精細化農業(yè)氣候區(qū)劃中并行計算技術的研究.pdf

1、隨著全球氣候條件的變化，以及現代農業(yè)生產的迅速發(fā)展，對農業(yè)氣候資源的分析與應用提出了更高的要求?，F代的精細化農業(yè)氣候區(qū)劃中的核心技術有小網格插值技術和農業(yè)氣候資源區(qū)劃技術。
　　 小網格插值技術在氣候資源的分析中得到了廣泛的應用。它是基于地理信息系統(tǒng)技術對各種應用領域的相關信息進行精細化研究的重要手段。小網格插值技術屬于海量數據處理技術，需要大量的計算時間，無法滿足實時分析的要求。為了提高系統(tǒng)的反應時間和信息處理的效率，在對小網

2、格插值的關鍵技術Kriging算法進行并行化研究之后，采用數據并行策略和Master/Slave編程模型，并應用了動態(tài)負載均衡技術來進一步提高算法的并行效率。
　　 農業(yè)氣候資源區(qū)劃技術主要有聚類分析、權重法、專家打分法等。K-means算法是聚類分析中一種基于劃分的聚類算法，常采用偏差作為聚類準則。它是精細化農業(yè)氣候區(qū)劃中用到的關鍵聚類技術。由于小網格插值數據信息量大，而且需要進行實時聚類及分析，這就需要改進經典的K-mean

3、s算法。為了提高傳統(tǒng)K-means算法的聚類精度和運行效率，提出了兩種新改進的算法：CK-means算法和K-means＃算法。CK-means算法是一種基于競爭策略的改進算法，針對小網格插值數據(一維海量數據)，該算法與經典K-means算法具有相同的氣候資源區(qū)劃結果，但是運行效率更加優(yōu)越。目前，該算法已成功地應用于精細化農業(yè)氣候區(qū)劃中。K-means＃算法采用K-means++算法的“D2seeding”方法來初始聚類中心，并在聚類

4、分析的過程中引入“鄰居聚類中心集”的概念。該算法不僅提高了經典K-means算法的聚類精度，而且顯著地加快了其運行效率。
　　 為了進一步提高聚類分析的執(zhí)行效率，論文同時研究了并行K-means++算法與并行K-means＃算法的實現。在研究K-means++算法自身的特點以及各機器節(jié)點的處理能力的基礎上，采用數據并行以及負載均衡的策略，實現了并行K-means++算法。實驗結果表明：并行K-means++算法的聚類結果與串行算