聚類分析技術(shù)在海南省極端降水研究中的應(yīng)用

莫云音+董凌宇+吳盛洪+葉彩榮

摘 要 本文對(duì)海南省近55年的自動(dòng)站逐日降水觀測(cè)資料進(jìn)行數(shù)據(jù)清洗，利用數(shù)據(jù)庫(kù)加以存儲(chǔ)。接著利用圍繞極端值的三分聚類算法對(duì)海南省的日降水量進(jìn)行聚類分析，得到近55年來海南省的日極端降水量的日際分布情況。結(jié)果表明海南極端日降雨量55年以來每年均有出現(xiàn)，但冬季和初春極少，主要集中在8—10月，而且海南省極端降水量呈東多西少的空間分布特征。

關(guān)鍵詞 極端；降水?dāng)?shù)據(jù)；挖掘聚類分析

中圖分類號(hào) P4 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1674-6708（2016）172-0145-02

隨著氣象信息化的推進(jìn)，全國(guó)建立了大量的氣象觀測(cè)站，自建立氣象觀測(cè)站以來，各地積累了數(shù)十年的氣象觀測(cè)數(shù)據(jù)，這些數(shù)據(jù)的數(shù)據(jù)量出現(xiàn)了成幾何倍數(shù)增長(zhǎng)的態(tài)勢(shì)。海南省氣象局作為省級(jí)氣象部門，經(jīng)過幾十年的存儲(chǔ)積累，也擁有了龐大的氣象觀測(cè)數(shù)據(jù)。面對(duì)海量的觀測(cè)數(shù)據(jù)，單純靠手工處理來對(duì)其進(jìn)行應(yīng)用研究分析，幾乎是不可能的。目前，隨著計(jì)算機(jī)技術(shù)、并行處理技術(shù)的飛速發(fā)展和廣泛應(yīng)用，數(shù)據(jù)挖掘相關(guān)技術(shù)無論從理論上還是從實(shí)踐上都已經(jīng)十分成熟，是近年來數(shù)據(jù)分析方面一個(gè)十分活躍的領(lǐng)域，越來越多的學(xué)者將其應(yīng)用于數(shù)據(jù)分析當(dāng)中。因此，采用數(shù)據(jù)挖掘技術(shù)來處理這些歷年累積的氣象數(shù)據(jù)，已經(jīng)完全可能。

極端降水事件通常會(huì)造成城市內(nèi)澇、海水倒灌，引起山體滑坡、泥石流等災(zāi)害性天氣，近年來受到越來越多的關(guān)注。極端降水通常是小概率事件，存在空間的差異性，不同的地區(qū)的極端降水表現(xiàn)出不同的特征及變化趨勢(shì)。海南的極端降水事件也有自已的特征。因此，本文對(duì)海南省近55年的自動(dòng)站逐日降水觀測(cè)資料進(jìn)行數(shù)據(jù)清洗，利用數(shù)據(jù)庫(kù)加以存儲(chǔ)，采用聚類挖掘分析技術(shù)對(duì)海南省的日降水量進(jìn)行聚類分析，以期得到近55年以來海南省的日極端降水量的日際分布情況。這對(duì)于認(rèn)識(shí)海南的極端降水事件特征具有重要的意義。

1 聚類分析技術(shù)

1.1 聚類分析定義

聚類分析是根據(jù)數(shù)據(jù)對(duì)象的相似性對(duì)其進(jìn)行聚類，使相似性很高的對(duì)象在同一類中，使相似度很低的對(duì)象在不同的類中。目前，聚類分析技術(shù)在各領(lǐng)域中已經(jīng)得到廣泛的使用。在商業(yè)上，市場(chǎng)分析人員可以利用聚類分析技術(shù)，根據(jù)購(gòu)買模式挖掘出不同客戶群的特征，從而區(qū)分出不同的客戶群。在生物學(xué)上，聚類分析技術(shù)可以根據(jù)動(dòng)植物的基因進(jìn)行聚類，挖掘出各個(gè)種群的固有結(jié)構(gòu)，從而能夠更好地了解各類動(dòng)植物。在氣象上，氣象研究工作者可以利用聚類分析技術(shù)來對(duì)全國(guó)各個(gè)地區(qū)的降水量進(jìn)行聚類分析，對(duì)全國(guó)各地區(qū)的干旱等級(jí)進(jìn)行劃分，從而為氣象防災(zāi)減災(zāi)、農(nóng)作物養(yǎng)殖等方面提供有效的指導(dǎo)。

