地震预报中的数据挖掘方法研究

论文题目: 地震预报中的数据挖掘方法研究

论文类型: 博士论文

论文专业: 控制理论与控制工程

作者: 吴绍春

导师: 吴耿锋

关键词: 地震预报,数据挖掘,关联规则,时间序列,序贯模式,地震序列,地震地区相关性,地震前兆观测数据,并行数据挖掘平台

文献来源: 上海大学

发表年度: 2005

论文摘要: 地震预报是一个国际公认的世界性难题。我国地震预报事业经过30多年的发展,积累了丰富的宝贵经验和大量的数据资料,全国的地震台网更是每日都在记录着数以千兆计的海量地震前兆观测数据。本文将数据挖掘技术引入到地震预报领域中,研究现有地震数据处理与数据挖掘技术交叉结合的方法,充分应用现代高性能计算环境,从这些海量数据中挖掘出地震预报所需的规律性知识,以便辅助领域专家提高地震预报的准确性。在探讨现阶段数据挖掘算法模型及其实现基础上,本文首先对地震预报的传统方法(地震震例数据和前兆观测数据分析)进行探讨。同时,围绕地震地区相关性分析、地震序列分析和地震前兆的规律性认识等关键问题进行分析研究,实现并行关联规则算法、基于地震相似度的时间序列相似性匹配算法以及序贯模式挖掘算法。然后,基于时序分析技术,提出一系列地震前兆观测数据处理模型和并行实现算法。最后,结合实际应用实现一个地震预报并行数据挖掘平台,为地震预报数据挖掘的海量数据处理提供强大技术支持。本文的主要创新性工作包括:1.基于关联分析技术研究地震相关地区的搜索方法,提出并实现了一种基于主从模式设计的并行关联规则算法FPM-LP( Fast Parallel Mining of Local Pruning)。本文把地震地区相关性问题转化为时间序列的关联规则挖掘问题,通过相关的实验和结果分析,挖掘出许多有价值的地震区域相关性知识。2.基于时间序列相似性匹配技术对地震地区相关性进行分析,实现了基于相似度的地震时间序列相似性匹配算法WSM3S (Whole Sequence Matching Based-on Seismo Similiarity Support)。本文从地震三要素时、空、强的三维角度,给出了地震相似度定义和时间序列相似性匹配模型及算法。通过分析近二十年来我国地震活动频繁区域的历史数据,应用该算法进行多种不同粒度、不同时间差的序列相似性实验分析,取得了可信度较高的结果。3.基于序贯模式挖掘技术进行地震序列分析的研究,提出并实现一种基于广义约束规则的序贯模式挖掘算法SPBGC(Sequential Pattern Mining Based on General Constrains)。本文将地震序列的相关领域知识定义为一组广义约束规则,应用该算法从地震震例数据中挖掘广义地震序列,为领域专家进行地震序列的相似性研究提供强有力的支持。4.基于时序分析技术重点研究地震前兆观测数据的处理方法,提出一系列实用地震前兆观测数据处理并行实现算法。首先,提出基于动态规划的时间扭曲方法进行子序列搜索的相似性度量,能有效地进行考虑噪声、幅度、偏移等问题

论文目录:

