一种浮标数据的多目标关联度划分处理方法技术

本发明专利技术涉及一种浮标数据的多目标关联度划分处理方法，所述浮标数据的多目标关联度划分处理方法包括以下步骤：获取历年台风与浮标数据；构建浮标关系图；多目标问题公式化；构建针对浮标数据定制的NSGA‑II算法(带精英保存策略的非支配排序遗传算法)；输出适合浮标数据的多目标布局方法。其优点在于，将海区中所有的浮标构成图，将浮标分布划分区域存储；使微区内浮标数据相关性最大化、微区间的相关性最小化、跨微区通信时间最小化，并且使微区负载平衡；对海洋应急预警、预报、台风资料分析提供高效检索方式，并提高预报精度；促进业务化常规预报的质量、数值模式同化的效果、防灾减灾与应急预报决策的正确制定以及维权执法等海上活动的保障能力。

A method of multi-target correlation degree division processing for buoy data

The present invention relates to a multi object relational division processing method of buoy data, multi object relational classification processing method the buoy data comprises the following steps: obtaining the typhoon and buoy buoy data; build relation graph; multi-objective problem formulation; to construct the NSGA II algorithm buoy data customization (non dominated sorting genetic algorithm with elitist preservation strategy); multi-objective layout method of buoy data output. The utility model has the advantages that will be all in the sea buoy chart, buoy distribution storage area; the micro buoy data correlation area to maximize, minimize, the cross correlation of interval micro micro communication time is minimized, and the load balance of micro area; marine emergency early warning and forecast, typhoon data analysis provide an efficient retrieval method, and improve forecasting accuracy; support ability quality, promote the business of the conventional numerical model assimilation prediction effect, disaster prevention and mitigation and emergency decision making and prediction of law enforcement and other marine activities.

