震前异常挖掘算法研究
发布时间:2017-08-03 07:05
本文关键词:震前异常挖掘算法研究
更多相关文章: 遥感 数据挖掘 地震预测 时间序列 主旨模式 频繁项集
【摘要】:地震作为一种自然灾害给人类造成了巨大的损失,卫星遥感技术作为一种新型的对地观测技术被应用于地震科学的各个领域中。卫星遥感数据维度高,数据量大,传统人工分析手段已无法应对,数据挖掘方法具有强大的分析处理问题的能力。本文在这种背景下,将数据挖掘方法引入地震预测中,以2005~2014年全球AIRS遥感数据为分析对象,分别提出基于频繁项集、时间序列和主旨模式的震前异常挖掘算法。基于频繁项集的震前异常挖掘算法从属性维度处理遥感数据,针对AIRS传感器18维参量数据进行去背景和分段处理,在有效剔除地区、季节性因素的干扰同时也使得数据适用于项集挖掘;在处理挖掘得到的频繁项集时,使用地震支持度减去非震支持度,有效的去除了非震因素的干扰。实验表明基于频繁项集的震前异常挖掘算法可较好用于地震预测,并且随着地震的临近,震前异常范围不断变大。当前兆区域为2°,前兆时间为30天,分段数为5时,预测效果最佳,预报率81.8%,误报率5.6%,此时地震前兆异常主要和TropTemp_D、TropHeight_D、Surf Pres_Forecast_D、H2O_MMR_Surf_D、TropPres_D、Surf Air Temp_D和Clr Olr_D这七个参量数相关。基于时间序列的震前异常挖掘算法从时间序列角度分析遥感数据,将异常模式挖掘算法与频繁序列匹配算法融入到震前预测中,该方法不同于以往的预测建模,而是从一个全新的角度来发现震前遥感数据异常规律。首先通过对卫星遥感进行数据插值,归一化处理和数据分段,然后利用PrefixSpan算法分别挖掘出频繁序列模式,计算出地震序列模式的差集,然后利用SeqMatching匹配算法匹配测试序列,并通过反馈不断完善异常序列模式。最后通过地震预报率、漏报率以及对非震的误报率,检验方法的有效性。经过36次试验,在确定了数据参量、前兆时间、区域大小、支持度和数据分段个数等参数的基础上,发现CO含量参量的预测效果比较满意。实验表明基于时间序列的震前异常挖掘方法可以找出以往地震历史规律中蕴含的有效异常模式,通过模式匹配,较好地实现震前异常预测。基于主旨模式的震前异常挖掘算法从卫星的角度观察实验数据,将其转化为一系列以时间为单位的空间序列,针对空间序列相似性度量问题,提出一种基于空间距离惩罚度量算法CDTW。在主旨模式挖掘的过程中,基于K-Means的思想,提出一种基于全局平均主旨模式挖掘算法。实验表明CDTW将空间距离作为惩罚因子引入动态弯曲度量DTW中,避免最小距离计算过程中过度弯曲的问题;基于CDTW的全局平均主旨模式算法对AIRS的6个参数的挖掘结果可以反映出遥感数据空间序列的主旨特征,经过初步实验,该方案亦具有一定的可行性。
【关键词】:遥感 数据挖掘 地震预测 时间序列 主旨模式 频繁项集
【学位授予单位】:南京航空航天大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:P315.7;TP311.13
【目录】:
- 摘要4-5
- Abstract5-12
- 第一章 绪论12-20
- 1.1 研究背景及意义12-13
- 1.2 遥感技术应用研究现状13
- 1.3 数据挖掘在地震预测领域的研究现状13-15
- 1.4 实验遥感卫星简介15-18
- 1.5 本文研究内容及组织结构18-20
- 第二章 遥感数据频繁项集挖掘算法研究20-40
- 2.1 概念与定义20-21
- 2.2 基于频繁项集的震前遥感异常挖掘方法21-30
- 2.2.1 基本原理与框架21
- 2.2.2 数据预处理21-24
- 2.2.3 基于频繁项集的震前特征提取算法24-27
- 2.2.4 地震异常频繁项集匹配27-30
- 2.3 实验方案与结果分析30-38
- 2.3.1 前兆区域对比分析31-34
- 2.3.2 前兆时间对比分析34-36
- 2.3.3 分段对比分析36-37
- 2.3.4 参量使用分析37-38
- 2.4 本章小结38-40
- 第三章 遥感数据时间序列挖掘算法研究40-55
- 3.1 概念与定义40-41
- 3.2 相关技术41-44
- 3.2.1 序列模式挖掘算法41-43
- 3.2.2 最长公共子序列43-44
- 3.3 基于序列模式的震前异常挖掘方法44-48
- 3.3.1 基本原理与框架44-45
- 3.3.2 数据预处理45
- 3.3.3 基于PrefixSpan的时序异常挖掘算法45-46
- 3.3.4 地震异常时序匹配46-48
- 3.4 实验方案及结果分析48-54
- 3.4.1 参数选取50
- 3.4.2 结果分析50-51
- 3.4.3 时间序列与频繁项集对比51-54
- 3.5 本章小结54-55
- 第四章 遥感数据主旨模式挖掘算法研究55-70
- 4.1 概念与定义55
- 4.2 相关技术55-58
- 4.2.1 灰关联分析55-56
- 4.2.2 相似性度量方法56-57
- 4.2.3 主旨模式计算57-58
- 4.3 基于主旨模式的震前异常挖掘方法58-64
- 4.3.1 基本原理与框架58
- 4.3.2 数据预处理58-59
- 4.3.3 基于主旨模式的震前异常挖掘算法59-64
- 4.4 实验方案与结果分析64-69
- 4.4.1 CDTW与DTW对比分析64-65
- 4.4.2 主旨模式挖掘结果65-69
- 4.5 本章小结69-70
- 第五章 总结与展望70-72
- 5.1 本文总结70-71
- 5.2 展望71-72
- 参考文献72-76
- 致谢76-77
- 在学期间的研究成果及发表的学术论文77
本文编号:613109
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/613109.html