[發明專利]一種基于復雜網絡的海洋多時間序列關聯性發現方法

有效

• 申請號: 202110704538.0
• 申請日: 2021-06-24
• 公開（公告）號: CN113327220B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 王蕾;裴軍峰;裘英杰;黃宗文;姚旭;曲百惠;陳括;張志偉;儲昊;馮濤
• 申請（專利權）人: 浙江成功軟件開發有限公司
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 劉靜

本發明公開了一種基于復雜網絡的海洋多時間序列關聯性發現方法。首先，把每個海洋測量點的海洋多時間序列轉換成相應的格拉明角場(GAF)灰度圖片。然后，用多維GAF灰度圖像組合MGAF彩色圖片，并且用圖像的相似性來構造一個多變量海洋測量點網絡。本發明方法相比于只用一個相關閾值來構成的傳統方法擁有更高的的連接效率。本發明為把海洋多時間序列融合成圖像提出了一種映射法，并且利用了不同圖像的相似性來構建一個復雜的網絡。同時，本發明靠選擇合適的閾值構造了一個復雜的海洋多時間序列網絡，相比于傳統的方法，用本發明方法構建出來的網絡可以找到更精準的規則。

技術領域

本發明屬于海洋數據處理領域，尤其涉及一種基于復雜網絡的海洋多時間序列關聯性發現方法。

背景技術

通過對海洋測量點進行分組，找出網絡中的構成部分、群和獨立集，為海洋測量點結構分析提供了一種新的工具。我們選取海洋多時間序列的特征，將每個測量點不同屬性的時間序列轉化為不同的圖像，然后利用圖像融合法將每個海洋測量點的不同屬性的圖像融合成一個圖像。

然后利用圖像間的相似性來衡量海洋測量點之間的關系，我們利用邊來表達不同海洋測量點之間的關系，然后就構建成了海洋測量點網絡。最后，我們用不同的閾值選出不同的閾值網絡，通過分析選擇最優閾值下的網絡，并且通過實驗證明，用我們的方法構建的網絡能夠清晰、準確地表達不同節點之間的關系，傳統方法構建的網絡無法找到重要節點之間的關系，因此，本文所構建的網絡優于傳統方法，可以幫助政府部門更合理地布置海洋測量點。

發明內容

本發明為了節省經濟、人力成本，提高方法的適用性，合理布局觀測點位，可以有效地獲取海洋數據，提供了一種基于復雜網絡的海洋多時間序列關聯性發現方法。

本發明的目的是通過以下技術方案來實現的：一種基于復雜網絡的海洋多時間序列關聯性發現方法，包括以下步驟：

(1)特征選擇

一個海洋測量點是由多變量時間序列(Multivariate?Time?Series,MTS)構成。為了降低計算復雜度的同時保持必要的屬性，對皮爾遜相關系數大于閾值的時間序列采用進行降維，時間序列越相似，皮爾遜相關系數值越高。皮爾遜相關系數的計算公式如式(1)：

其中Xi代表海洋測量點X的i屬性的時間序列，σ_xi代表Xi的標準差，cov(Xi,Xj)為Xi和Xj的協方差。ρ_xi,xj在區間[-1,1]內，其中ρxi,xj＝1表示完全相關，ρxi,xj＝-1對應完全反相關，ρxi,xj＝0反應了海洋測量點i屬性和j屬性不相關；

(2)圖像融合

使用步驟(1)選擇的特征來融合一幅綜合圖像，格拉明角場(GAF)轉換時間序列Xi＝{Xi₁,Xi₂，…Xi_n}成灰度圖像，Xi_n為時間序列Xi中的第n個序列。由于融合后的圖像是一個時間序列，在對圖像進行處理時必須保持圖像的時間特征，GAF方法保持圖像的時間依賴性。另外，G(i,j||i-j|＝o)表示時間序列在時間間隔o統一方向上的疊加。然而，一個海洋測量點具有多個多屬性，因此需要將多個多屬性融合到一幅圖像中，多GAFs被用來定義式(2)。

MGAF_m[u,v]＝[G₁[u,v],G_k[u,v],...,G_m[u,v]],0≤u,v＜n???(2)

其中，G_k[u,v]為第k幅圖像子序列轉換后的GAF圖像，并且[u,v]為n×n像素圖像的一個像素。最后m幅GAF圖像融合成1幅MGAFm圖像。

(4)圖像相似性計算