基于数据立方体的环境监测数据可视分析方法研究
发布时间：2021-01-17 08:27
随着我国经济的快速发展,环境信息技术得到了飞速发展,环保部门开展了多种环境质量监测、生态环境调查以及污染源管理,积累了大量数据,并且随着物联网技术的发展,越来越多的环境监测站点的数据可以通过网络传输,当前环境领域也正在经历大数据时代。环境监测数据有着显著的时空特征,同时有着多维,多层次的特征。而环境领域的分析人员面对着这样的海量数据时,往往不能进行有效的分析,大多采用单一图表和统计分析的手段进行,难以满足实际的分析需求。针对环境监测数据的特性,需要一种能够快速处理此类特性的数据模型。数据立方体技术是一种高效的多维数据模型,能对关系表的每个可能维度集执行跨维度聚合,用以支持快速的数据探索。本文使用空间四叉树和平面树结构来表达空间点对象的位置分布和分类维度,在不同维度间共享节点链接实现跨维度的聚合设计,并通过时序映射构建环境监测数据的跨维度查询的Nanocubes立方体结构,用于高效存储和查询高维多粒度的时空数据,为多维时空数据集的实时探索性可视化分析奠定基础。针对顾及监测数据专题属性相似性和空间约束的可视分析算法进行了研究,探讨了一种精确表示每个聚类中的属性位置的凹包构建方法。同时基于真...
【文章来源】：福建师范大学福建省
【文章页数】：100 页
【学位级别】：硕士
【部分图文】：
可视分析的运行机制[75]
第一章绪论9不同地理尺度上污染排放的空间格局及其演变规律也是研究的方向。同时随着数据量的急剧增长，对海量数据的探索性可视分析也是需要解决的问题。1.3技术路线与研究内容图1-2技术路线图Fig.1-2Thetechnicalflowchart本文的技术路线如图1-2所示，本文主要围绕着环境监测数据的建模和可视分析展开，具体的研究内容有以下四点：
第二章数据源与相关技术研究13第二章数据源与相关技术研究2.1数据源本文研究的区域是福建省，福建省位于中国东南沿海，地势西北高，东南低，境内以山地、丘陵地形为主，经济增长位居全国前列。本文使用的数据是福建省全省范围内公开发布的企业污染物自行监测各项指标信息、政府部门开展的污染源监督性监测各项指标信息。数据集包含了2018年1月至2018年12月一年的数据，数据是由福建省内的1643个企业监测点提供的，有2000多万条监测记录数据。每条监测数据包括了监测点的位置信息（详细的地址）、时间信息（包括年、月、日、时间段等）、以及其所属监测点的属性信息（包括所属行政区、行业类型、行业名称、企业规模、登记注册类型等）。每条监测数据都是具有时空属性信息的记录，本文也是针对这类具有时空特性的环境监测数据进行研究。在数据采集和存储的过程中，由于某些监测点的位置地点不准确，监测数据不连续或属性字段为空，为了保证数据的准确性，需要对获取的污染监测数据进行如下的预处理。（1）监测点的位置不准确时，需要本文收集该监测点所属公司的相关信息，进行精确查询与匹配并进行坐标拾取从而获得该监测点的经纬度信息；（2）监测数据不连续时，需要本文根据该监测点的手工监测信息，记录下某个时间点的监测信息；（3）监测数据的属性值为空时，需要收集监测点信息并补全缺失信息数据进行预处理之后的数据样表如图2-1和图2-2所示。图2-1污染监测数据表Fig.2-1Pollutionmonitoringdatasheet
【参考文献】：
期刊论文
[1]京津冀区域工业水污染排放空间密度特征研究[J]. 张静,段扬,张伟,蒋洪强. 生态环境学报. 2018(01)
[2]多模态时空大数据可视分析方法综述[J]. 朱庆,付萧. 测绘学报. 2017(10)
[3]尺度驱动的空间聚类理论[J]. 李志林,刘启亮,唐建波. 测绘学报. 2017(10)
[4]面向空气质量监测数据时空多维属性的可视分析方法[J]. 周志光,胡迪欣,刘亚楠,陈伟锋,陶煜波,林海,苏为华. 计算机辅助设计与图形学学报. 2017(08)
[5]中国工业水污染排放的空间格局及结构演变研究[J]. 石敏俊,郑丹,雷平,袁静沛. 中国人口·资源与环境. 2017(05)
[6]长江经济带水污染排放的地区差异及影响因素研究:2004-2014[J]. 杨骞,王弘儒. 经济与管理评论. 2016(05)
[7]大数据技术在环境影响评价中的应用展望[J]. 周鸿斌,支国强,李田富,耿超. 环境科学导刊. 2016(S1)
[8]AirVis:一个基于Web的空气质量数据可视分析系统[J]. 廖志芳,彭燕妮,李永,赵颖. 计算机工程与应用. 2015(15)
[9]地理学时空数据分析方法[J]. 王劲峰,葛咏,李连发,孟斌,武继磊,柏延臣,杜世宏,廖一兰,胡茂桂,徐成东. 地理学报. 2014(09)
[10]基于侏儒立方体的保持语义的数据立方体结构[J]. 李罡,张静远,张亚平,张宁. 计算机应用研究. 2011(09)
博士论文
[1]基于密度聚类与时空图的市场数据可视分析方法研究[D]. 邓超.中国农业大学 2018
[2]时空异常探测理论与方法[D]. 李光强.中南大学 2009
硕士论文
[1]面向GIS的多维时空可视化Web组件库的开发与应用[D]. 赵如意.华东师范大学 2018
[2]基于城市群的空气质量数据的可视分析方法研究[D]. 胡亚娟.浙江工业大学 2017
[3]案事件时空特征识别与可视分析[D]. 张永田.福州大学 2016
