水質(zhì)時間序列數(shù)據(jù)挖掘及其應(yīng)用集成研究.pdf

1、隨著長江三峽庫區(qū)蓄水位不斷升高，給庫區(qū)水環(huán)境質(zhì)量帶來了巨大的影響，為更進(jìn)一步掌握庫區(qū)水環(huán)境質(zhì)量狀況以確保庫區(qū)水環(huán)境安全，環(huán)保部門逐步建立了愈來愈完善的三峽庫區(qū)水質(zhì)監(jiān)測系統(tǒng)，獲得了大量的水質(zhì)時間序列數(shù)據(jù)。由于時間序列數(shù)據(jù)本身所具備的高維性、復(fù)雜性、動態(tài)性、高噪聲特性以及容易達(dá)到大規(guī)模的特性，急需一種方法從這些數(shù)據(jù)中發(fā)現(xiàn)水質(zhì)變化規(guī)律和分布狀況。
　　 本文以時間序列數(shù)據(jù)挖掘為基礎(chǔ)理論，以重慶市科技攻關(guān)重點項目(CSTC，2006AA

2、7024)“三峽庫區(qū)水環(huán)境安全預(yù)警平臺與輔助決策關(guān)鍵技術(shù)研究”為應(yīng)用背景，針對水環(huán)境中水質(zhì)監(jiān)測時間序列數(shù)據(jù)，圍繞時間序列數(shù)據(jù)挖掘的理論與方法研究，從時間序列模式表示、多維時間序列相似度量、時間序列預(yù)測和時間序列數(shù)據(jù)挖掘模型與預(yù)警平臺的應(yīng)用集成四方面開展以下研究工作：
　　 ①分析時間序列的模式表示，著重討論時間序列的分段模式表示，通過分析分段線性化與分段多項式的基本思想，將分段線性化全局連續(xù)性的優(yōu)點與分段多項式局部形態(tài)保持的優(yōu)點

3、結(jié)合起來，提出一種時間序列分段多項式連續(xù)模式表示方法。實驗表明，時間序列分段多項式連續(xù)模式表示在保留分段多項式在局部形態(tài)上優(yōu)點的同時具備分段線性化的全局連續(xù)性，且能夠與分段線性化模式表示兼容，更好地保留時間序列形態(tài)。該算法具有的這種時間序列形態(tài)保持性，能夠作為時間序列的趨勢提取和噪聲過濾的基本算法，可以推廣應(yīng)用于水環(huán)境安全領(lǐng)域中水質(zhì)時間序列數(shù)據(jù)預(yù)處理過程。
　　 ②在對一維時間序列Lp距離和DTW距離的相似性度量分析的基礎(chǔ)上，研

4、究將空間路徑相似引入多維時間序列的相似性度量中，通過空間路徑的相似性度量確定多維時間序列的相似性，提出基于路徑DTW相似的多維時間序列相似性度量，并將其應(yīng)用于多維時間序列聚類。通過實驗將基于一維相似累加、基于路徑歐氏距離相似和基于路徑DTW相似的多維時間序列聚類效果進(jìn)行比較，結(jié)果表明在多維時間序列聚類上，以路徑DTW相似聚類能完全正確分類，路徑歐氏距離相似聚類只在差距較小的多維時間序列間存在誤分，效果都優(yōu)于一維相似累加聚類?；诼窂紻T

5、W相似的多維時間序列聚類用于水環(huán)境河流分類，獲得了較好的實際應(yīng)用效果。
　　 ③針對時間序列神經(jīng)網(wǎng)絡(luò)預(yù)測的過擬合問題，研究RBF和神經(jīng)網(wǎng)絡(luò)集成的基本原理，結(jié)合PCA技術(shù)與樣本聚類技術(shù)，提出一種時間序列RBF神經(jīng)網(wǎng)絡(luò)集成預(yù)測的方法。在時間序列分割后形成樣本的基礎(chǔ)之上，使用PCA技術(shù)得到新樣本，以新樣本維數(shù)為個體RBF網(wǎng)絡(luò)輸入維數(shù)，順序選擇新樣本簇的中心和半徑為個體RBF的中心參數(shù)，將個體RBF對輸入/輸出的先驗知識引入到平均集成中

6、。實驗表明，該方法的時間序列預(yù)測精度高于任意個體RBF的預(yù)測精度，將該方法應(yīng)用于水環(huán)境水質(zhì)預(yù)測，獲得了較好的實際應(yīng)用效果。
　　 ④研究時間序列數(shù)據(jù)挖掘與三峽庫區(qū)水環(huán)境安全預(yù)警平臺的應(yīng)用集成方法。以服務(wù)請求的應(yīng)用集成機制為基礎(chǔ)，設(shè)計了基于服務(wù)請求的應(yīng)用集成結(jié)構(gòu)，及其開放的集成計算服務(wù)器結(jié)構(gòu)，同時定義了應(yīng)用客戶端與集成計算服務(wù)基于XML的模型查詢、模型目錄、計算請求和計算結(jié)果的服務(wù)請求協(xié)議。
　　 本文所研究的時間序列數(shù)據(jù)