一种浮标数据的多目标关联度增量优化划分方法技术

本发明专利技术提供了一种浮标数据的多目标关联度增量优化划分方法，包括以下步骤：计算浮标和微区的表达因子层；置入新浮标至关联程度最高的微区内；判断AB‑Graph约束层；优化现有AB‑Graph使其满足增量优化划分约束。本发明专利技术根据数据间的关联性提出了一种浮标数据的多目标关联度增量优化划分方法，可实现海洋传感数据最优的动态分布式布局存储，为海洋灾害发生时提供快速高效的数据访问服务。

An incremental optimization method for multi-target association degree of buoy data

The invention provides a multi-objective correlation incremental optimization partitioning method for buoy data, which comprises the following steps: calculating the expression factor layer of buoy and micro-area; putting a new buoy into the micro-area with the highest correlation degree; judging the AB_Graph constraint layer; optimizing the existing AB_Graph to satisfy the incremental optimization partitioning constraint. According to the correlation between data, the invention proposes a multi-objective correlation incremental optimization partitioning method for buoy data, which can realize the optimal dynamic distributed layout storage of ocean sensor data and provide fast and efficient data access service for ocean disaster occurrence.

【技术实现步骤摘要】
一种浮标数据的多目标关联度增量优化划分方法
本专利技术涉及海洋数据的动态划分处理方法，具体地说，涉及一种浮标数据的多目标关联度增量优化划分方法。
技术介绍
海洋传感图广泛应用在世界各地，大范围地收集全球海洋的海水温度、盐度等剖面资料，并应用在灾害分析与海洋现象研究中，Antonia设计和开发了一个符合ISO19115和SeaDataNet标准的新信息系统，以管理大量和多样化的海洋数据和信息。设计了混合系统来优化存储能力和速度响应，最后存储在关系数据库内。Aguzzi描述了SeafloorObservatory(OBSEA)的各种组件，及其基于重叠服务层的模型的数据采集与传输方法，并且能与其他海洋传感器的数据结合。Palazov提出了基于自动仿形浮标作为欧洲Argo网络的组件。所有仪器都通过内联网连接到通信系统，测量数据被传输到中央收集系统存储在数据库中。通过互联网/内部网在浏览器的帮助下为不同用户组提供查询服务。Oh提出浮标运动监测系统，使用信号处理算法将测量的数据传输到岸上的PC。通过应用运动监测系统开发浮标的监测和管理机制。Xu对应用在海洋监测中最先进的无线传感器网络技术进行全面审查，提出了基于WSN的海洋监测系统的通用架构，海洋传感器节点的通用架构，以及无线通信技术。Novellino等人提出一个海洋观测和数据信息系统，提供接近实时和历史数据的单点访问。应用WMS服务，Web服务和Web目录对数据进行交互。Hedde基于无监督机器学习并考虑分散的异常检测，在传感器节点上检测异常。研究其聚合的邻域数据，评估其邻域大小与时空相关性，管理复杂的无线传感器网络。上述现有技术分别从传感器数据的存储架构、存储环境、传输方法等数据管理方面进行研究，然而在数据存储时没有考虑传感器间的相关性，分析传感器间的相关性对数据进行布局提升数据检索效率。图模型是研究强关联数据的一种高效方法，将数据构建为图模型的顶点，数据间的相关性构建为图模型的边，可实现对复杂海洋传感数据的模块化管理及分析。海洋传感数据是一种典型的强关联数据，将海洋传感数据构建成图模型，应用图划分方法对其进行划分后存储，得到最优的数据布局结果，可满足快速的数据检索及应用需求。图的增量优化方法是在不影响原有划分质量的前提下，用来处理图模型中顶点或边动态变化时的快速响应策略。图的增量优化方法可妥善安置图模型中新的顶点并对现有布局进行调整，使划分整体仍满足最优的数据管理需求。因此，图的增量优化方法对海洋传感数据的高效管理具有重要的价值。传统的动态处理方法通常使用顶点迁移策略，例如动态MizanSUANFA主要被用来负载平衡，xDGP算法和X-pregel算法主要针对交通网络。Vaqueroetal.提出了一种仅需要本地信息的迭代的顶点迁移策略来减少运算时间，适用于大规模图数据改变的场景。这些成熟的多目标划分方法已经广泛的使用于交通、医疗、电力网和其他领域，但是没有一个已经被成功应用于海洋传感图中。期刊文献《湖南大学学报》，2013年5月，第40卷第5期，刊出的论文“一种增量式多目标优化的智能交通路径诱导方法”，提出了一种基于增量搜索的多目标优化路径诱导方法，该方法首先利用图论法将复杂路网抽象为点线的赋权图，引入多目标优化变量，建立路网模型，然后在启发式搜索基础上引入增量搜索，结合全局规划和局部动态重规划，实现车辆的实时路径诱导，仿真结果表明该方法能有效地解决复杂路网中车辆的实时路径诱导问题。专利文献CN105117497A，公开日2015.12.02，公开了一种基于Spark云网络的海洋大数据主从索引系统及方法，尤其适用于具有空间自相关性、强相似性、实时等特点的海洋大数据；将大数据时代物联网、云计算等技术应用于分布式索引领域，以物联网作为海洋信息采集的触角，依托聚类思想设计数据划分策略，并将数据分布式部署和存储到各物理云；结合多层主从索引结构实现多源海洋数据快速一站式调用，满足各类海上预警及应急模型中高性能计算、强实时反馈、高频度查询等需求。然而，目前还未见一种浮标数据的多目标关联度增量优化划分方法。
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增量优化划分方法。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增量优化划分方法，包括以下步骤：S1，计算浮标和微区的表达因子层；S2，置入新浮标至关联程度最高的微区内；S3，判断AB-Graph约束层；S4，优化现有AB-Graph使其满足增量优化划分约束。优选地，步骤S1具体包括以下步骤：S101，分析历次台风灾害时，受影响的浮标情况，S102，分析受影响的浮标与其所属微区的关系，S103，定义浮标与所属微区的关联度表达因子，S104，计算所有浮标的关联度因子。优选地，步骤S2具体包括以下步骤：S201，通过历史台风时间，计算新浮标与现存各个微区间的关联程度，S202，比较新浮标与各个微区间的关联性强弱，S203，将新浮标置入关联程度最高的微区内。优选地，步骤S3具体包括以下步骤：S301，判断AB-Graph中的各个微区是否存在单个饱和、剩余不饱和情况，S302，判断AB-Graph中的各个微区是否存在均饱和情况，S303，判断AB-Graph中的各个微区是否存在均不饱和情况。优选地，步骤S4具体优化方法为：S401，置入后该微区规模大于预定义微区规模且仍存在有剩余空间的微区，则进行顶点迁移对现有划分进行调整，S402，置入后该微区规模大于预定义微区规模且其余微区均已满额，则对预定义的微区规模进行扩充，S403，置入后该微区规模未大于预定义的微区规模，则直接将其置入该微区。优选地，在优化现有AB-Graph使其满足增量优化划分约束的算法中，计算个体表达因子的时间复杂度为Ο(N)，执行顶点迁移算法的时间复杂度为Ο(N)，因此，算法整体的时间复杂度为Ο(N)。优选地，所述AB-Graph定义如下：AB-Graph＝(V,E)为一个无向图，V＝{vi；i＝1,2,…,|V|}是图AB-Graph中|V|个Argo浮标的集合，E＝{eij；i,j＝1,2,…,/V/；i≠j；eij＝eji}是|E|个边的集合，eij连接顶点vi与vj；边eij∈E的权值：被某一台风涉及的浮标顶点子集V′＝{v′i；i＝1,2,…,|V′|}，对且i≠j，则边eij权值增加1。优选地，浮标在微区内的关联度表达的定义如下：浮标与微区的关联度评价因子其中Ty是台风个数，dlk＝1第示l条台风与Mk微区相关,l＝1,2,…,Ty；k＝1,2,…,MN，反之亦然；Eit表示浮标vi是否被第t次台风影响范围，若Eit＝1表示浮标vi受第t次台风影响范围，反之亦然，若的取值越接近1表示浮标vi与微区Mk关系越紧密。本专利技术优点在于：本专利技术首先为海洋传感图基于NSGA-II提出了一个多目标平衡划分方法，可使微区内的传感器相关性最大化，微区间的传感器相关性最小化，并实现了微区规模平衡与跨微区通信时间最小化，该静态划分方法为海洋传感数据提供了基础的布局结果；随后本专利技术基于顶点迁移方法构建了一个增量优化策略来持续不断的优化现有布局结果。与现有新兴的图和超图划分方法例如MHP及WVD相比，本专利技术提出的方本文档来自技高网...