1.2 圍繞極端值的三分聚類算法

圍繞極端值的三分聚類算法策略是：在待挖據(jù)的數(shù)據(jù)集中，找出一個(gè)最大值和最小值，然后分別以這兩個(gè)值為聚類中心CMax和CMin，對(duì)剩余的數(shù)據(jù)進(jìn)行劃分。下一趟中在剩余的數(shù)據(jù)中尋求一個(gè)最大值和最小值，將這一趟發(fā)現(xiàn)的最大值和最小值分別劃分給CMax和CMin，按此方法進(jìn)行下去，直到剩余的數(shù)據(jù)量為原來總數(shù)據(jù)量的1/3時(shí)為止。

過程描述為：

輸入：結(jié)果簇?cái)?shù)目3、數(shù)據(jù)集D、數(shù)據(jù)集對(duì)象數(shù)量n。

輸出：大值中心簇CMax和小值中心簇CMin，以及由剩余對(duì)象組成的中間簇CMid，其中，每個(gè)簇包含的對(duì)象數(shù)量各為n/3。

算法：

1）遍歷數(shù)據(jù)集D一次，找出D中的最大值DMax和最小值DMin，分別以DMax和DMin為聚類中心展開聚類，并標(biāo)記DMax和DMin的狀態(tài)為已被訪問過，下次不再進(jìn)行訪問。

2）繼續(xù)遍歷數(shù)據(jù)集D，找出D中的最大值DMax和最小值DMin，DMax劃分給CMax，DMin劃分給CMin，并標(biāo)記這兩個(gè)值的狀態(tài)為已被訪問過，下次不再進(jìn)行訪問。

3）重復(fù)步驟2），直到遍歷次數(shù)達(dá)到n/3次。

4）將未做標(biāo)記的數(shù)據(jù)歸為一簇。

5）輸出CMax和CMin以及CMid，CMax按從大到小的順序排列，CMin按從小到大的順序排列，CMid中的對(duì)象則按其原來的相對(duì)位置進(jìn)行排列。

圍繞極端值的三分聚類算法是專門為異常點(diǎn)的挖掘設(shè)計(jì)的，比較適合于極端降水的挖掘，所以本文采用它來對(duì)海南省的日降水量進(jìn)行聚類分析。

2 聚類挖掘技術(shù)的應(yīng)用

2.1 數(shù)據(jù)清洗及預(yù)處理

所用資料為海南島18個(gè)觀測(cè)站 、西沙永興島觀測(cè)站和西沙珊瑚島觀測(cè)站1961～2015年的逐日降水資料。

數(shù)據(jù)源中數(shù)據(jù)可能存在錯(cuò)誤項(xiàng)，缺失值，重復(fù)值以及數(shù)據(jù)不一致等問題，在進(jìn)行數(shù)據(jù)挖掘時(shí)，這些數(shù)據(jù)會(huì)影響到數(shù)據(jù)的挖掘過程，產(chǎn)生錯(cuò)誤的挖掘結(jié)果。因此，在開始數(shù)據(jù)挖掘前需要對(duì)數(shù)據(jù)進(jìn)行清洗、集成和轉(zhuǎn)換，才能為數(shù)據(jù)挖掘行為提供完整的、干凈的數(shù)據(jù)源。

自動(dòng)氣象站實(shí)時(shí)觀測(cè)數(shù)據(jù)按照臺(tái)站號(hào)，逐小時(shí)進(jìn)行記錄，自動(dòng)氣象站設(shè)備故障、數(shù)據(jù)采集計(jì)算機(jī)故障、通訊網(wǎng)絡(luò)中斷、數(shù)據(jù)接收存儲(chǔ)中心軟硬件故障等會(huì)造成數(shù)據(jù)記錄的缺失。處理數(shù)據(jù)缺失值的常用方法有：列均值、就近跨距均值、就近跨距中值、線性內(nèi)插值和線性擬合值。由于本文研究的降水量這個(gè)氣象要素是離散型變化的，所以對(duì)短時(shí)間（12小時(shí)以下）缺測(cè)記錄采用空間插值法來補(bǔ)充，對(duì)長(zhǎng)時(shí)間（12小時(shí)以上）缺測(cè)記錄則對(duì)比人工定時(shí)觀測(cè)記錄來補(bǔ)充。

