基于时序挖掘的时间融合算法及在海表面温度预测中的应用

《基于时序挖掘的时间融合算法及在海表面温度预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第13卷第5期2007年10月上海大学学报(自然科学版)JOURNALOFSHANGHAIUNIVERSITY(NATURALSCIENCE)V01．13No5Oct2007文章编号：1007—2861(2007)05．0550434基于时序挖掘的时间融合算法及在海表面温度预测中的应用徐凌宇，方晓君，徐仁杰，沈立炜(上海大学计算机工程与科学学院，上海200072)摘要：使用序列挖掘的时问融合模型研究数字海洋中海表面温度(SeaSurfaceTemperature，SST)预测，对基于时序的动态ssr数据进行推测．提出基于平滑处理与支持度判断的抛物线回归摸型方法，通过对}I

2、l线拐点判

3、断方法的改进．改善抛物线回归模型在趋势预测方面存在的不足．试验证明此方法对发展趋势较为平稳的SST数据具有较好的预测效果．关键词：时序；挖掘；时间融台；海表面温度中图分类号：TP391文献标识码：ATime--FusionBasedonTime-·SeriesMiningandApplicationofSeaSurfaceTemperatureForecastXULing-yu，FANGXiao-jun，XURen-jie，SHENLi-wei(SchoolofComputerEnginee血gⅡdScience，Sharl曲iUniversity，Shanghai200072，China)

4、Abstract：Weuseatime—seriesnnningalgorithmtofusethedynmmeseasurfacetomperature(SST)datainordertopredictthefuturevaluesandthetrend．AnimprovedmethodisprotxBedthatuse8theparabolaregressionmoddtofhI℃ca吐thefutureSSTvaluesbasedonmediansmoothandathresholdlimit．Bymodificationtothejudga’lentofinflectionpoims

5、，theparabolaregressionmodelisimprovedinthetrendprediction．ExperimentsshowthattheimprovedmethodhasabettereffectOHtheforeeastoftheslowlyvaryingdynamicSSTdata．Keywords：time—series；mining；timefusion；seasurfacetemperature“数字海洋”⋯随“数字地球”理念应运而生，它通过卫星、遥感飞机、海上探测船、海底传感器等进行综合性，实时性、持续性的数据采集，把海洋物理、化学、生物、地质等基础信息装

6、进一个“超级计算系统”，使大海转变为人类开发和保护最有效的虚拟视觉模型．海表面温度”3(SeaSu缸eTemperature，SST)是影响气候的一个重要因索，海温预测在数字海洋中占有非常重要的地位，SST数据是时间序列长、空间范围广、数据量大的多源、多维、多层的数据，如图1所示．求解SST则是多源数据融合实现优势互补的过程‘“．近年来，国内外对海温预报研究的方法总体来说可概括为3类：(1)经验预报方法，例如我国国家海洋环境预报中心提出的经验预报公式”1；(2)数值预报方法，这种预报多以模式研究为主⋯’，近期啦稿日期：20074)3—27基金璜目：国家高技术研究发展计划“863”资助项目(2

7、006AA092138)；国家重大科技攻关资助项目(908-03．014)5)通信作者：椽凌宇{196I一)．男，教授．博士，研究方向为信息融台技术撒宇海洋E-mall：xly@shuedutit万方数据第5期徐凌宇。等：基于时序挖掘的时间融合算法及在海表面温度预测中的应用551圈1SST数据圈Flg．1SSTdatamap研究的如青岛海洋大学模式”1；(3)统计预报方法，主要有回归分析、聚类分析、主成分分析等．本研究基于序列挖掘的时间融合模型，采用抛物线回归模型预测方法，通过对曲线拐点判断方法的改进，改善抛物线回归模型在趋势预测方面存在的不足．试验证明，此方法对发展趋势较为平稳的SST数据

8、具有较好的预测效果．1时间融合预测模型1．1拐点的定义按时间次序排列的观测值的集台称为时间序列”1．如海温数据、股票数据等．在理想状态下，它们可看作由若干具有上升和下降趋势的子序列构成．连接两个不同趋势子序列的点称为拐点，按时间序列依次连接上升和下降趋势的为A类拐点，按时间序列依次连接下降和上升趋势的为B类拐点．显然，只要能判断出时间序列中的每一个拐点及它们的类别+就能确定任意一个观测值在整个时间序列波形中的