dbscan聚类算法的闪电临近预报模型

《dbscan聚类算法的闪电临近预报模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于DBSCAN聚类算法的闪电临近预报模型摘要:针对闪电定位仪中庞大而杂乱的定位数据,提出一种基于改进dbscan聚类算法(idbscan)进行闪电聚类分析的方法。该方法依据闪电定位系统中的实时监控数据,搜索闪电密度大于阈值范围的地闪点,建立密度可达最大值的地闪聚类簇,并找到该簇类中的核心地闪点。同时,应用邻接表结构对dbscan算法进行改进,使得初始地闪数据的搜索集的建立时间和空间得到大大减少。在聚类分析结果基础上,对核心地闪点的移动路径进行拟合,从而预报下一时刻的核心地闪点位置。实验证明,将idbscan算法应

2、用在闪电临近预报中是有效的。关键词:闪电临近预报;定位资料;dbscan算法;邻接表;空间聚类predictionmodelforlightningnowcastingbasedondbscanhourongtao1,2,zhubin1,2*,fengminxue3,shixinming1,2,luyu1,2(1.jiangsuengineeringcenterofnetworkmonitoring,nanjinguniversityofinformationsciencea

3、ndtechnology,nanjingjiangsu210044,china;2.collegeofcomputerandsoftware,nanjinguniversityofinformationscienceandtechnology,nanjingjiangsu210044,china;3.lightningprotectioncenterofjiangsuprovince,nanjingjiangsu210009,china)abstract:againstthemassivemonito

4、ringdataoflightninglocatingsystem,alightningnowcastingmodelbasedonimproveddensitybasedspatialclusteringofapplicationwithnoise(idbscan)clusteringalgorithmwasputforward.basedonthelightninglocationdatainrealtimemonitoringsystem,thismethodsearchedforlightningde

5、nsityflashpointgreaterthanthethresholdvalueoftheland,builttheclusterwithuptothemaximumgroundflashdensity,andlocatedthecoreofthecluster.besides,withtheapplicationofadjacencylistsearchalgorithm,timeandspaceconsumedfortheinitialsearchsetoflightningdatahadbeengrea

6、tlyreduced.furthermore,usingregressionfittingalgorithm,theproposedalgorithmcanpredictthepathofmovementoflightningcluster.theexperimentalresultsshowthatidbscanalgorithmusedinthelightningnowcastingiseffective.keywords:lightningnowcasting;locationinformation;dbs

7、canalgorithm;adjacencylist;spatialclustering0引言近几年来,在气象工作者的努力下我国建立了闪电监测网络系统,以江苏省为例,它包含3~5个电场仪，覆盖全省的9个闪电定位观测点和1~2个自动气象观测站,监测系统实时记录地闪数据的时间、空间坐标、强度、区域等信息。但是,这些闪电的发生和发展并不是随机现象,它们往往随着云层、气流的移动而移动。如果利用空间聚类及移动轨迹拟合的方法,分析闪电的形成、时空分布表现及未来发展趋势,将为雷电的临近预报提供科学依据。在无先验知识的情况下

8、,聚类分析[1]技术是解决上述问题的首选。聚类分析可以根据样本相似度对数据进行分组,发现对象空间的分布特征。迄今为止,人们已经提出了许多聚类算法,如k-means、clarans、dbscan、cure、clique等聚类算法[2],其中dbscan算法是一种基于密度的聚类算法[3]。本文提出一种基于改进dbscan聚类(improved