卫星遥测数据的时间序列相似性度量方法研究

发布时间：2017-05-17 02:10

  本文关键词：卫星遥测数据的时间序列相似性度量方法研究，由笔耕文化传播整理发布。

【摘要】：当前,通过运用数据挖掘对卫星遥测数据进行分析和建模,支撑卫星测试数据自动判读、状态监测和异常检测、故障诊断和预测等,是航天领域研究的热点和挑战问题。然而,现有针对卫星遥测数据的分析方法普遍建立在欧氏距离的基础上,而采用欧氏距离进行数据的相似性度量存在诸多的局限性,如:无法消除参数间强相关性的影响、难以实现异步度量等,因此,针对卫星遥测数据分析中相似性度量方法的不足,本文开展面向卫星遥测数据的时间序列相似性度量方法研究。首先,针对在卫星遥测数据分析中采用欧式距离进行时间序列之间相似性度量,存在不能消除参量之间的相关性影响以及难以实现异步度量等不足,研究能够弥补现存局限的时间序列相似性度量方法,并采用与卫星遥测数据特性相近的公开数据集进行实验验证,从而选取适用于单维和多维时间序列的候选时间序列相似性度量方法。其次,为了验证候选时间序列相似性度量方法针对卫星遥测数据的有效性,将度量方法应用至基于层次聚类和K近邻(K-Nearest Neighbor,KNN)分类的异常检测方法中,在实现卫星遥测数据异常检测的同时,验证了基于动态时间规整(Dynamic Time Warping,DTW)距离的异常检测方法能够识别差异性更小的序列异常模式。最后,设计能够实现数据挖掘算法动态加载的数据挖掘软件平台,应用Matlab与C语言混合编程技术并结合数据挖掘软件平台的标准接口规范,完成相关的数据挖掘算法库的开发与封装,完成时间序列相似性度量方法的软件应用。实验验证结果表明,应用针对卫星遥测数据更为有效的相似性度量方法,能够有效提升基于层次聚类和KNN分类的异常检测方法的异常识别能力,同时,所开发的基于时间序列相似性度量方法的算法库具有较好的实际应用价值。本文的研究工作为后续实际应用奠定了良好的方法和应用基础。
【关键词】：卫星遥测数据 时间序列 相似性度量 异常检测 混合编程
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V557;TP311.13
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-18
• 1.1 课题背景及研究的目的和意义8-9
• 1.2 国内外研究现状9-16
• 1.2.1 卫星遥测数据分析研究现状9-11
• 1.2.2 时间序列相似性度量方法概述11-13
• 1.2.3 时间序列相似性度量方法研究现状13-16
• 1.3 本文研究内容与结构16-18
• 第2章 时间序列相似性度量方法研究18-40
• 2.1 卫星遥测数据特性分析18-23
• 2.1.1 卫星遥测数据总体分析18
• 2.1.2 实际卫星遥测数据分析18-20
• 2.1.3 卫星遥测数据分段20-23
• 2.2 时间序列相似性度量方法23-28
• 2.2.1 马氏距离23-24
• 2.2.2 DTW距离24-25
• 2.2.3 夹角距离25-27
• 2.2.4 改进灰色关联度27-28
• 2.3 时间序列相似性度量方法验证28-39
• 2.3.1 单维时间序列相似性度量方法验证28-35
• 2.3.2 多维时间序列相似性度量方法验证35-38
• 2.3.3 卫星遥测数据相似性度量方法应用分析38-39
• 2.4 本章小结39-40
• 第3章 基于异常检测的相似性度量方法性能评估40-58
• 3.1 基本概念40-41
• 3.1.1 时间序列异常检测概述40-41
• 3.1.2 卫星遥测数据异常情况41
• 3.2 基于时间序列相似性度量的异常检测算法41-47
• 3.2.1 基于层次聚类和KNN分类的异常检测方法框架42-43
• 3.2.2 基于时间序列相似性度量方法的层次聚类43-44
• 3.2.3 基于时间序列相似性度量方法的KNN分类44-46
• 3.2.4 卫星遥测数据异常检测框架46-47
• 3.3 单维时间序列异常检测应用47-54
• 3.3.1 卫星遥测异常数据仿真生成47-50
• 3.3.2 实验验证及评估50-54
• 3.4 多维时间序列异常检测应用54-57
• 3.4.1 实验设计54
• 3.4.2 实验结果54-57
• 3.4.3 实验分析57
• 3.5 本章小结57-58
• 第4章 时间序列相似性度量方法的软件实现58-74
• 4.1 数据挖掘软件平台58-65
• 4.1.1 软件平台框架设计58-59
• 4.1.2 数据挖掘算法库59-62
• 4.1.3 基于Hadoop的数据库62-63
• 4.1.4 可视化呈现63-64
• 4.1.5 数据挖掘算法流程图64-65
• 4.2 Matlab与C混合编程技术65-68
• 4.2.1 现有混合编程技术65-66
• 4.2.2 混合编程技术分析66-67
• 4.2.3 混合编程实现67-68
• 4.3 基于时间序列相似性度量方法的算法库68-73
• 4.3.1 算法库需求分析68
• 4.3.2 算法库功能设计68-69
• 4.3.3 算法库总体设计69
• 4.3.4 算法库详细设计69-70
• 4.3.5 算法库测试70-73
• 4.4 本章小结73-74
• 结论74-76
• 参考文献76-82
• 攻读硕士学位期间发表的论文及其它成果82-84
• 致谢84

【参考文献】

中国期刊全文数据库 前3条

1 刘懿;鲍德沛;杨泽红;赵雁南;贾培发;王家钦;;新型时间序列相似性度量方法研究[J];计算机应用研究;2007年05期

2 肖瑞;刘国华;;基于趋势的时间序列相似性度量和聚类研究[J];计算机应用研究;2014年09期

3 李犟;李绪志;;高速卫星遥测数据处理系统的设计方案[J];计算机工程与设计;2012年01期

中国博士学位论文全文数据库 前1条

1 邱明;语义相似性度量及其在设计管理系统中的应用[D];浙江大学;2006年

中国硕士学位论文全文数据库 前1条

1 陈然;基于相似性分析的时间序列异常检测研究[D];西南交通大学;2011年

  本文关键词：卫星遥测数据的时间序列相似性度量方法研究，，由笔耕文化传播整理发布。

本文编号：372350