規律，由此所得結果的實際有效性難以判別；另外，現有的時序關聯規則挖掘方法大都未充分融合氣象領域相關知識，且缺乏相應約束條件，從而難以得到有意義的規則。例如，大多時序關聯規則挖掘方法一方面未顧及應用背景，難以提取有意義事件；另一方面，雖然對時間窗口和時間延遲進行了必要約束，但并未對規則前件和后件之間的充分度和必要度施加必要限制條件，從而使得得到的規則缺乏可信度。

發明內容

本發明所要解決的技術問題是針對現有技術存在的缺陷，解決海陸氣候事件關聯規則挖掘中，同時顧及多尺度效應以及多重約束所遇到的技術問題，提供了一種融合氣候分區思想的海陸氣候事件關聯規則挖掘方法。

本發明的技術方案如下：

一種融合氣候分區思想的海陸氣候事件關聯規則挖掘方法，其步驟如下：

(1)時間序列數據正態化檢測與預處理

針對離散分布的空間數據以及每個空間實體所蘊含的時間序列，首先采用QQ圖檢驗法進行時間序列數據正態化檢測，若序列不服從正態分布則對其進行開根號處理，即：

Zi'=Zi]]>

Z_i表示原始時間序列數據，Z_i^’表示原始時間序列數據各個時間點所記數值進行開根號處理后形成的新時間序列；進而采用新的時間序列數據作為下一步分析對象；

(2)采用顧及空間鄰近的層次聚類方法進行陸地氣候分區

2.1)對初始散點數據構造Delaunay三角網，進而對三角網施加整體邊長約束和局部邊長約束，從而精化每個點的空間鄰域；其中，整體約束條件表達為C^Global(E_i)，表示邊E_i的整體約束條件，利用下列公式進行計算：