基于BORDA计数法的多元水文时间序列相似性分析.pdfVIP

水 利 学 报 2009年3月 SHUILIXUEBAO 第40卷第3期 文章编号：0559．9350(2009)03．0378．07 基于BORDA计数法的多元水文时间序列相似性分析 李士进，朱跃龙，张晓花，万定生 (河海大学计算机及信息工程学院，江苏南京210098) 摘要：本文针对水文时间序列的特点和当前多元时间序列相似性分析研究的不足，提出了一种新的基于BORDA数 的多元水文时间序列相似性度量计算方法。该方法首先根据多元水文时间序列数据复杂性进行主成分变换降维， 然后利用线性分段斜率距离分别计算单一序列的相似性，最后采用基于BORDA计数法的投票方法获得多元水文 时间序列整体相似性。为了证明提出方法的可行性和有效性，分别以太湖五站水位序列和宜丰洪水过程相似性分 析为例进行了验证。分析结果表明，基于BORDA计数法的多元水文时间序列相似性度量计算方法可以满足防汛 指挥中相似水文过程查找的需要。 关键词：多元时间序列；相似性度量；水文；数据挖掘；BORDA计数法 中图分类号：P333 文献标识码：A 1研究背景 水文学是一个数据密集型研究领域，长期的观测和实践积累了大量水文数据，这些数据中蕴涵着自 然界长期的演变规律和人类活动影响的信息。如何利用人工智能和数据挖掘技术从这些大量数据中发 现水文时间序列中的知识是把信息技术和水文学有机结合的一个重要研究需求。目前，水文时间序列 数据挖掘正引起越来越多的关注，很多学者都进行了相关研究，大部分研究工作集中在水文预测预 报n。5]。本文主要研究多维时间序列相似性度量，其目标是相似水文过程发现，特别是洪水过程的相似 性。该问题是单一时间序列相似性问题的拓展，但是有很大的不同。 时间序列数据挖掘研究主要包括预测、分类、相似性搜索及序列模式挖掘。相似性度量作为其他挖 掘问题的基础，得到了广泛关注№1。时间序列相似性度量研究包括单一序列相似性度量和多元时间序 列相似性度量，其中在单一序列相似性度量方面，人们提出了各种度量方法，如欧氏距离、动态时间弯曲 成分分析(PrincipleComponent Markov 隐马尔可夫模型(Hidden Vector (1)PCA+HMM；(2)PCA+HMM+SVM(Support 个HMM的输入，然后通过计算HMM的似然得分来确定多元时间序列的相似性。 PCA是处理高维数据最经典的方法，一般通过提取累计方差贡献率达95％以上的前k个主成分来 实现高维数据的降维。理想情况下第一主成分的方差贡献率就已经达到95％。此时，多元时间序列就转 收稿日期：2008．05．11 基金项目：水利部948项目(200517)；“十一五”国家科技支撑计划重大项目资助(2006BA04A13) -- 化成单变量时间序列，而单变量时间序列相似性挖掘有很多研究成果可以借鉴。但是，在很多复杂序列 中各个属性的贡献率是不相同的，某些属性对相似性的影响较大，而某些属性的影响相对较小。对于这 种复杂多元时间序列，即使经过PCA降维，也不能将多元序列转化成单变量序列，即序列仍然是多元 的，只不过维数减少，多元时间序列的相似性度量仍然需要进一步研究。本文针对水文过程相似性分析 提出一种基于BORDA数的多元时间序列相似性的新的度量方法，并分别以太湖水位和宜丰洪水时间序 列相似性分析为例，验证了该方法的可行性和有效性。 2基于BORDA计数法的多元时间序列相似性度量 2．1单一时间序列相似性度量在许多应用领域，两个时间序列之间的相似性通常利用某种距离函数 来衡量，相似程度与距离成反比关系，距离越小越相似。 优点是容易计算，可以支持索引、聚类等，缺点是不支持噪声和短期波动，不允许时间轴上相位平移和伸 缩。相似的时间序列会呈现多种变形，如振幅平移和伸缩、线性漂移、不连续、时间轴伸缩等，因此 Minkowski距离不适合直接用来进行相似性比较。 Time 动态时间弯曲(Dynamic DTW距离能够支持时间轴伸缩，但它不满足距离三角不等式，且计算代价较高。 模式距离随1也是一种有效的相似性度