时间序列数据挖掘在气象领域的应用研究

论文摘要

时间序列数据挖掘是数据挖掘研究的一个重要组成部分,是计算机技术研究的热点之一,多维时间序列数据挖掘更是一个比较前沿的研究课题。目前,时间序列数据挖掘在金融、电信、医疗、电力和生命科学等领域得到了广泛应用,极大的推动了各个领域的发展。本文在国内外时间序列数据挖掘最新研究成果的基础上,以气象领域中地面自动站常规观测数据的分析处理为研究背景,提出了一种基于气象数据的多维时间序列数据挖掘模型。模型运用改进的维度冗余消减法对气象数据序列进行维度选择,剔除和研究目标不相关的维度及冗余维度,降低了挖掘复杂度;模型使用本文提出的极值斜率分段线性拟合法对气象数据序列进行线性化分段处理、数据压缩、特征值提取及序列趋势变化分析,进一步减少了序列数据,降低了挖掘难度;模型运用k-means聚类算法对分段后的序列进行聚类分析,根据聚类结果使序列符号化,通过规则提取获得有用的知识并进行实验验证。在实验中运用基于气象数据的多维时间序列数据挖掘模型对降雨天气中的各气象要素进行分析,初步获得了降雨天气的规则模型。该模型很好的解释了降雨天气现象与相关气象要素之间的关系,如果对模型作进一步的改进,它还可以运用于临近天气预报上。实验证明该模型具有很好的实用价值。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景与课题意义
• 1.1.1 课题背景
• 1.1.2 课题意义
• 1.2 时间序列分析
• 1.2.1 时间序列基础知识
• 1.2.2 时间序列分析方法
• 1.3 数据挖掘
• 1.3.1 数据挖掘与知识发现
• 1.3.2 数据挖掘的处理过程和系统结构
• 1.3.3 数据挖掘的分类
• 1.4 本文的主要研究成果
• 1.5 本文结构安排
• 第二章 时间序列数据挖掘研究
• 2.1 时间序列数据挖掘概述
• 2.1.1 时间序列数据挖掘的历史及现状
• 2.1.2 时态数据挖掘
• 2.1.3 时间序列数据挖掘
• 2.2 时间序列数据符号化
• 2.2.1 时间序列分段线性化
• 2.2.2 聚类符号化
• 2.3 多维时间序列数据挖掘研究
• 2.3.1 多维时间序列的降维处理
• 2.3.2 多维时间序列的相似性搜索
• 2.3.3 多维时间序列的可视化技术
• 2.4 本章小结
• 第三章 基于气象数据的多维时间序列数据挖掘模型研究
• 3.1 数据预处理
• 3.1.1 构建数据挖掘数据库
• 3.1.2 维度选择
• 3.2 分段线性化处理
• 3.3 聚类分析及符号化处理
• 3.4 规则提取
• 3.5 本章小结
• 第四章 实验结果及分析
• 4.1 实验测试环境与策略
• 4.2 测试数据
• 4.3 实验步骤及结果
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 硕士在读期间的研究成果及参加的项目
• 致谢