数据挖掘技术在自动气象站网管理中的分析和应用

《数据挖掘技术在自动气象站网管理中的分析和应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、目录第二节试验结果分析与研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．54第三节自动气象站站网布局规划应用⋯⋯⋯⋯⋯⋯⋯⋯⋯．．54第六章结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．58参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．61致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯58个人简历⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．59V第一章引言1．1．1课题来源第一节课题研究背景在计算机技术、互联网技术飞速发展的今天，气象信息事业也随之步入了一个信息化、数字化的时代。在长期工作过程中，气象部门累积了大量的气象观测数据，气象探测手段不断多样化、观测内容

2、逐渐精细化，以及观测时效日趋高效化使得气象观测资料的数据量出现了成几何倍数增长的态势。作为省级气象部门，日数据存储及传输量已于九十年代不足2GB发展到如今的150GB。面对海量气象数据，如何对其进行高效利用和科学管理，以及如何有效将数据分析结果应用于天气预报、气象服务等领域，已经成为气象信息现代化发展所必须解决的问题之一。与此同时，能否通过对气象探测设备观测数据的深入分析，得到监测探测设备运行情况、观测数据质量，以及站点结构布局等有意义指导性指标数据，也是促进气象综合探测系统现代化发展的研究重点。1．1．2课题研究

3、的意义随着我国现代气象事业的飞速发展，气象信息化程度日益提高，气象探测系统也朝着综合性、自动化方向不断转变。多年来，全国气象部门，乃至全球气象行业积累了包括地基、空基和天基在内的大量的气象观测资料。对海量探测数据进行合理的存储管理和深入的应用研究，将是提高气象预报预测准确率、提升灾害天气预警能力，以及推动气象服务水平再上新台阶的基础和关键。早在数据挖掘技术尚未出现之前，气象科技工作者在分析气象资料时，就已经利用均值、累计量、频率、极值、界值等算法，得到具有气象意义的评价。如气象学上的春天是这样定义的：若连续5天的日

4、平均气温一年中的第一次(北半球)均大于、等于10摄氏度(日平均气温以当地02时、08时、14时、20时第一章引言温度的平均数为标准)，则以第一天作为春季的开始日，其定义过程就是通过对气温观测值进行累计、平均而得出的。因此，从气象学角度讲，每年进入春天的日期都是通过计算来定义的，而不是固定不变的。近年来，高性能计算机的普及、存储技术的革命性发展，通讯手段的不断丰富，为气象资料的海量存储和分析处理提供了必要的支持。而数据挖掘技术的诞生与发展则带领气象领域进入了新的时期，越来越多的气象工作者开始利用建立气象数据仓库，使用

5、数据挖掘技术在气象数据分析、气象信息存储，以及天气预报预测和气象服务等领域开展了一定的研究和应用。本课题主要在深入学习数据挖掘技术的基础上，以自动气象站网数据为研究对象，建立适于进行效能评估、数据质量控制为基础的数据仓库，并加以模型建立和分析，提取出有价值或未曾被发现的知识信息，以便于我们开展业务指导和管理决策。1．1．3气象数据挖掘研究现状数据挖掘相关技术是近年来一个十分活跃的领域，在商业智能、客户关系管理等领域广泛应用。与国外相比，国内在数据挖掘技术的研究和应用要相对较晚，但发展势头却相当迅猛。目前，国内的许多

6、科研机构和高等院校在数据挖掘技术的基本理论及其应用研究方面已取得了一定的成果，金融、电信、商业等领域也已经有了应用数据挖掘技术的成功经验。提及数据挖掘技术在我国气象领域的应用研究，主要集中在气象预报预测、气象指标挖掘以及气象信息存储等方面，人们利用人工神经网络、判定树、时序等技术对各类气象数据进行处理和融合，开展预报方法集成、预报模式识别、灾害因子估测等方面的研究，而相对于气象探测系统运行效能评估等方面的应用还尚未成熟。何婧等人提出了一种基于项目序列集的空间关联规则挖掘算法，算法依据空间对象的抽象概念层逐步挖掘空间

7、关联规则，降低了空间算法的复杂性，并能有效地发现每一概念层次上对应的空间关联规则n1。算法应用于云南气象数据中，有效挖掘出了具有云南气候特征的降雨量相关模型，证明了算法的有效性和可行性。左爱文使用空间关联和时间序列关联方法对气象数据进行了研究分析，得出了处理海量气象数据的一种方法，给出了基于项目序列集的空间关联规则挖2第一章引言掘算法和时间序列上升、下降关联规则的挖掘算法，并将其应用于实践阻1。这些算法的时空跨度较大，若想在实际应用中得出某一个地方的长期气候规律难度较大。邱洁口1运用空间关联规则挖掘技术，对日本地区

8、静止气象卫星的红外辐射亮温数据和国家卫星中心高分辨率有限区域分析预报系统产品中的数值格点预报资料值进行分析，对青藏高原上中尺度对流系统东移与其环境场之间的关系进行了研究。由于挖掘数据集有限，挖掘结果具有一定的局限性。张瑶H3等人研究了层次聚类算法，利用降水量、温度、相对湿度等信息，将黑龙江省13个主要地区进行了干旱等级划分，为农业种植、干旱防御等决策提供了有