多粒度粗糙集模型及其在霾与气象要素相关性分析上的应用研究

发布时间：2021-06-28 07:18

　　针对霾与气象要素存在怎样的相关性这一研究问题,本文致力于探讨和挖掘出霾与哪些气象要素存在多大的相关性,提出一种决策属性重要度不一致多粒度粗糙集模型,并基于此建立霾与气象要素相关性分析模型,满足利用气象领域中涉及霾的气象观测数据进行霾与哪些气象要素存在多大相关性分析的需要。论文主要工作和创新点如下:（1）针对在气象领域中涉及霾的气象观测数据具有数据量大和存在连续值现象,论文提出一种基于信息熵和不一致率的数据离散化算法。首先,针对连续型数据的离散化问题,本文在研究基于信息熵的离散化算法基础上,给出属性离散化不一致率计算方法,并基于属性离散化不一致率对基于信息熵的离散化算法中的合并区间条件进行改进,以消除手动设置属性离散化不一致率阈值的主观性影响和降低离散点个数。其次,针对在大数据下,执行离散化算法的时间效率问题,本文将改进的离散化算法进行并行化处理,并在Hadoop平台下实现,以提高算法运行效率。（2）针对在气象领域中,一方面涉及霾的气象数据集具有属性个数多、数据不完备特点。另一方面,有霾和无霾时气象要素的变化及各自所包含的噪声数据存在差异,实际分析时需要将有霾和无霾两种类别分别进行分析,... 

【文章来源】：南昌大学江西省 211工程院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

Hadoop集群架构如图

图 2.2 HDFS 工作流程及系统架构图3 MapReduce 计算模型MapReduce[45-51]是一种高效的分布式编程模型，是 Hadoop 的核心组件海量数据的并行处理。它对用户提供多线程接口，隐藏分布式系统底

MapReduce工作流程图

【参考文献】：
期刊论文
[1]基于多重阈值的变精度多粒度粗糙集模型[J]. 徐怡,李策.  计算机工程与科学. 2016(08)
[2]基于粗糙集的海量数据挖掘算法研究[J]. 牛咏梅.  现代电子技术. 2016(07)
[3]关于数据挖掘研究现状及发展趋势的探究[J]. 任新社,陈静远.  信息通信. 2016(02)
[4]江西省中北部地区一次典型灰霾天气过程分析[J]. 蒋璐君,刘熙明,贺志明.  气象与减灾研究. 2015(02)
[5]粗糙集连续属性离散化的k均值方法[J]. 陈贞,邢笑雪.  辽宁工程技术大学学报(自然科学版). 2015(05)
[6]KNN数据挖掘算法在北京地区霾等级预报中的应用[J]. 熊亚军,廖晓农,李梓铭,张小玲,孙兆彬,赵秀娟,赵普生,马小会,蒲维维.  气象. 2015(01)
[7]Hadoop集群部署实验的设计与实现[J]. 孟永伟,黄建强,曹腾飞,王晓英.  实验技术与管理. 2015(01)
[8]基于云计算技术的电力大数据属性离散化方法[J]. 王璐鑫.  数字技术与应用. 2015(01)
[9]基于加权粒度的多粒度粗糙集[J]. 张明,程科,杨习贝,唐振民.  控制与决策. 2015(02)
[10]连续属性离散化算法研究综述[J]. 张钰莎,蒋盛益.  计算机应用与软件. 2014(08)

博士论文
[1]不完备信息系统中多粒度粗糙集理论与约简研究[D]. 翟永健.南京理工大学 2014

硕士论文
[1]基于粗糙集加权的朴素贝叶斯分类模型的应用研究[D]. 孔令韬.北京工业大学 2015
[2]基于Hadoop云平台的数据挖掘技术在天气数据的应用研究[D]. 杨利娟.北京邮电大学 2015
[3]基于Hadoop的数据挖掘算法研究与实现[D]. 何健伟.北京邮电大学 2015
[4]基于数据挖掘的雾霾天气影响因子研究[D]. 谢金鑫.电子科技大学 2014
[5]多粒度粗糙集的理论研究及其应用[D]. 李明星.江苏科技大学 2014
[6]基于云平台的并行关联规则挖掘算法研究[D]. 毛卫俊.华东理工大学 2014
[7]基于负载均衡的Hadoop平台下作业调度算法研究[D]. 胡丹.新疆大学 2013



本文编号：3253880