【原创】薛存金:面向海洋异常变化的时空关联挖掘模型
此内容为数据派独家内容,数据派是清华大数据产业联合会官方微信公众账号,定期发布清华大数据系列讲座信息,分享讲座实录,欢迎个人转发、收藏 。 其他机构或媒体如需转载,请联系 yafei.xue@tsingdata.com 申请授权。 【在“数据派”回复“清华大数据”可下载此ppt(有效期7天哟)】 编辑:张梦 本文选自中国科学院数字地球重点实验室薛存金副研究员于2016年3月25日在清华大学“海洋大数据论坛”上所做的题为《面向海洋异常变化的时空关联挖掘模型》的演讲。 下面分析一下我们想做的事情,利用多源数据和已有的时空挖掘算法,如何建立面向海洋异常变化的海洋时空挖掘理论?
针对时空关联规则挖掘模式做了一个框架结构。我们分析有四个方面的需求,首先要做的是从一个要素到多个海洋要素与全球变化信息的时空关联规则挖掘。第二是实现共位模式的海洋时空关联规则挖掘。第三是实现不同海域的海洋时空关联规则挖掘。第四是同时实现海洋时空关联知识在“区域”和“位置”上的可视化。
下面这个图简单的结构,从底层的数据层到中间的挖掘方法。 现在对这个数据最基础的数据是遥感数据,为了实现不同的区间,对遥感数据有一个对象的提取。在方法方面分析了现有的方法,也有我们自己的方法。然后实现对象和栅格不同的关联。在这边我们首先想说一下针对遥感数据,首先是对象,有ENSO事件的识别、海洋锋、涡旋等,这些区域是比较敏感变化的区域提取。
下面这个是面向栅格挖掘的结构,首先是针对多持续的遥感数据,满向时空挖掘的序列,然后是空间、时间、信息,定义一切的支持,这是我们的一个模式挖掘方法和模式的提取。
下面是几个对比的情况,这个代表的是计算的时间,红色的曲线是AP算法,蓝色的曲线是我们的算法,在不同的支持度情况下,随着支持度的降低,效率是比较明确的。随着支持度增加,这两个算法的差异不太明显。在二维关联模式基础的过程中,如果支持度增加,勾选项就比较少。这一项相对两个之间的差异不会太大。从关联模式上来看,随着支持度的增加,模式降低了,这个符合基本关联的情况。
最后就是我们得出来的一些具体规则的挖掘。这个表达的LaNina事件发生的时候,区域1SLA异常降低,前后2个月该区域温度变化的情况。最后讨论涉及到这样的规则框架,有两个策略,对象和栅格。然后是每个栅格要素与运算信息比较全面,但是比较复杂。如果是对象的话,算法简单,但是信息丢失是一个情况。谢谢大家。 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |