一种融合气候分区思想的海陆气候事件关联规则挖掘方法
【专利摘要】本发明公开了一种融合气候分区思想的海陆气候事件关联规则挖掘方法。本发明通过对空间数据建立Delaunay三角网并施加整体和局部长边约束，获得合理稳健的空间邻近关系网，进而度量空间邻近实体间时间序列的相似性，进行层次聚类得到多层次聚类结果，基于伪T统计量分析获得较佳气候分区结果；纳入相关领域先验知识约束，分别从海洋气候指数和各陆地气候区域提取感兴趣气候事件，进而通过施加时间窗口宽度约束、时间延迟约束、充分度和必要度约束，挖掘海陆气候事件间的有效关联规则。本发明在挖掘过程中可有效顾及多尺度效应得到有效气候区域，多重约束亦使得本发明在挖掘关联规则时具有高效性、针对性和实用性。
【专利说明】一种融合气候分区思想的海陆气候事件关联规则挖掘方法
【技术领域】
[0001]本发明涉及时空数据挖掘与分析【技术领域】，尤其涉及的是一种融合气候分区思想的海陆气候事件关联规则挖掘方法。
【背景技术】
[0002]近年来，全球气候变化导致异常气候事件频发，对人类的生活环境和经济发展带来严重负影响，研究表明海洋气候异常对陆地气候异常事件的发生具有重要的诱发作用。海陆气候数据通常以时间序列的形式记录海陆气候要素随时间的变化趋势，具有海量、多维、异质等特性，并隐含着大量未知的海陆气候关联模式。
[0003]许多学者为了发现海陆气候时间序列间隐藏的关联模式进行了大量研究，所提出的方法可大致分为两类:(I)特征值统计方法，该类方法直接针对海陆气候数据进行主成分分析、奇异值分解等统计手段得到特征序列，并进一步挖掘海陆气候序列间隐藏的关联模式；(2)数据挖掘方法，旨在从海量数据集中获取潜在的、有用的知识和模式，包括聚类分析、关联规则挖掘、数据建模预测分析、混合等内容。其中，时序关联规则挖掘技术可有效地从多维时间序列中发现事件间隐藏的关联模式，例如Mannilia提出WINEPI和MINEPI算法以及Harms等提出M0WCATL算法。特征值统计方法对于海量数据稳定性不高，且对噪声敏感，此类方法现已很少使用；数据挖掘方法虽然可弥补特征值统计方法存在的缺陷，但海量时空数据的自相关性导致大量冗余、无意义的规则出现。聚类技术可有效地顾及时空数据的相关性和异质性，并将海量数据集划分为若干有意义的簇，从而可有效压缩数据量，极大地有利于进一步的分析工作。然而，现有聚类方法大都在单一尺度下进行，忽视了时空数据的尺度特征，使得聚类结果无法反映尺度变换过程中时空信息的特征渐变规律，由此所得结果的实际有效性难以判别；另外，现有的时序关联规则挖掘方法大都未充分融合气象领域相关知识，且缺乏相应约束条件，从而难以得到有意义的规则。例如，大多时序关联规则挖掘方法一方面未顾及应用背景，难以提取有意义事件；另一方面，虽然对时间窗口和时间延迟进行了必要约束，但并未对规则前件和后件之间的充分度和必要度施加必要限制条件，从而使得得到的规则缺乏可信度。
【发明内容】
[0004]本发明所要解决的技术问题是针对现有技术存在的缺陷，解决海陆气候事件关联规则挖掘中，同时顾及多尺度效应以及多重约束所遇到的技术问题，提供了一种融合气候分区思想的海陆气候事件关联规则挖掘方法。
[0005]本发明的技术方案如下:
[0006]一种融合气候分区思想的海陆气候事件关联规则挖掘方法，其步骤如下:
[0007](I)时间序列数据正态化检测与预处理
[0008]针对离散分布的空间数据以及每个空间实体所蕴含的时间序列，首先采用QQ图检验法进行时间序列数据正态化检测，若序列不服从正态分布则对其进行开根号处理，即:
[0009]
【权利要求】
1.一种融合气候分区思想的海陆气候事件关联规则挖掘方法，其特征是，其步骤如下: (1)时间序列数据正态化检测与预处理 针对离散分布的空间数据以及每个空间实体所蕴含的时间序列，首先采用QQ图检验法进行时间序列数据正态化检测，若序列不服从正态分布则对其进行开根号处理，即:
【文档编号】G06F17/30GK103942325SQ201410176895
【公开日】2014年7月23日 申请日期:2014年4月29日 优先权日:2014年4月29日
【发明者】邓敏, 石岩, 杨文涛, 刘启亮, 刘慧敏, 何占军 申请人:中南大学