地震预报中的数据挖掘方法研究控制理论与控制工程专业论文.docxVIP

上海大学博士学位论文 上海大学博士学位论文 地震预报中的数据挖掘方法研究 摘 要 地震预报是一个国际公认的世界性难题。我国地震预报事业经过30多年的 发展，积累了丰富的宝贵经验和大量的数据资料，全国的地震台网更是每日都在 记录着数以千兆计的海量地震前兆观测数据。本文将数据挖掘技术引入到地震预 报领域中，研究现有地震数据处理与数据挖掘技术交叉结合的方法，充分应用现 代高性能计算环境，从这些海量数据中挖掘出地震预报所需的规律性知识，以便 辅助领域专家提高地震预报的准确性。 在探讨现阶段数据挖掘算法模型及其实现基础上，本文首先对地震预报的传 统方法(地震震例数据和前兆观测数据分析)进行探讨。同时，围绕地震地区相 关性分析、地震序列分析和地震前兆的规律性认识等关键问题进行分析研究，实 现并行关联规则算法、基于地震相似度的时间序列相似性匹配算法以及序贯模式 挖掘算法。然后，基于时序分析技术，提出一系列地震前兆观测数据处理模型和 并行实现算法。最后，结合实际应用实现一个地震预报并行数据挖掘平台，为地 震预报数掘挖掘的海量数据处理提供强大技术支持。 本文的主要创新性工作包括： 1．基于关联分析技术研究地震相关地区的搜索方法，提出并实现了一种基 于主从模式设计的并行关联规则算法FPM—LP(Fast Parallel Mining of Local Pruning)。本文把地震地区相关性问题转化为时间序列的关联规则挖掘问题，通 过相关的实验和结果分析，挖掘出许多有价值的地震区域相关性知识。 2．基于时间序列相似性匹配技术对地震地区相关性进行分析，实现了基于 相似度的地震时间序列相似性匹配算法WSM3S(Whole Sequence Matching Based—on Seismo Similiarity Support)。本文从地震三要素时、空、强的三维角度， 给出了地震相似度定义和时间序列相似性匹配模型及算法。通过分析近二十年来 我国地震活动频繁区域的历史数据，应用该算法进行多种不同粒度、不同时间差 的序列相似性实验分析，取得了可信度较高的结果。 3．基于序贯模式挖掘技术进行地震序列分析的研究，提出并实现一种基于 广义约束规则的序贯模式挖掘算法SPBGC(Sequential Pattem Mining Based General Constrains)。本文将地震序列的相关领域知识定义为一组广义约束规则， 应用该算法从地震震例数据中挖掘广义地震序列，为领域专家进行地震序列的相 似性研究提供强有力的支持。 4．基于时序分析技术重点研究地震前兆观测数据的处理方法，提出一系列 实用地震前兆观测数据处理并行实现算法。首先，提出基于动态规划的时间扭曲 方法进行子序列搜索的相似性度量，能有效地进行考虑噪声、幅度、偏移等问题 上海大学博士学位论文 上海大学博士学位论文 地震预报中的数据挖掘方法研究 的不精确时间序列匹配；其次，实现基于奇异值分解的多维时间序列相似性比较 算法SSVD(SimilarityBased SingularValueDecomposition)：最后，应用自底向 上的时间序列划分方法，提出基于频度的动态划分时序模式挖掘算法SSMBF (Sub—Sequence Matching Based—on Frequency—Partition)。通过实验证明，该算 法能有效地从海量历史数据中挖掘出单变量和多变量组合的时间序列频繁模式， 从而辅助领域专家及时发现地震前兆观测数据中的异常信息。 5．依托本单位自强2000高性能计算环境，实现一个基于Cluster机群系统 的地震预报并行数据挖掘平台PDMPEP(Parallel Data Ming Platform for Earthquake Prediction)。以Cluster机群系统作为地震预报数据挖掘平台的并行 支撑环境，基于面向对象技术封装平台的数据挖掘算法库；同时，提出并行数据 挖掘管理中间件的概念，运用软件分层思想，将并行挖掘算法的运行控制及相关 的数据操纵功能从平台中分离出来，极大提高了系统的鲁棒性和可扩展性。 注：本文背景课题“地震预报中的数据挖掘方法研究”得到上海市自然科学 基金(项目编号03ZRl4038)-与国家地震科学联合基金(项目编号104090，与上海 市地震局合作)的共同支持。 关键词： 地震预报，数据挖掘，关联规则，时间序列，序贯模式，地震序列 地震地区相关性，地震前兆观测数据，并行数据挖掘平台 U 上海大学博士学位论文 上海大学博士学位论文 地震预报中的数据挖掘方法研究 ABSTRACT Earthquake prediction is worldwide challeng