聚類技術(shù)研究及在氣象領(lǐng)域的應(yīng)用.pdf

1、　　在氣象領(lǐng)域，各地觀測(cè)站積累的海量復(fù)雜的數(shù)據(jù)一直是科學(xué)研究的對(duì)象，傳統(tǒng)的分析方法已經(jīng)無(wú)法滿足研究者對(duì)數(shù)據(jù)處理的需求，數(shù)據(jù)挖掘正是在這種情況下得以運(yùn)用并迅速發(fā)展起來(lái)的一門技術(shù)。其中，聚類分析是一種十分有效的數(shù)據(jù)挖掘技術(shù)，它根據(jù)數(shù)據(jù)本身的規(guī)律對(duì)數(shù)據(jù)集進(jìn)行自發(fā)地聚類，從而得出有效的結(jié)論，具有重要的應(yīng)用價(jià)值。因此，將聚類技術(shù)應(yīng)用到氣象的海量數(shù)據(jù)分析中，從而獲取有價(jià)值的信息，為發(fā)現(xiàn)氣象規(guī)律提供可靠依據(jù)，并為進(jìn)一步的研究奠定基礎(chǔ)。
　　首

2、先，通過(guò)對(duì)經(jīng)典的K-means算法和基于啟發(fā)式原理的引力搜索算法的研究與分析，發(fā)現(xiàn)經(jīng)典K-means算法原理簡(jiǎn)單、復(fù)雜度低，但同時(shí)存在易陷入局部最優(yōu)的問(wèn)題；此外基于啟發(fā)式原理的引力搜索算法，具有良好的全局搜索能力，在聚類過(guò)程中能夠很好地搜索全體粒子，但同時(shí)存在收斂速度相對(duì)比較慢的缺點(diǎn)。
　　其次，將K-means算法和引力搜索算法進(jìn)行結(jié)合，提出一種基于引力搜索的K-means聚類算法，該算法用K-means得到的聚類結(jié)果作為引力

3、搜索算法的初始粒子群，然后利用引力搜索算法進(jìn)行全局搜索，避免K-means過(guò)早陷于局部最優(yōu)，當(dāng)適應(yīng)值達(dá)到某個(gè)閾值時(shí)，運(yùn)用K-means將數(shù)據(jù)分到以每個(gè)粒子為中心的聚類中，并利用K-means原理計(jì)算新的聚類中心，并用新的聚類中心作為粒子的編碼值，繼而更新粒子的適應(yīng)值，加快了引力搜索算法的收斂速度。通過(guò)實(shí)驗(yàn)分析，證明改進(jìn)算法較引力搜索聚類算法提高了收斂速度和聚類質(zhì)量。
　　最后，以河北省94個(gè)氣象觀測(cè)站30多年的氣象數(shù)據(jù)為研究對(duì)象