【技术保护点】
1.一种浮标数据的多目标关联度增量优化划分方法，其特征在于，包括以下步骤：S1，计算浮标和微区的表达因子层；S2，置入新浮标至关联程度最高的微区内；S3，判断AB‑Graph约束层；S4，优化现有AB‑Graph使其满足增量优化划分约束。

【技术特征摘要】
1.一种浮标数据的多目标关联度增量优化划分方法，其特征在于，包括以下步骤：S1，计算浮标和微区的表达因子层；S2，置入新浮标至关联程度最高的微区内；S3，判断AB-Graph约束层；S4，优化现有AB-Graph使其满足增量优化划分约束。2.根据权利要求1所述的浮标数据的多目标关联度增量优化划分方法，其特征在于，步骤S1具体包括以下步骤：S101，分析历次台风灾害时，受影响的浮标情况，S102，分析受影响的浮标与其所属微区的关系，S103，定义浮标与所属微区的关联度表达因子，S104，计算所有浮标的关联度因子。3.根据权利要求1所述的浮标数据的多目标关联度增量优化划分方法，其特征在于，步骤S2具体包括以下步骤：S201，通过历史台风时间，计算新浮标与现存各个微区间的关联程度，S202，比较新浮标与各个微区间的关联性强弱，S203，将新浮标置入关联程度最高的微区内。4.根据权利要求1所述的浮标数据的多目标关联度增量优化划分方法，其特征在于，步骤S3具体包括以下步骤：S301，判断AB-Graph中的各个微区是否存在单个饱和、剩余不饱和情况，S302，判断AB-Graph中的各个微区是否存在均饱和情况，S303，判断AB-Graph中的各个微区是否存在均不饱和情况。5.根据权利要求1所述的浮标数据的多目标关联度增量优化划分方法，其特征在于，步骤S4具体优化方法为：S401，置入后该微区规模大于预定义微区规模且仍存在有剩余空间的微区，则进行顶点迁移对现有划分进行调整，S4...

【专利技术属性】
技术研发人员：黄冬梅，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：上海,31