發(fā)布時(shí)間：2020-08-09 12:20

【摘要】：衛(wèi)星云圖可直觀反映各類云系的運(yùn)動(dòng)狀態(tài),已成為氣候及水文預(yù)測的重要參考依據(jù)。多年來水利行業(yè)累積了大量的衛(wèi)星云圖和雨量數(shù)據(jù),但通過人工判讀的方式效率低,只能定性判斷,在決策過程中可信度低。為了解決此問題,本文綜合應(yīng)用Spark大數(shù)據(jù)技術(shù)與圖像挖掘技術(shù),通過關(guān)聯(lián)規(guī)則分析研究云圖與雨量之間的關(guān)系,為基于衛(wèi)星云圖的降雨預(yù)測提供理論了依據(jù)。論文主要研究開發(fā)內(nèi)容如下:(1)構(gòu)建了云圖數(shù)據(jù)和雨量數(shù)據(jù)關(guān)系模型�；诨叶忍卣髟O(shè)計(jì)了五種與降雨相關(guān)的云圖特征參數(shù),結(jié)合云圖特征參數(shù)和雨量數(shù)據(jù)建立多維立方體,并采用聚類技術(shù)完成混合數(shù)據(jù)分區(qū),進(jìn)而利用關(guān)聯(lián)規(guī)則挖掘算法探究云圖與雨量之間的關(guān)系(2)利用聚類技術(shù)實(shí)現(xiàn)衛(wèi)星云圖云層分離提取。引入粗聚類Canopy算法對(duì)模糊C均值算法進(jìn)行了改進(jìn),研究了Canopy FCM算法。針對(duì)局部最優(yōu)問題,結(jié)合最大最小原則,提出了MMCanopy FCM算法。為了支持海量衛(wèi)星云圖的處理,結(jié)合Spark編程模型,提出并實(shí)現(xiàn)了并行化SP MMCanopy FCM算法。實(shí)驗(yàn)結(jié)果表明本文方法可有效實(shí)現(xiàn)云層分離。(3)基于云圖-雨量混合數(shù)據(jù)集進(jìn)行關(guān)聯(lián)規(guī)則挖掘。結(jié)合矩陣特性改進(jìn)了Apriori算法,提出了基于矩陣壓縮的MC_Apriori算法,克服了其產(chǎn)生過多無用候選項(xiàng)集的缺點(diǎn),提高了內(nèi)存利用率。為支持海量云圖-雨量數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘,基于Spark平臺(tái)對(duì)Apriori算法進(jìn)行了并行優(yōu)化,提出SP MC Apriori算法。通過實(shí)際的云圖-雨量混合數(shù)據(jù)集實(shí)驗(yàn)分析表明,本文方法具有較好的準(zhǔn)確性和時(shí)效性。(4)應(yīng)用上述理論與方法,基于Spark大數(shù)據(jù)平臺(tái),設(shè)計(jì)實(shí)現(xiàn)了一個(gè)降雨量預(yù)測原型系統(tǒng)。
【學(xué)位授予單位】：西安理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP311.13;P457.6
【圖文】：

所以該方法不能充分利用衛(wèi)星云圖中的有效信本文基于某省水利廳提供的黑河流域的雨量數(shù)據(jù)、衛(wèi)關(guān)聯(lián)規(guī)則，進(jìn)而根據(jù)衛(wèi)星云圖進(jìn)行降雨量預(yù)測。降雨關(guān)系挖掘框架降雨量之間的關(guān)系研究過程中，本文將云圖數(shù)據(jù)和雨征衛(wèi)星云圖內(nèi)容的特征數(shù)據(jù)，需要應(yīng)用圖像關(guān)聯(lián)規(guī)則像數(shù)據(jù)關(guān)聯(lián)規(guī)則分為兩種類型：內(nèi)容的關(guān)聯(lián)規(guī)則[23]像關(guān)聯(lián)規(guī)則挖掘過程中，以圖像內(nèi)容為基礎(chǔ)，發(fā)現(xiàn)同圖像之間的空間關(guān)系。本文不針對(duì)該類型問題進(jìn)行內(nèi)容和相關(guān)描述數(shù)據(jù)之間的關(guān)聯(lián)規(guī)則[23]。和相關(guān)描述數(shù)據(jù)之間的關(guān)聯(lián)規(guī)則挖掘過程中，研究的關(guān)系。圖像描述數(shù)據(jù)通常為字符類型數(shù)據(jù)，經(jīng)過一定的挖掘算法進(jìn)行處理。云圖和雨量關(guān)聯(lián)規(guī)則挖掘流

