精简观测站的模型.docVIP

精简观测站的模型 第3队 张文颖 李彦霖 王婷婷 摘要 本文在保留足够信息量的前提下以尽量精简观测站为目标，把每年的降水量作为指标，利用SAS软件首先对观测站进行聚类，然后在所得分类的基础上得到24种不同的组合，利用matlab通过对该地区降水量的期望进行估计，将精简前和精简后所得到的期望值进行比较，得出精简后的信息量，其中最大信息量对应的组合为最优组合，即要保留的观测站。本文分为模型一和模型二，模型一是用平均值来表示降水量的期望，得到最优组合为1，2，3，5，6，8，12，对应的信息量为97.5%；模型二是用区间估计降水量期望，得到最优组合为1,2,3,7,8,10,11 ，对应的信息量为88.27%。 关键词 聚类 区间估计 t分布 置信区间 置信度 问题提出 某个地区有12个气象观测站，已知这些观测站的地理位置和它们10年来所测得的年降水量。现在为了能够节省开支，想要适当减少气象观测站，应该减少哪些观测站可以使得所得到的降水量的信息量仍然足够大。 问题分析 在本题中，如果在该地区保留的观测站越多，则所测得的降水量的信息量就会越大，但是开支也会相应较高；如果在该地区保留的观测站的个数较少，则可以节省开支，但这样所测得的降水量的信息量又会较小。于是我们需要在信息量与开支之间寻求一个平衡。由于在地理环境相似的区域，降水量的梯度变化较小，这些区域的观测站所提供的降水量信息会有很大重叠，因此可以缩减这些区域观测站的数量；而在降水量梯度变化较大的区域，观测站所提供的信息会有显著差异，因此这些观测站不可撤除。于是，我们考虑根据观测站10年来观测所得的数据，将观测站进行聚类，分在同一类的观测站处于降水量梯度变化较小的区域，这一类区域可以仅保留一个观测站。 模型假设 1．此地区的降水量服从正态分布，即降水量为x的概率为P(x)=。 2．建立一个观测站会花费很大的费用。 3．减少一个观测站可以节省很大的费用。 4．不考虑地理位置对分类的影响。 符号表示 xi 表示第i个区域的观测站。i = 1，2，… 12 精简观测站前该地区每年降水量的期望 精简观测站后该地区每年降水量的期望 区间估计的置信度 [，] 置信度为时的置信区间 模型建立与求解 模型一 通过分析，我们知道：在降水量梯度变化较小的区域，观测站所提供的信息会有很大重叠，这时需要适当减少观测站；而在降水量梯度变化较大的区域，观测站所提供的信息会有显著差异，这些观测站不可撤除。因此我们需要对观测站进行分类。 基于以上的问题分析和模型假设，我们建立了以下模型 现在，我们以1981—1990这10年所得到的观测数据为指标，对这12个观测站所在的地区进行聚类。利用SAS软件，得到以下结果： 伪F统计量（图2） 其中， F = 。 它用于评价聚为G类的效果。F越大 ，类间离差平方和与类内离差平方和的比值越大，说明聚为一类的样本越相似，而类间的差异越大，所以应该取伪F统计量较大而类数较小的聚类水平。 图2中我们可以看出，当聚为8类时，F 的值达到最大，这说明聚为8类可以使得类间差异与类内差异的比值达到最大；当聚为7类时，虽然F 的值有所减小，但减小的幅度不大，也就是说聚为7类可以多减少一个观测站，并且可以使类间差异与类内差异的比值仍然保持较大；而当聚为6类时，F 的值将有很大幅度的减小，这说明分6类会使类间的差异大幅度减小，故分6类是不合理的。 伪T 统计量（图3） 其中， T = 它是用来评价聚类后的效果。 图3中我们可以看出，当聚为7类时，T 的值较小，这说明由8类聚到7类时，类内样本差异的增量较小；当再由7类聚为6类时，T值突然有较大幅度的增加，这说明若聚为6类，类内样本差异的增量会大幅度增加，故聚6类是不合理的，应该选择分为7类。 根据假设4减少一个观测站会节省很大的费用，再结合以上的分析我们可以得出，将观测站所在的区域分为7类既能够最大的节省开支，又可以使所得到的降水量的信息量仍然足够大。 结合图1，我们可以得出分类情况如下： 类别 1 2 3 4 5 6 7 观测站 1 2 3 4 7 12 5 10 6 11 8 9