【技术实现步骤摘要】
一种浮标数据的多目标关联度划分处理方法
本专利技术涉及海洋数据划分处理
，具体地说，是一种浮标数据的多目标关联度划分处理方法。
技术介绍
现有的浮标按海区单点存储不能及时响应跨海区灾害的数据获取，无法为海洋灾害发生时提供快速高效的数据访问服务，将浮标依赖灾害影响程度构建成图，利用图划分方法进行划分后应用，能够更高效的使用浮标数据。图划分方法是将具有相关性的、复杂的边关系根据顶点与顶点间的紧密程度聚类的一种方法，良好的图划分算法能够对数据关联性布局提供依据。在无结构图多层级划分方法METIS中，利用图粗糙方法(CoarseningPhase)将复杂图规模逐步缩减，然后进行图划分(InitialPartitioningPhase)并对图进行处理，在处理结束后，执行图复原方法(UncoarseningPhase)。其中图粗糙方法利用“超点”(CreateMultinode)以及最大化匹配(MaximalMatching)，图划分方法与图复原方法中应用了如Kernighan-LinAlgorithm等多种算法。该方法的优点在与：①图粗糙时能得到较好的全局视图(globalview)，②图复原中利用KL算法可以得到较好的本地视图(localview)③结合全局视图与本地视图在图划分步骤时的选择对图影响较小的划分算法④图粗糙的并行化较为容易且运算时间得到优化。METIS结合几种启发式算法在图粗糙、图划分、图复原上提升了切分规模，使用贪婪算法(GR)等进行改进，使METIS优于原始的MGP方法。但这种做法将粗糙图进行划分后，反映在原始图上可能不是最优结果。一种过程工程的矩阵排序策略：并行化图划分算法，通过重新对矩阵排序成块镶嵌对角形式(borderedblock–diagonalform)来进行划分。由于这种结构并不都是从等式产生程序(equationgenerationroutine)中获得，必须要有一个重新排序系数矩阵的行与列的算法。该算法创建一个块镶嵌对角形式，适用于使用并行算法在高度非对称稀疏矩阵中产生结果，并在过程工业上应用。这个方法目的在创建若干相似大小的对角块并保持接口矩阵大小不变，可以反映出并行计算瓶颈。结果表明该重新排序算法大多数情况下能够寻找一个结构，并且使用重新排序时间少于提前使用图划分方法，但在时间上并没有很高的提升。利用遗传算法对图划分可以进行多对象优化。其进一步改善的方法是将上一次运行的最优结果注入到下一次运行的第一代中，并且将前一代存储的非支配集与后一代非支配集相结合。改善阻止了遗传算法(GeneticAlgorithms)陷入到局部优值并且增加寻找到更优结果的可能性。并证明了算法的有效性。该方法特点在于使用了混合细胞自动学习(hybridcellularlearningautomata)和遗传算法相结合，优化了本地速度。还有一种DiDiC算法，隐含了优化切割质量的相关措施，比如说模块化，这使得结算结合其他高质量的分布式集群算法措施与图集群算法优化了全局知识的切分相关措施。通过实验证明：通过每个节点开始的随机集群数，可能在图内交流的仅有一个直接相邻的节点，并且仅仅需要少量的额外存储空间，与非分布式图集群MCL库(librarymcl)相比，通过DIDIC计算的结果汇集在集群中有很高的质量，这些主要的算法使用了全局知识(globalknowledge)。从海洋预报业务化、防灾减灾的需求来看，浮标数据按海区单点存储的方式，检索效率低，不能及时形成有效的海上观测能力，不能应对跨海区海洋环境预报、灾害预警报及海上突发事件的应急处理，也不能满足海洋重要现象研究、遥感定标以及彰显我国东海经济专属区主权的需求。中国专利技术专利CN201520353376.0，公开日为2015.12.23，公开了一种基于北斗鱼探浮标的实时鱼情监测系统。但是该系统无法应用于海洋预报以及防灾减灾等情景。因此，亟需一种浮标按微区方式存储、检索效率高的处理方法，而目前关于这种处理方法还未见报道。
技术实现思路
本专利技术的目的是针对现有技术中的不足，提供一种浮标数据的多目标关联度划分处理方法。为实现上述目的，本专利技术采取的技术方案是：一种浮标数据的多目标关联度划分处理方法，所述浮标数据的多目标关联度划分处理方法包括以下步骤：S01：获取历年台风与浮标数据；S02：构建浮标关系图；S03：多目标问题公式化；S04：构建针对浮标数据定制的NSGA-II算法(带精英保存策略的非支配排序遗传算法)；S05：输出适合浮标数据的多目标布局方法。所述的S04步骤中的针对浮标数据定制的NSGA-II算法(带精英保存策略的非支配排序遗传算法)包括初始化个体算法、选择算子算法、交叉算子算法、变异算子算法、精英保存算法。所述的S02步骤中，包括台风与浮标关系计算、设立阈值Erosf、将两个浮标的Eros值与阈值Erosf对比、获取浮标关系图，所述的台风与浮标关系计算是利用Eros距离度量方法计算台风参数对浮标的影响系数，所述的台风参数包括台风风向、距离、海温、增水、海压，所述的将两个浮标的Eros值与阈值Erosf对比为若Eros>Erosf，则台风对两者影响程度相似，具有边关系，若Eros<Erosf，则台风对两者影响程度不同，不具有边关系，且Eros值越大表明两者越相似。所述的S03步骤中，包括微区内浮标间关系最大化目标公式化、微区间相关性最小化目标公式化、跨微区通信时间最小化目标公式化、微区完整性约束、微区连续性约束、非嵌入性约束、微区个数约束；所述的微区内浮标间关系最大化目标公式化的公式为其中，Cik与Cjk分别表示浮标vi与vj是否属于第k个微区，ωij表示顶点Vi与Vj间的边权值；所述的微区间相关性最小化目标公式化的公式为其中，反映所有微区的数据期望值，用于评估某一微区到微区期望值的差异；所述的跨微区通信时间最小化目标公式化的公式为其中，dlk表示第l次台风是否涉及微区Mk，C代表云计算平台读取单个微区的通信时间，Ty表示台风次数；所述的微区完整性约束的公式为所述的微区个数约束的公式为MNmin≤MN≤MNmax；MN＝MNfix，其中，[MNmin,MNmax]是一个范围，MNfix是一个适当的值；所述的微区规模约束的公式为Mmin≤|Mk|≤Mmax；k＝1，2，...，MN，其中，[Mmin,Mmax]是微区规模的范围，|Mk|是Mk的大小。所述的初始化个体算法包括以下步骤：S0411：从浮标集合V中抽取K个初始点，并在个体数组中indj中将该点的值依次标记为k(k＝1,2,…,K)；S0412：当所有的顶点都属于某一微区时，判断是否有浮标添加至微区；S0413：若有，对于每一个微区Mk，如果浮标集合V中某一顶点vj与微区Mk内某一顶点vi相连接且vj不属于任何微区且微区Mk的规模小于Mmax，就在个体数组中令vj顶点的值为k；若没有，对于每一个微区Mk，如果vi未被分配且微区Mk的规模小于Mmax，就在个体数组中令vj顶点的值为k；S0414：输出种群G0。所述的选择算子算法包括以下步骤：S0421：预设交配池的规模为Psize，对第r代种群Gr进行快速非支配集排序；S0422：计算每个解的拥挤度；S0423：判本文档来自技高网...

