K-Means聚类在气象数据分析中应用.pdfVIP

98 and 2009。45C号=flJ) ComputerEngineeringApplications计算机工程与应用 K—Means聚类在气象数据分析中的应用 黄静华L2，刘小魏，，袁玫z，马楠z 1．中国矿业大学(北京)机电与信息工程学院，北京100083 00101 2．北京联合大学信息学院，北京1 3．国家气象中心预报系统实验室，北京100081 E-raail：xxtjinghua@buu．edu．cn 摘要：利用k-means算法，在气象台站历史数据基础上进行聚类研究，通过缺失值处理和数据归一化处理，修正属性对聚类算法 的权重影响。探讨了选择初始聚类核的方法，以及聚类的相异度计算的实现策略。实验表明，k-means算法在气象分析中具有较好 的聚类效果。 关键词-k-Inefl．n8算法；聚类；气象资料 文献标识码：A 中图分类号：TP311．52；TP274 1前言 ● y=∑∑(薯啦)2 (2) 。 由于大气运动非常复杂，大大小小的天气系统相互联系、 i=I‘ES 相互制约，天气系统的形成变化又与地理环境相互影响，故天 Si分别表示k个类集合i=1，2，…，k。胁是类S的平均值，≈∈ 气预报决策比较困难，预报水平不高。但是，大气在瞬息万变中 sj代表．s。中的每—个对象。 又存在诸多规律，尤其是某个天气现象的出现与一些气象要素 似均值即是类Si中所有数据的平均值，假设Si中有tit个 的变化有极大关联。要找到这些规律，就必须从大量的历史气 数据，暂∈5lJ=l，2，…，m，则均值定义如式(3)所示： 象要素数据库入手，从中分析挖掘出有预报价值、可应用于预 报决策的东西。 天气是指某地区各种气象要素在一定时期内的综合体现， 胪 ∑丝m丐一 (3) 因为天气受多因素影响，包括地形、地理位置等综合作用，所以 将偏离均值达3倍标准差的数据以偏值的方式表示，偏值 在不同地域可能有近似的天气现象。以往在考虑地区天气差异 对距离的影响较大，直接影响到聚类结果。标准差盯指统计上 时，更多的是按照地理位置，或者按降雨量聚类，很难将多因素 用于衡量一组数值中某一数值与其平均值差异程度的指标，定 综合考虑。数据仓库中沿某个维度上钻，也可理解为按某个维 义如式(4)： 度进行聚类的一种实现，但只是参照了—个维度的信息进行汇 总，没有考虑所有因素的综合作用。该文探讨采用k-means聚 (4) 类算法，将地面天气因素综合考虑，发现全局的分布模式，以及 刮挲 数据属性之间的有趣的相互关系，同时可作为其他气象信息挖 掘的预处理步骤。 流程如下： 输入：簇的数目k和包含n个对象的数据集。 2 k—means聚类算法 输出：k个簇，使方差最小。 聚类是将数据对象分组成为多个类或簇，在同一个簇中的 (1)任意选择k个对象作为初始的簇中心； 对象之间具有较高的相似度，而不同簇中的对象差别较大。k— (2)repeat means算法以k为参数，把凡个对象分为k个簇，以使类内具 (3)根据与每个中心的距离，将每个对象赋给“最近”的簇； 有较高的相似度，而类间的相似度最低。相似度的计算根据一