一种基于密度聚类的气象要素分区方法技术

本发明专利技术公开了一种基于密度聚类的气象要素分区方法，该方法首先采用基于统计约束的Delaunay三角网构建气象要素实体之间的空间邻近关系；进而，综合考虑空间邻近约束与气象要素专题属性定义气象要素实体的密度；最后，基于空间邻近与气象要素专题属性相似的双重条件将高密度的气象要素实体进行分区，并进行可视化表达。本发明专利技术的分区方法受人为因素干扰程度低，而且可以发现形状分布复杂的气象要素分布模式，结果能够进行可视化交互，从而更有利于挖掘深层次气象要素变化规律与辅助决策。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，该方法首先采用基于统计约束的Delaunay三角网构建气象要素实体之间的空间邻近关系；进而，综合考虑空间邻近约束与气象要素专题属性定义气象要素实体的密度；最后，基于空间邻近与气象要素专题属性相似的双重条件将高密度的气象要素实体进行分区，并进行可视化表达。本专利技术的分区方法受人为因素干扰程度低，而且可以发现形状分布复杂的气象要素分布模式，结果能够进行可视化交互，从而更有利于挖掘深层次气象要素变化规律与辅助决策。【专利说明】
本专利技术属于空间数据挖掘与空间分析领域，尤其涉及。
技术介绍
气象灾害及其诱发的相关地质灾害(如滑坡、泥石流等)已经成为对人类发展、生存影响最大的自然灾害。对气象要素(如气温、降水等)进行监测、归因分析及预测是应对气象灾害影响的主要手段。其中，根据气温、降水等气象要素历史或实时监测结果对气象要素的空间模式进行分区已经成为深入理解气象灾害发展、变化规律的重要手段。当前，聚类技术已经成为气象要素分区的一种主要手段，通常一个簇即视为一个分区。当前应用于气象要素分区的聚类方法主要有两类，即:基于划分的方法与基于层次的方法。其中，基于划分的方法主要包括k-means及其变种，基于神经网络的方法(KNN)亦可视为一种特殊的划分聚类方法。然而，此类方法仅适于发现体积相似、密度相似的球形聚类结构，但是这类方法的聚类结果严重依赖初始聚类中心的选择，难以发现任意形状的聚类结构(或分区)。此外，此类方法通常不考虑气象要素的空间邻近约束。一些方法将空间属性与专题属性归一化后加权融合构造距离函数，再采用基于划分的聚类方法进行聚类，但是这些方法中空间属性与专题属性间权值的确定比较困难。传统的层次聚类方法(如average-link, complete-link及ward法)大多适合发现球形的聚类结构。个别方法(如single-link)能够发现任意形状的聚类,但非常容易受到受异常值(如气温降水中的极端监测值)干扰。改进的层次空间聚类方法(如CURE)使用代表点的策略虽然能够发现较为复杂结构的聚类结构，但是其依然无法发现任意形状的聚类结构，而且过多的输入参数增加了算法的使用难度。此外，大部分层次的方法无法同时考虑专题属性与空间邻近约束进行分区。现有的密度聚类方法(如DBSCAN)仅能单独依据空间属性或专题属性进行聚类，无法识别专题属性相似且空间邻近的聚类结构。因此，现有方法在用于发现任意形状、同时满足空间邻近与专题属性相似的气象要素分区结构时，尚存在明显的缺陷。
技术实现思路
本专利技术的目的在于提供，旨在解决发现任意形状、空间约束条件下气象要素区划时受人为因素干扰程度高的问题。本专利技术是这样实现的，包括以下步骤:步骤一、气象要素实体之间的空间邻近关系构建；步骤二、依据空间邻近关系与气象要素专题属性定义气象要素实体的密度；步骤三、基于气象要素实体的空间邻近关系与气象要素专题属性的相似性，进一步引入“直接专题属性距离可达”与“间接专题属性距离相连”两个新概念，将高密度气象要素实体归入同一区域；步骤四、对聚类结果进行可视化显示，并输出最终聚类结果文件。进一步，所述的气象要素实体之间的空间邻近关系构建包括以下四个步骤:步骤一、依据气象要素实体的空间属性(即地理坐标)构建Delaunay三角网；步骤二、针对Delaunay三角网边施加边长的整体统计约束，即删除整体上的长边；步骤三、在删除整体长边的Delaunay三角网中施加局部统计约束，即删除局部的长边；步骤四、在删除整体与局部长边的Delaunay三角网中，搜索具有公共边的气象要素实体，并定义为空间邻近实体。进一步，所述的基于密度聚类的气象要素分区方法，算法必须输入参数为专题属性差异最小阈值ε direct与间接专题属性距离最小阈值ε indirect,分别用于控制实体间直接专题属性距离可达与间接专题属性距离相连的条件。进一步，所述的基于密度聚类的气象要素分区方法构建气象要素实体间空间邻近关系，需对Delaunay三角网的边长依次施加整体、局部约束。进一步，所述的基于密度聚类的气象要素分区方法，综合考虑空间邻近约束与气象要素专题属性相似定义气象要素实体的密度。进一步，所述的基于密度聚类的气象要素分区方法，其特征在于，将高密度气象要素实体分区时，借助“直接专题属性距离可达”与“间接专题属性距离相连”两个约束生成分区结果。本专利技术的分区方法受人为因素干扰程度低，而且可以发现形状分布复杂的气象要素分布模式，结果能够进行可视化交互，从而更有利于挖掘深层次气象要素变化规律与辅助决策。【专利附图】【附图说明】图1是本专利技术实施例提供的基于密度聚类气象要素分区方法的实现流程；图2是本专利技术实施例提供的依据空间位置构建的Delaunay三角网；图3是本专利技术实施例提供的空间邻近关系构建过程图中a为删除整体长边；b为删除局部长边；图4是本专利技术实施例提供的模拟数据的专题属性分布；图5是本专利技术实施例提供的本专利技术实施例提供的模拟数据的分区结果；图6是本专利技术实施例提供的删除整体长边后的气象站点Delaunay三角网；图7是本专利技术实施例提供的删除局部长边后的气象站点Delaunay三角网；图8是本专利技术实施例提供的气温数据分区结果。【具体实施方式】为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术是这样实现的，包括以下步骤:步骤一、气象要素实体之间的空间邻近关系构建；步骤二、依据空间邻近关系与气象要素专题属性定义气象要素实体的密度；步骤三、基于气象要素实体的空间邻近关系与气象要素专题属性的相似性，进一步引入“直接专题属性距离可达”与“间接专题属性距离相连”两个新概念，将高密度气象要素实体归入同一区域；步骤四、对聚类结果进行可视化显示，并输出最终聚类结果文件。进一步，所述的气象要素实体之间的空间邻近关系构建包括以下四个步骤:步骤一、依据气象要素实体的空间属性(即地理坐标)构建Delaunay三角网；步骤二、针对Delaunay三角网边施加边长的整体统计约束，即删除整体上的长边；步骤三、在删除整体长边的Delaunay三角网中施加局部统计约束，即删除局部的长边；步骤四、在删除整体与局部长边的Delaunay三角网中，搜索具有公共边的气象要素实体，并定义为空间邻近实体。进一步，所述的基于密度聚类的气象要素分区方法，算法必须输入参数为专题属性差异最小阈值ε direct与间接专题属性距离最小阈值ε indirect,分别用于控制实体间直接专题属性距离可达与间接专题属性距离相连的条件。进一步，所述的基于密度聚类的气象要素分区方法构建气象要素实体间空间邻近关系，需对Delaunay三角网的边长依次施加整体、局部约束。进一步，所述的基于密度聚类的气象要素分区方法，综合考虑空间邻近约束与气象要素专题属性相似定义气象要素实体的密度。进一步，所述的基于密度聚类的气象要素分区方法，其特征在于，将高密度气象要素实体分区时，借助“直接专题属性距离可达”与“间接专题属性距离相连”两个约束生成分区结果。本专利技术的具体方法如下:步骤一、根据空间实体的空间属性(地理坐标)构建De本文档来自技高网...

【技术保护点】
一种基于密度聚类的气象要素分区方法，其特征在于，所述的基于密度聚类的气象要素分区方法包括以下步骤：步骤一、气象要素实体之间的空间邻近关系构建；步骤二、依据空间邻近关系与气象要素专题属性定义气象要素实体的密度；步骤三、基于气象要素实体的空间邻近关系与气象要素专题属性的相似性，进一步引入“直接专题属性距离可达”与“间接专题属性距离相连”两个新概念，将高密度气象要素实体归入同一区域；步骤四、对聚类结果进行可视化显示，并输出最终聚类结果文件。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘启亮，邓敏，石岩，唐建波，刘慧敏，梅小明，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43