基于DSCAN优化算法与决策树优化算法的气象时空数据挖掘技术研究

发布时间：2020-04-01 21:18

【摘要】：DBSCAN算法与决策树算法是GIS进行时空数据挖掘的重要技术方法。数据挖掘技术可以从大量纷杂的看似无关的数据当中分析、总结、揭示出隐藏的有价值信息。GIS技术在处理时间、空间数据方面有着强大的存储、管理、分析、处理能力。与传统数据挖掘技术只能在气象要素维度上进行挖掘不同,基于GIS的时空气象挖掘可以对气象数据的时间、空间、属性特征进行分析和应用。即两种技术的结合可以挖掘出气象要素时间维度和空间维度的潜在规律。但目前已有的时空聚类算法和时空关联规则挖掘算法尚未充分发挥GIS的空间分析能力,而且冗余计算较严重,计算效率有待提高。在分析现有时空数据挖掘技术、时空数据挖掘与GIS数据的结合状况、以及时空数据挖掘技术在气象数据处理的基础上,以中国西南部分地区气象要素为研究对象,提出将时空关联规则挖掘、时空聚类规则挖掘与栅格图像处理技术、矢量数据处理技术相结合的研究方法。并用此方法对云、贵、川、渝地区数万组数据进行了分析和处理,提高历史气象记录数据的利用率,提高GIS在气象预报、气候研究邻域的可用性。主要从以下几个方面开展研究:(1)在时空数据挖掘理论基础上,对气象时空数据的时空关联规则挖掘、时空聚类规则挖掘、关键技术、算法进行了深入分析。(2)对比分析了常用的气温空间插值方法,使用考虑了研究区气温与海拔、坡度、坡向等因子相关的多元回归空间插值模型。(3)在分析、比较现有经典聚类算法的基础上,提出了一种将经典的DBSCAN聚类算法与扩展的Raster查询方法、扫描计量相结合的扫描DBSCAN算法,该算法有效解决了温度要素的时空分区、合并的聚类问题,通过研究分析证明了该算法有较高的有效性和可用性。(4)在分析、比较现有决策树算法的基础上,提出了一种将经典的C4.5决策树关联规则挖掘算法与空间拓扑关系查询相结合的拓扑决策树算法,该算法有效解决了温度要素的时空分区关联关系的挖掘问题,通过研究分析和实例研究证明了该算法有较高的有效性和可用性。(5)基于ArcEngine开发组件结合C#编程语言,用SQL Server ArcSDE作为空间数据库管理软件,完成了气象资料数据的预处理、空间插值、规则挖掘,以及知识的存储和可视化表达的必要程序插件的开发。研究深入探索了基于GIS技术的气象时空数据挖掘技术,完善了气象时空数据挖掘的技术手段,提高了挖掘效率,剖析了中国西南部分地区气象要素的空间分布、关联规律。研究成果一方面丰富和完善了数据挖掘的理论体系和技术框架,另一方面为该地区开展相关研究提供了参考。
【图文】：

图2.5层次格网划分结构

基于DSCAN优化算法与决策树优化算法的气象时空数据挖掘技术研究

研究区示意图
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P208;P409;TP311.13

【参考文献】