气象大数据时空特性分析方法.docVIP

气象大数据时空特性分析方法 1、相关定义 1.1、定义 3.1.1 与时间相关的概念3.1.1 与时间相关的概念 在实践中,由于时间是现实世界数据库本身固有的因素,所以在数据中常常会发现时 态语义问题。时态数据的出现使我们有必要在知识发现过程中考虑时间因素。在现实世界 数据库中可以发现各种各样的时态数据,例如,一个股票市场的行情变化,超市的交易记 录有时间标记、病员的病历数据记录、天气数据日志文件等等。本文所说的时态语义是所 谓的时间约束问题,即如果数据库中的每个元组均有其有效时间,那么在数据库中所发现 的知识也必然有相应的时间约束,以表明所发现的知识何时是有效的。 传统数据库在添加了时间属性后,相应的概念、性质、基本原理、基本方法都发生了 变化。时间元素构成了记录和标识元组时间属性的基本原子。 a.时间模型 在自然界中,时间是每时每刻都存在,连续发生且一去不返的,它在时间轴上是连续 存在的。基于对时间轴结构的选择,时间模型可以划分为以下几种模型 [30] 。 (1)连续模型(Continuous Model) 连续模型把时间同构于实数,每个实数对应于一个时间点。因此,在时间轴的两个时 间点之间,可以存在其他的时间点。这种模型能够最精确的为时间建模。实际中,在许多 27 实时控制场合,例如工业控制领域,需要记录大量随时间变化的数据,此时不可能按照连 续的方式记录所有的数据,往往采用的采样的方法,对相邻采样时间点间的数据通过插值 的方法得到。 (2)步进模型(Stepwise Model) 步进模型把数据的状态看成是时间的函数。当时间点上的数据状态发生变化时才记录 状态变化,否则保持不变。这种模型下,时间序列上任一点上的数据值对应于上一次数据 改变时保持的状态,如果需要查询当前数据的值,则需要回溯。 (3)离散模型(Discrete Model) 离散模型把时间和整数映射起来,且在相邻的两个时间点之间不存在另一个时间点。 任一时间点有前驱和后继时间点。实际应用中,该模型通常用来记录在关键点上才有意义 的数据。 (4)恒定模型(Non Temporal Model) 有些数据是不随时间变化的,例如,生日,籍贯等。这些数据只有其本身固有的属性, 但是大部分数据在一种情况下没有时态属性,但在另一种情况下往往会有时态属性。例如, 住址、身份、工作单位等。在一般情况下,建模时通常没有充分考虑值随时间变化的情况。 如果发生变化,就用最新值进行替换。 b.时间基本元素单位 时间元素(Time Element)就是指表示时间属性值的元素,时间元素对于正确有效的 表达记录时间属性有着重要的意义。对于时间元素来说,出于表达的需要,有许多的具体 形式,例如有的是离散的时间点,有的是连续的时间区间,还有较为复杂的集合形式。 (1)时间点 [30] 基于点的时间是将时间离散化,事物或事件的时间属性用时间点表示。基于点的时间 元素,成为时间点,又称为时刻。时间点是时间轴上的一点,它是和时间粒度相关的。例 如,2006 年 5 月 22 日,时间粒度精确到”天(day)”。如果系统使用的最小时间粒度是 “秒(second)”,则该时间点在系统内的表示必须换算成 2006 年 5 月 22 日 0 时 0 分 0 秒 。 时间点可以形式化描述如下: 令整个时间系统:I={P, ≤t},其中 P={p1,p2,...,pn}为时间点的有限集合。 “≤t”表示 P 上的时序,pi ≤t pi+1表示 pi不会出现在 pi+1之后,即 pi发生在 pi+1之前 或者与 pi+1同时发生。 (2)时间区间 [30] 在基于区间的时间元素中,时间的基本单位是时间段或者时间区间,即通过描述时间 段的起始点和终止点来描述时间区间。时间区间是指一段时间,有固定的起止时间点,例 如 2000 年~2008 年。时间区间的表示方法根据两端时间点是否封闭分为四种,如下表所 示: 2 8 表 3-1 基于时间区间的描述方法 Tab.3-1 Interval Based Discription of Time 表示 含义 (1) [pi,pj] pi≤ t ≤pj (2) [pi,pj) pi≤ t 1.2、相关概念的界定 1.3.1 价值、核心价值与核心价值体系 “价值这个普遍的概念是从人们对待满足他们需要的外界物的关系中产生 的。” 也就是说价值是主体需求与客体属性的统一。但在认知具体事物的过程中,因 为人对客观事物的认知受到科学技术等方面的制约,再加上人的主观性,对事物的价 值认知自然会是千差万别。但在这些各种各样的价值观念中,有的居于主导地位,有 的居于从属地位。主导价值观也就是核心价值观,它决定着整个社会生活的发展方向, 体现着社会的本质属性。 一个国家、一个民