摘要

ABSTRACT

第1 章绪论

1.1 研究背景

1.2 数据挖掘概述

1.2.1 数据挖掘的定义

1.2.2 数据挖掘的过程

1.2.3 数据挖掘的任务和功能

1.3 地震预报中的数据挖掘

1.3.1 地震预报的主要方法

1.3.2 地震数据及其特点

1.3.3 在地震预报中引入数据挖掘方法

1.4 研究目标和主要研究内容

1.4.1 研究目标

1.4.2 主要研究内容

第2章基于关联分析的地震相关地区查找

2.1 地震的地区相关性分析

2.2 关联分析的数据准备

2.2.1 数据选择

2.2.2 数据预处理

2.3 关联规则挖掘算法的设计与实现

2.3.1 关联规则挖掘算法概述

2.3.2 地震地区关联规则的挖掘算法设计

2.4 用FPM_LP 算法寻找地震相关地区

2.4.1 实验方法和步骤

2.4.2 实验设计与结果分析

2.5 本章小结

第3章基于序列相似性匹配的地震相关性分析

3.1 时间序列数据挖掘概述

3.1.1 时间序列数据挖掘的概念

3.1.2 时间序列数据挖掘概述

3.2 序列相似性匹配与地震地区相关性分析

3.2.1 序列相似性匹配概述

3.2.2 基于相似性匹配的地震相关地区查找

3.3 地震时间序列相似性的定义和度量模型

3.4 寻找地震相关地区的序列相似性匹配算法

3.5 应用实例及结果分析

3.5.1 数据准备

3.5.2 实验设计及结果分析

3.6 本章小结

第4章基于广义约束规则的地震序列模式挖掘

4.1 地震序列的概念

4.2 序贯模式挖掘概述

4.2.1 序贯模式的概念

4.2.2 序贯模式挖掘算法

4.3 基于广义约束规则的地震序列模式挖掘算法

4.4 SPMGC 算法在地震预报中的应用实例

4.4.1 数据的选择和预处理

4.4.2 实验结果分析

4.5 本章小结

第5章基于时序分析的地震前兆观测数据处理

5.1 地震前兆观测数据分析概述

5.1.1 地震前兆观测数据的特点

5.1.2 地震前兆观测数据的分析处理任务

5.2 基于时序分析的前兆观测数据处理

5.2.1 时序数据与时序分析

5.2.2 基于时序分析的前兆观测数据处理

5.3 前兆观测数据的预处理方法

5.4 前兆观测数据的频繁模式挖掘

5.4.1 时间序列的相似性度量

5.4.2 单变量时间序列相似性的度量

5.4.3 多维时间序列的相似性比较

5.4.4 时间序列的划分算法的研究

5.4.5 基于频度的动态划分时序模式挖掘算法

5.5 实验结果与分析

5.6 本章小结

第6章地震预报并行数据挖掘平台设计与实现

6.1 地震预报并行数据挖掘平台设计

6.1.1 PDMPEP 的并行环境选择

6.1.2 PDMPEP 的体系结构

6.2 PDMPEP 实现技术

6.2.1 数据仓库的建立

6.2.2 并行数据挖掘管理中间件PD3M 的实现技术

6.3 PDMPEP 的运行模式

6.4 本章小结

第7章结论与展望

7.1 本文的主要创新性工作

7.2 进一步开展的工作

参考文献

作者攻读学位期间公开发表的论文及参加的科研工作

致谢

博硕士学位论文同意发表声明

发表意见书

发布时间: 2006-12-12

参考文献

[1].结合可视化与数据挖掘的数据分析方法探究[D]. 马昱欣.浙江大学2017
[2].正则化方法在数据挖掘中的应用与研究[D]. 姜彦.湖南大学2015
[3].时间序列数据挖掘研究与应用[D]. 王达.浙江大学2004
[4].粗糙集理论在数据挖掘领域中的应用[D]. 马昕.浙江大学2003
[5].序列数据挖掘的模型和算法研究[D]. 杨虎.重庆大学2003
[6].数据挖掘相关算法的研究与平台实现[D]. 李秋丹.大连理工大学2004
[7].数据挖掘方法研究及其在中药复方配伍分析中的应用[D]. 李力.西南交通大学2003
[8].Rough Set理论及其在数据挖掘中的应用研究[D]. 于洪.重庆大学2003
[9].KDD中的几个关键问题研究[D]. 陈莉.西安电子科技大学2003
[10].数据挖掘中聚类方法的研究[D]. 王莉.天津大学2004

地震预报中的数据挖掘方法研究

猜你喜欢