基于商空间的气象时间序列数据挖掘研究.pdfVIP

201 and 2007，43(1) ComputerEngineeringApplications计算机工程与应用 基于商空间的气象时间序列数据挖掘研究 石 扬1，张燕平1一，赵 姝1，张 玲1,2，田福生1，汪小寒1 SHI ZHANG ShulZHANG Xiao-hanl Lin91’2,TIANFu-shen91,WANG YangI Yan-pingla,ZHAO 1．安徽大学计算智能与信号处理教育部重点实验室，合肥230039 2．安徽大学人工智能研究所，合肥230039 of of ofEducation。Anhui 230039，China Ministry University，Hefei 1．KeyLaboratoryIntelligentComputingSignalProcessing 2．InstituteofAIfifieial University，Hefei230039，China Intelligence，Anhui E-mail：tulip@ahu．edu．cn a1．Researchon Sill Shu，et meteorological Yang，ZHANGYah--ving，ZHAO and EngineeringApplications，2007，43(1)：201-203． space．Computer seriesdata theframeworkof thecharacteristicof time Abstract：For meteorological set，under quotientspacegranularcomputing informationis atdifferentwithdifferent model，complicatedmeteorological analyzed layers in andthe inmulti—sideincrease is dealtwith thecombinationmethod by quotientspacetheory thinking bydegreesalgorithm．A modelthatcombinesmodel structuralmachine method(Alternative grey GM(1，1)and learning CoveringAlgorithm)ispresented data for timeseries meteorological mining(thi Bt0??鏔V@
5?s this theresultis by model，and satisfying． machine time model series；grey Keywords：quotientspace；granularcomputing；structurallearningmethod；meteorological 摘要：论文从一种新的角度。针对气象时间序列的特点，在商空间粒度计算理论框架下，采用多种粒度，从不同的层次分析复杂 的气象数据信．g-。利用商空间的合成技术，和多侧面递进算法进行综合信息处理。并提出了一种灰色模型GM(1，1)与构造性机器 学习方法(交叉覆盖算法)结合的模型对气象时间序列进行数据挖掘(产量预测)。最后，通过该模型在真实数据上的实验(冬小麦 产量预测)，取得了令人满意的结果。 关键词：商空闻；粒度计算；构造性机器学习方法；气象时间序列；灰色模型 文章编号：1002—8331(2007)01—0201—03文献标识码：A 中图分类号：’rPl8 1 引言 题。x表示问题的论域。．厂(并)表示论域的属性，可用函数f(x)： 本文讨论的通过气象信息时间序列的分析对农作物产量 X—l，表示；r是论域的结构。指论域X中各元素的相互关系。 进行预测．常用的是统计学模型(比如回归模型、灰色模型、马 分析或求解问题(X，厂，r)是指对论域X及其有关的结构、属性 尔科夫链等)，以及神经网络等方法。本文提出的是在商空间理 进行分析、研究。在论域X上给定一个等价关系R，对于R得 论框架下构建灰色模型GM(1，1)[81与构造性机器学习方法191 到商集瞄]，然后将Ⅸ】当作新的论域，并构造相应的商属性阴， (交叉覆盖算法)结合的预测模型进行气象数据挖掘。采用商空 和商结构[刀。这样就以三元组(Ⅸ】，们，[刀)构成了新的粒度世 间粒度计算理论，可以通过对问题进行宏观分析——研究不同 界的数学模型。 粒度商空间之间的转换、运动、依存的关系：(1)获取不同粒度 2．2不同粒度世界的关系 的知