2.2 數(shù)據(jù)庫(kù)設(shè)計(jì)

為了便于進(jìn)行數(shù)據(jù)挖掘，設(shè)計(jì)建立數(shù)據(jù)庫(kù)儲(chǔ)存經(jīng)過預(yù)處理的數(shù)據(jù)集。首先完成數(shù)據(jù)庫(kù)的概念結(jié)構(gòu)設(shè)計(jì)，得到由日降水量實(shí)體構(gòu)成的E-R模型，如圖1所示。接著根據(jù)設(shè)計(jì)的E-R模型完成數(shù)據(jù)庫(kù)的物理結(jié)構(gòu)設(shè)計(jì)，創(chuàng)建數(shù)據(jù)庫(kù)，并在數(shù)據(jù)庫(kù)中創(chuàng)建每日降水量表，如表1所示。

2.3 挖掘結(jié)果

海南極端日降雨量55年以來每年均有出現(xiàn)，但冬季和初春極少，主要集中在8～10月，進(jìn)入5月后開始增多，在9月達(dá)到最高值，11月后幾乎沒有極端降水出現(xiàn)，海南省汛期出現(xiàn)的極端日降雨量數(shù)占全年的八成。而且海南省極端降水量呈東多西少的空間分布特征。

3 結(jié)論

本文采用聚類分析技術(shù)對(duì)海南省的18個(gè)基準(zhǔn)站的日降水量進(jìn)行分析研究，得到近55年來海南省的日極端降水量的日際分布情況。這對(duì)于認(rèn)識(shí)海南的極端降水事件特征，做好防災(zāi)減災(zāi)服務(wù)工作具有現(xiàn)實(shí)的意義。數(shù)據(jù)挖掘技術(shù)的產(chǎn)生給氣象領(lǐng)域的分析研究帶來了新的發(fā)展，越來越多的氣象研究學(xué)者將其應(yīng)用于氣象防災(zāi)減災(zāi)、氣象服務(wù)、氣候分析、天氣預(yù)報(bào)預(yù)測(cè)、氣象數(shù)據(jù)質(zhì)量控制等領(lǐng)域的研究當(dāng)中。然而，目前幾乎沒有學(xué)者將數(shù)據(jù)挖掘技術(shù)應(yīng)用于海南氣象領(lǐng)域研究中，因此，本文將數(shù)據(jù)挖掘技術(shù)應(yīng)用于海南極端降水研究中是本文的一個(gè)創(chuàng)新之處。希望本文的工作能夠?qū)Ｄ蠚庀蠓?wù)、防災(zāi)減災(zāi)等方面的深入研究提供有用的參考。

參考文獻(xiàn)

[1]翟盤茂，王萃萃，李威.極端降水事件變化的觀測(cè)研究[J].氣候變化研究進(jìn)展，2007，3（3）：144-148.

[2]吳慧，吳勝安.近48年海南省極端降水時(shí)空變化趨勢(shì)[J].安徽農(nóng)業(yè)科學(xué)，2010，38（19）：10101-10103.

[3]吳勝安，郭冬艷，楊金虎.海南熱帶氣旋降水的氣候特征[J].氣象科學(xué)，2007，27（3）：307-311.

[4]柯維耀.影響海南島熱帶氣旋降水分布特征分析與預(yù)測(cè)系統(tǒng)設(shè)計(jì)[D].成都：電子科技大學(xué)，2013.

[5]鄭忠平.基于關(guān)聯(lián)規(guī)則和聚類分析的異常天氣挖掘[D].成都：電子科技大學(xué)，2011.

[6]史靜，黨岳，張永欣，等.自動(dòng)站數(shù)據(jù)質(zhì)量控制中關(guān)聯(lián)規(guī)則挖掘的應(yīng)用[J].氣象科技，2014，42（4）：612-616.

[7]劉偉東，尤煥苓，任國(guó)玉，等.北京地區(qū)自動(dòng)站降水特征的聚類分析[J].氣象，2014（7）：844-851.

[8]吳巖峻.不同天氣系統(tǒng)對(duì)海南島降水的貢獻(xiàn)及其變化的研究[D].蘭州：蘭州大學(xué)，2008.