本文關(guān)鍵詞：基于K-means聚類分析的南海水團(tuán)分布及其季節(jié)變化研究　出處：《國家海洋局第一海洋研究所》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 水團(tuán) K-means聚類法 南海 T-S點聚圖

【摘要】：南海是世界上最大的半封閉邊緣海,通過多個海峽分別與中國東海、西太平洋、印尼海以及印度洋進(jìn)行水體交換,在外海水和近岸徑流的共同影響下,南海水團(tuán)變性明顯,故大洋水團(tuán)的定義和劃分方法并不完全適用于南海。本文取“淺海水團(tuán)”定義為:理化性質(zhì)相近、具有規(guī)律的季節(jié)變化以及“內(nèi)同性”和“外異性”的宏大水體。該定義與K-means聚類算法的原理相契合,因此,本文基于1966-2013年間南海的WOD13溫鹽觀測數(shù)據(jù),分別在整個海域和5°×5°的各小區(qū)域內(nèi),利用K-means算法對水團(tuán)進(jìn)行劃分,并結(jié)合系統(tǒng)聚類法和T-S點聚圖分析南海各水團(tuán)的分布、溫鹽性質(zhì)及其季節(jié)變化,以及太平洋水和黑潮水進(jìn)入南海后的變性過程。其中,在K-means計算過程中,分別根據(jù)類內(nèi)距離和函數(shù)和密度值函數(shù)進(jìn)行水團(tuán)數(shù)和初始聚類中心的確定。本文將南海水劃分為10個水團(tuán):沿岸沖淡水(F)、近岸混合水(M)、南海表層水(S)、南海南部陸架水(SS)(僅夏季出現(xiàn))、黑潮表層水(KS)、南海次表層水(U)、黑潮次表層水(KU)、南海次-中層水(UI)、南海中層水(I)、南海深層水(D)。季節(jié)尺度上,各水團(tuán)溫度的變化表現(xiàn)為為冬低夏高,但從表層到底層,變化幅度逐漸減小;表層水團(tuán)(F、M、S、TS)鹽度的變化表現(xiàn)為冬高夏低,主要取決于河水徑流和降水的變化;表層以下水團(tuán)(U、UI、I、D)受對應(yīng)水層太平洋水的強(qiáng)烈影響,各水團(tuán)鹽度的季節(jié)變化不明顯,尤其是南海中層水,低鹽特征非常顯著。KS和KU分別是表層和次表層黑潮水入侵南海(冬季強(qiáng)于夏季,次表層水強(qiáng)于表層水)而成,溫鹽性質(zhì)無明顯的季節(jié)變化。本文中得到的各水團(tuán)性質(zhì)及其變化與已有結(jié)論較為一致,表明改進(jìn)后的K-means算法在南海水團(tuán)的劃分上具有高效性和準(zhǔn)確性。
【學(xué)位授予單位】：國家海洋局第一海洋研究所
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P731.16

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周笑天;褚希;姚志平;;一種基于k-means聚類的實時氣溫動態(tài)質(zhì)量控制方法[J];氣象;2012年10期

2 呂巍;陳潔;;基于K-means算法的中國商業(yè)銀行零售業(yè)務(wù)顧客行為細(xì)分策略[J];系統(tǒng)工程理論方法應(yīng)用;2005年06期

3 賈花萍;李堯龍;哈渭濤;史曉影;;K-means聚類神經(jīng)網(wǎng)絡(luò)分類器在睡眠腦電分期中的應(yīng)用研究[J];河南科學(xué);2012年06期

4 李學(xué)勇;高國紅;孫甲霞;;基于互信息和K-means聚類的信息安全風(fēng)險評估[J];河南師范大學(xué)學(xué)報(自然科學(xué)版);2011年02期

5 趙大偉;肖周芳;;一種改進(jìn)的基于密度和樣本數(shù)量的K-means算法[J];科技信息;2008年28期

6 朱培芬;漢吉慶;楊華龍;唐法浙;;基于改進(jìn)K-means算法的煙草配送區(qū)域劃分[J];物流工程與管理;2009年06期

7 朱顥東;鐘勇;趙向輝;;一種優(yōu)化初始中心點的K-Means文本聚類算法[J];鄭州大學(xué)學(xué)報(理學(xué)版);2009年02期

8 周楊;;初始化中心點優(yōu)化的K-means算法[J];科技信息;2011年04期

9 秦鈺;荊繼武;向繼;張愛華;;基于優(yōu)化初始類中心點的K-means改進(jìn)算法[J];中國科學(xué)院研究生院學(xué)報;2007年06期

10 畢碩本;閭國年;陳濟(jì)民;;鄭州—洛陽地區(qū)史前連續(xù)文化聚落的K-means聚類挖掘研究[J];地理與地理信息科學(xué);2007年05期

相關(guān)會議論文 前6條

1 楊青;劉曄;張東旭;劉暢;;快速查找最優(yōu)初始聚類數(shù)K的改進(jìn)K-means算法[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

2 陳磊;胡佳敏;嚴(yán)華;;K-means算法在散貨船代貨運(yùn)系統(tǒng)中的應(yīng)用[A];全國第20屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

3 鄭建軍;甘仞初;賀躍;畢思飛;;一種基于k-means的聚類集成方法[A];全國第九屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)會議論文集[C];2005年

4 張望;王輝;;個性化服務(wù)中的并行K-Means聚類算法[A];2007年全國開放式分布與并行計算機(jī)學(xué)術(shù)會議論文集(下冊)[C];2007年

5 江華;王翰虎;陳梅;;一種基于K-means聚類分組的P2P超結(jié)點模型[A];2005年全國開放式分布與并行計算學(xué)術(shù)會議論文集[C];2005年

6 王守強(qiáng);朱大銘;史士英;;基于輸入點集求解k-Means聚類算法[A];第二十六屆中國控制會議論文集[C];2007年

相關(guān)碩士學(xué)位論文 前10條

1 陳智;基于K-means聚類算法的機(jī)會網(wǎng)絡(luò)群組移動模型及其長相關(guān)性研究[D];湘潭大學(xué);2015年

2 許允棟;K-means聚類算法的改進(jìn)與應(yīng)用[D];廣西師范大學(xué);2015年

3 丁斌;基于布谷鳥算法的K-means聚類挖掘算法研究[D];合肥工業(yè)大學(xué);2015年

4 賀艷芳;熵加權(quán)多視角核k-means聚類算法的研究[D];鄭州大學(xué);2016年

5 陳克;基于K-means算法的CSS Sprites圖片合成技術(shù)的研究[D];東北師范大學(xué);2016年

6 黃新華;基于Apriori和K-means算法的圖書推薦系統(tǒng)設(shè)計與實現(xiàn)[D];湖南大學(xué);2016年

7 靳姍姍;基于K-means聚類分析的南海水團(tuán)分布及其季節(jié)變化研究[D];國家海洋局第一海洋研究所;2017年

8 梁云昭;基于K-means的圍棋特征提取方法研究[D];北京理工大學(xué);2015年

9 于洋洋;基于并行K-MEANS聚類分析的社群發(fā)現(xiàn)算法研究[D];東北大學(xué);2012年

10 崔曉麗;基于MapReduce的海量數(shù)據(jù)K-means聚類算法研究[D];大連理工大學(xué);2014年

，

本文編號：1330012