[4]福州市案（事）件时空数据仓库的构建与应用研究[D]. 李杨婧.福州大学 2014
[5]案事件时空数据仓库在线分析方法研究[D]. 杨婷.福州大学 2014
[6]OLAP中数据立方体增量计算方法的研究[D]. 彭兵.湖南大学 2013
[7]自适应空间聚类方法研究[D]. 刘启亮.中南大学 2011
[8]改进的密度聚类算法研究[D]. 于智航.大连理工大学 2007
[9]MOLAP模型及关键算法研究[D]. 司成祥.哈尔滨工业大学 2006
本文编号：2982528
【文章来源】：福建师范大学福建省
【文章页数】：100 页
【学位级别】：硕士
【部分图文】：
可视分析的运行机制[75]
第一章绪论9不同地理尺度上污染排放的空间格局及其演变规律也是研究的方向。同时随着数据量的急剧增长，对海量数据的探索性可视分析也是需要解决的问题。1.3技术路线与研究内容图1-2技术路线图Fig.1-2Thetechnicalflowchart本文的技术路线如图1-2所示，本文主要围绕着环境监测数据的建模和可视分析展开，具体的研究内容有以下四点：
第二章数据源与相关技术研究13第二章数据源与相关技术研究2.1数据源本文研究的区域是福建省，福建省位于中国东南沿海，地势西北高，东南低，境内以山地、丘陵地形为主，经济增长位居全国前列。本文使用的数据是福建省全省范围内公开发布的企业污染物自行监测各项指标信息、政府部门开展的污染源监督性监测各项指标信息。数据集包含了2018年1月至2018年12月一年的数据，数据是由福建省内的1643个企业监测点提供的，有2000多万条监测记录数据。每条监测数据包括了监测点的位置信息（详细的地址）、时间信息（包括年、月、日、时间段等）、以及其所属监测点的属性信息（包括所属行政区、行业类型、行业名称、企业规模、登记注册类型等）。每条监测数据都是具有时空属性信息的记录，本文也是针对这类具有时空特性的环境监测数据进行研究。在数据采集和存储的过程中，由于某些监测点的位置地点不准确，监测数据不连续或属性字段为空，为了保证数据的准确性，需要对获取的污染监测数据进行如下的预处理。（1）监测点的位置不准确时，需要本文收集该监测点所属公司的相关信息，进行精确查询与匹配并进行坐标拾取从而获得该监测点的经纬度信息；（2）监测数据不连续时，需要本文根据该监测点的手工监测信息，记录下某个时间点的监测信息；（3）监测数据的属性值为空时，需要收集监测点信息并补全缺失信息数据进行预处理之后的数据样表如图2-1和图2-2所示。图2-1污染监测数据表Fig.2-1Pollutionmonitoringdatasheet
【参考文献】：
期刊论文
[1]京津冀区域工业水污染排放空间密度特征研究[J]. 张静,段扬,张伟,蒋洪强. 生态环境学报. 2018(01)
[2]多模态时空大数据可视分析方法综述[J]. 朱庆,付萧. 测绘学报. 2017(10)
[3]尺度驱动的空间聚类理论[J]. 李志林,刘启亮,唐建波. 测绘学报. 2017(10)
[4]面向空气质量监测数据时空多维属性的可视分析方法[J]. 周志光,胡迪欣,刘亚楠,陈伟锋,陶煜波,林海,苏为华. 计算机辅助设计与图形学学报. 2017(08)
[5]中国工业水污染排放的空间格局及结构演变研究[J]. 石敏俊,郑丹,雷平,袁静沛. 中国人口·资源与环境. 2017(05)
[6]长江经济带水污染排放的地区差异及影响因素研究:2004-2014[J]. 杨骞,王弘儒. 经济与管理评论. 2016(05)
[7]大数据技术在环境影响评价中的应用展望[J]. 周鸿斌,支国强,李田富,耿超. 环境科学导刊. 2016(S1)
[8]AirVis:一个基于Web的空气质量数据可视分析系统[J]. 廖志芳,彭燕妮,李永,赵颖. 计算机工程与应用. 2015(15)
[9]地理学时空数据分析方法[J]. 王劲峰,葛咏,李连发,孟斌,武继磊,柏延臣,杜世宏,廖一兰,胡茂桂,徐成东. 地理学报. 2014(09)
[10]基于侏儒立方体的保持语义的数据立方体结构[J]. 李罡,张静远,张亚平,张宁. 计算机应用研究. 2011(09)
博士论文
[1]基于密度聚类与时空图的市场数据可视分析方法研究[D]. 邓超.中国农业大学 2018
[2]时空异常探测理论与方法[D]. 李光强.中南大学 2009
硕士论文
[1]面向GIS的多维时空可视化Web组件库的开发与应用[D]. 赵如意.华东师范大学 2018
[2]基于城市群的空气质量数据的可视分析方法研究[D]. 胡亚娟.浙江工业大学 2017
[3]案事件时空特征识别与可视分析[D]. 张永田.福州大学 2016
[4]福州市案（事）件时空数据仓库的构建与应用研究[D]. 李杨婧.福州大学 2014
[5]案事件时空数据仓库在线分析方法研究[D]. 杨婷.福州大学 2014
[6]OLAP中数据立方体增量计算方法的研究[D]. 彭兵.湖南大学 2013
[7]自适应空间聚类方法研究[D]. 刘启亮.中南大学 2011
[8]改进的密度聚类算法研究[D]. 于智航.大连理工大学 2007
[9]MOLAP模型及关键算法研究[D]. 司成祥.哈尔滨工业大学 2006
本文编号：2982528
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2982528.html