【技术保护点】
一种浮标数据的多目标关联度划分处理方法，其特征在于，所述浮标数据的多目标关联度划分处理方法包括以下步骤：S01：获取历年台风与浮标数据；S02：构建浮标关系图；S03：多目标问题公式化；S04：构建针对浮标数据定制的NSGA‑II算法(带精英保存策略的非支配排序遗传算法)；S05：输出适合浮标数据的多目标布局方法；所述的S04步骤中的针对浮标数据定制的NSGA‑II算法(非支配排序遗传算法)包括初始化个体算法、选择算子算法、交叉算子算法、变异算子算法、精英保存算法。

【技术特征摘要】
1.一种浮标数据的多目标关联度划分处理方法，其特征在于，所述浮标数据的多目标关联度划分处理方法包括以下步骤：S01：获取历年台风与浮标数据；S02：构建浮标关系图；S03：多目标问题公式化；S04：构建针对浮标数据定制的NSGA-II算法(带精英保存策略的非支配排序遗传算法)；S05：输出适合浮标数据的多目标布局方法；所述的S04步骤中的针对浮标数据定制的NSGA-II算法(非支配排序遗传算法)包括初始化个体算法、选择算子算法、交叉算子算法、变异算子算法、精英保存算法。2.根据权利要求1所述的一种浮标数据的多目标关联度划分处理方法，其特征在于，所述的S02步骤中，包括以下步骤S021：台风与浮标关系计算；S022：设立阈值Erosf；S023：将两个浮标的Eros值与阈值Erosf对比；S024：获取浮标关系图；所述的台风与浮标关系计算是利用Eros距离度量方法计算台风参数对浮标的影响系数，所述的台风参数包括台风风向、距离、海温、增水、海压，所述的将两个浮标的Eros值与阈值Erosf对比为若Eros>Erosf，则台风对两者影响程度相似，具有边关系，若Eros<Erosf，则台风对两者影响程度不同，不具有边关系，且Eros值越大表明两者越相似。3.根据权利要求1所述的一种浮标数据的多目标关联度划分处理方法，其特征在于，所述的S03步骤中，包括微区内浮标间关系最大化目标公式化、微区间相关性最小化目标公式化、跨微区通信时间最小化目标公式化、微区完整性约束、微区个数约束；所述的微区内浮标间关系最大化目标公式化的公式为：其中，Cik与Cjk分别表示浮标vi与vj是否属于第k个微区，ωij表示顶点Vi与Vj间的边权值；所述的微区间相关性最小化目标公式化的公式为其中，反映所有微区的数据期望值，用于评估某一微区到微区期望值的差异；所述的跨微区通信时间最小化目标公式化的公式为其中，dlk表示第l次台风是否涉及微区Mk，C代表云计算平台读取单个微区的通信时间，Ty表示台风次数；所述的微区完整性约束的公式为所述的微区个数约束的公式为MNmin≤MN≤MNmax；MN＝MNfix，其中，[MNmin,MNmax]是一个范围，MNfix是一个适当的值；所述的微区规模约束的公式为Mmin≤|Mk|≤Mmax；k＝1，2，...，MN，其中，[Mmin,Mmax]是微区规模的范围，|Mk|是Mk的大小。4.根据权利要求1所述的一种浮标数据的多目标关联度划分处理方法，其特征在于，所述的初始化个体算法包括以下步骤：S0411：从浮标集合V中抽取K个初始点，并在个体数组中indj中将该点的值依次标记为k(k＝1,2,…,K)；...

【专利技术属性】
技术研发人员：黄冬梅，赵丹枫，徐宸弋轩，王建，梅海彬，王丽琳，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：上海,31