时空多特征流域场景模式库构建方法

发布时间：2021-11-21 13:29

　　通过构建流域时空场景表征水文事件,提出一种创新的时空多特征流域场景模式库构建方法。对水文原始数据进行事件化分割,去除场景要素数据的时空冗余;基于要素关联关系分析,以多类型方法构造场景要素的对应特征;通过特征选择算法,选取场景关键特征,实现场景初始化;以初始化场景为特征空间,通过聚类提取场景模式,完成场景模式库构建。试验结果表明,创新的时空多特征流域场景模式库构建方法能高效提取水文事件中关键的时空场景数据,挖掘场景模式,形成场景模式库,可以为小样本条件下的水文事件预测提供准确高效的结果。 

【文章来源】：河海大学学报(自然科学版). 2020,48(06)北大核心CSCD

【文章页数】：7 页

【部分图文】：

图1 时空多特征流域场景模式库构建技术路线

图2展示了人工分割多元时序的理想结果,其中TN、TP以及透明度数据的变化具有一定的滞后性。此外可发现分割段中的TN和TP具有一定相似性,透明度则和TN分割段成负相关关系。图3是本文使用的多元分割方法,可看到时序被分割成6段,且每段各元数据在不同时刻分割。该结果仍具有缺陷,例如在TP分割段中,第4、5和6段重合,与实际情况不符,该方法仍需要改进。图4是基于模糊分类的多元分割结果。分割段中各元数据都在同一时刻进行分割,但该方法将时序分割过多段数,存在分割段长度过小,如第5、6、7段,分割段过长,如第8、9段。同时无法发现分割段各元之间的明显关系。图5是基于动态规划的多元分割结果,主要分割成6段,其中某一段分割过小,在实际中舍去;从分割结果上看出,该方法依然存在基于模糊聚类的多元分割方法的缺陷。图3 基于本文所提方法的多元时序分割

基于本文所提方法的多元时序分割

【参考文献】：
期刊论文
[1]自适应代价动态时间弯曲的多元时间序列相似性度量[J]. 孟晓静,万源.  统计与决策. 2020(02)
[2]K-Means聚类算法研究综述[J]. 杨俊闯,赵超.  计算机工程与应用. 2019(23)
[3]聚类算法综述[J]. 章永来,周耀鉴.  计算机应用. 2019(07)
[4]一种基于正交函数系的时间序列聚类方法[J]. 嵇敏,范玉涛,谢福鼎.  系统科学与数学. 2016(01)
[5]时间序列数据挖掘中特征表示与相似性度量研究综述[J]. 李海林,郭崇慧.  计算机应用研究. 2013(05)
[6]数据挖掘中适用于分类的时序数据特征提取方法[J]. 林珠,邢延.  计算机系统应用. 2012(10)
[7]肌电信号特征提取方法综述[J]. 加玉涛,罗志增.  电子器件. 2007(01)



本文编号：3509595