最后只保留陜西省地區(qū)的衛(wèi)星云圖，裁減前后測站坐標(biāo)在衛(wèi)星云圖中的對(duì)應(yīng)關(guān)系如下： /1.280 /41X X （2-7） /1.255 /41Y Y （2-8）（2）時(shí)間同步方法由于云圖和雨量數(shù)據(jù)的時(shí)間粒度不同，采用統(tǒng)計(jì)學(xué)方法實(shí)現(xiàn)時(shí)間上的同步，以雨量數(shù)據(jù)中的時(shí)段長度為基準(zhǔn)，根據(jù)氣象專家的建議，計(jì)算該時(shí)段內(nèi)的多幅圖像的特征參數(shù)值，如等效亮溫均值、等效亮溫均值方差等，利用這些參數(shù)實(shí)現(xiàn)云圖和雨量數(shù)據(jù)的統(tǒng)一，各個(gè)參數(shù)物理含義如表 2-4 所示。表 2-4 云圖特征參數(shù)Tab.2-4 Parameter of Cloud Map Characteristic

度值數(shù)據(jù)進(jìn)行分區(qū)，該方法完全根據(jù)數(shù)據(jù)自身分布特點(diǎn)決定數(shù)據(jù)屬性值的劃分，合并了經(jīng)驗(yàn)分區(qū)的部分區(qū)段，然后將聚類分區(qū)后的云層特征值分區(qū)數(shù)據(jù)和雨量分區(qū)數(shù)據(jù)的數(shù)據(jù)集作為挖掘?qū)ο�，進(jìn)行云圖-雨量關(guān)聯(lián)規(guī)則挖掘，這樣得到的挖掘結(jié)果更具有效性和可理解性。具體的聚類方法在第三章中有講解。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙志宇;肖穎婷;任瑩;;基于聚類算法的大用戶用電模式識(shí)別研究[J];中國管理信息化;2017年19期

2 喻平;;數(shù)學(xué)學(xué)科核心素養(yǎng)要素析取的實(shí)證研究[J];數(shù)學(xué)教育學(xué)報(bào);2016年06期

3 李廣燕;;聚類分析對(duì)學(xué)生成績的研究[J];無線互聯(lián)科技;2014年12期

4 馬青華;李艷濤;程康;;聚類分析和判別分析在投資中的應(yīng)用[J];信息安全與技術(shù);2015年06期

5 沈海生;;基于K-聚類分析法的預(yù)防性養(yǎng)護(hù)路段劃分[J];安徽建筑;2015年03期

6 宮海欣;;我國“中部崛起”戰(zhàn)略的實(shí)證分析[J];智富時(shí)代;2016年S2期

7 溫興化;余皓珉;葉霽;;基于聚類分析的墨量預(yù)置優(yōu)化方法[J];數(shù)碼世界;2016年12期

8 溫小霓;張哲;;互聯(lián)網(wǎng)保險(xiǎn)產(chǎn)品開發(fā)研究——基于平安互聯(lián)網(wǎng)保險(xiǎn)產(chǎn)品的聚類分析[J];保險(xiǎn)理論與實(shí)踐;2017年03期

9 江平;;高職大學(xué)生心理健康水平的聚類分析[J];現(xiàn)代職業(yè)教育;2017年07期

10 顧宇杰;;環(huán)境安全評(píng)價(jià)指標(biāo)體系的構(gòu)建及聚類分析——以江蘇省13市為例[J];赤子(下旬);2017年01期

相關(guān)會(huì)議論文 前10條

1 肖靜;楊澤峰;徐辰武;;微陣列表達(dá)譜監(jiān)督聚類分析方法的比較研究[A];江蘇省遺傳學(xué)會(huì)第七屆代表大會(huì)暨學(xué)術(shù)研討會(huì)論文摘要匯編[C];2006年

2 何國民;;復(fù)相關(guān)聚類分析法[A];第六屆全國體育科學(xué)大會(huì)論文摘要匯編（二）[C];2000年

3 趙小剛;張蒙蒙;黃河;戴思蘭;;基于聚類分析的小菊品種間親緣關(guān)系分析[A];中國觀賞園藝研究進(jìn)展2018[C];2018年

4 孫曉東;胡勁松;焦s

本文編號(hào)：2787108