基於時空序列的水文過程相似性挖掘

《基於時空序列的水文過程相似性挖掘》是依託河海大學，由朱躍龍擔任項目負責人的面上項目。

基本介紹

• 中文名：基於時空序列的水文過程相似性挖掘
• 項目類別：面上項目
• 項目負責人：朱躍龍
• 依託單位：河海大學

項目摘要

水文是一個數據密集型領域，長期的觀測和實踐積累了大量的水文數據，這些數據中蘊涵著自然界長期的演變規律和人類活動影響的信息。如何利用人工智慧和數據挖掘技術從這些大量數據中發現水文時空序列中的知識是把信息技術和水文學有機結合的一個重要研究需求。本項目圍繞防洪減災信息服務，研究基於時空序列的水文過程相似性分析和水文序列模式挖掘。其中，水文過程相似性的研究成果可套用於相似洪水過程查找，為防洪調度和洪水災害評估提供新的技術手段；水文序列模式挖掘結果有助於掌握水文長時間序列中的隱含變化規律。相似水文過程分析主要研究符合水文領域物理涵義的語義相似性墓坑射度量，並研究同時考慮諸多相關水文要素的多元水文時空間序列相似問題。在序列模式挖掘方面，本項目主要從頻繁模式、部分周期模式等方面進行研究。本項目的開展不但對提高防洪減災決策支持能力具有重要的意義，而且對於數據挖掘等相關領域的套用基礎理論研究也具有一定的意義。

結題摘要

在項目組共同努力下，我們較好地完成了研究任務。依託本項目，發表論文20篇，其中SCI檢索3篇，EI檢索11篇，中文核心期刊8篇，國際會議論文8篇；申請發明專利12件，其中已授權2件；培養博士研究生3名，已經畢業碩士研究生7名。 主要研究成果如下： 1水文時間序列相似性挖掘：提出了基於語義相似的水文時間序列相似性度量，快速發現相似洪水過程式列，滿足防汛調度對歷史相似洪水過程的查詢需求；提出了新的降雨時間序列相似性比較模型和降雨站點分區模型，通過提取單場降雨序列的特徵並進行聚類分析得到若干降雨過程類型，然後基於直方圖相似性在高維流形空間進行降雨站點分贈歸區，為水資源管理提供新的技術支撐；基於信息融合思想，採用改進BORDA計數法對多度量分析得到的相似子序列進行排序，得到最終的相似子序列，結果表明多度量融民埋辯合的水文時間序列相似性度量方法能夠提高付定煮相似查詢的準確性。 2異常模式挖掘：通過將時間序列符號化結合距離度量的思路解決時間序列異常挖掘問題，採用擴展符號聚集近似技術對時間序列進行特徵提取並符號化，根據符號距離進行異槓朵汗常挖掘；改進特徵點提取方法，提出基於特徵點符號聚集近似的動態時間彎曲匹配距離。 3序列模式挖掘：針對水故兵龍嚷文時間序列的特點以及對洪水和旱情長期演變發生規律的挖掘需求，提出基於小波變換、極值點分解和符號化的模體挖掘方法GSB-VLMD，解決了長期演變的洪旱災情模式自動發現問題。 針對水文時間序列中洪旱事件非全周期性的特點，提出一種新的基於後綴樹的多-事件序列的近似部分周期模式挖掘算芝歡煉兵法，為自動發現變化環境下水文時間序列長期演變的周期規律提供新方法。 4基於時間序列相似性挖掘的數據驅動洪水預報新方法：首先利用時間序列相似性匹配估計上下游洪峰的傳播時間，再結合前期降雨進行聚類得到若干組相似洪水過程，分別對不同洪水過程建立SVR子模型，最後進行多SVR模型集成預報，提高了洪峰的預報精度。 針對河道小波網路模型，提出了一種基於加權相關係數的小波選擇準則，精簡預測模型的輸入，降低模型的複雜度，提高預報精度。 5在其他領域的拓展：將本項目研究的時間序列相似性分析方法推廣到高光譜圖像分析領域，提取時間序列重要點特徵，降低特徵維度，提高后續特徵選擇搜尋算法的效率。 6套用：項目研究成果在“引江濟太水量水質數據分析”、“南京市防汛指揮系統”推廣套用，取得了良好的社會和經濟效益。