基于DBSCAN聚类算法的闪电临近预报模型

doi:10.3724/SP.J.1087.2012.00847

计算机应用 ›› 2012, Vol. 32 ›› Issue (03): 847-851.DOI: 10.3724/SP.J.1087.2012.00847

基于DBSCAN聚类算法的闪电临近预报模型

侯荣涛^1,2,朱斌^1,2,冯民学³,史鑫明^1,2,路郁^1,2

1.南京信息工程大学江苏省网络监控中心,南京 210044;
2.南京信息工程大学计算机与软件学院,南京 210044;
3.江苏省防雷中心,南京 210009

收稿日期:2011-08-22 修回日期:2011-12-12 发布日期:2012-03-01 出版日期:2012-03-01
通讯作者: 朱斌
作者简介:侯荣涛(1957-),男,河北唐山人,教授,博士生导师,主要研究方向:混沌信息识别、特征提取、机器视觉、信号处理;朱斌(1987-),男,江苏常州人,硕士研究生,主要研究方向:信息安全、气象信息处理、数据挖掘;冯民学(1962-),男,江苏无锡人,正研级高级工程师,博士,主要研究方向:雷电监测与防护;史鑫明(1988-),男,江苏扬州人,硕士研究生,主要研究方向:数据挖掘、人工智能;路郁(1988-),男,江苏苏州人,硕士研究生,主要研究方向:数据挖掘。
基金资助:
国家自然科学基金资助项目(50875175);天津市自然科学基金资助项目(10JCZDJC23400);江苏高校优势学科建设工程项目。

Prediction model for lightning nowcasting based on DBSCAN

HOU Rong-tao^1,2,ZHU Bin^1,2,FENG Min-xue³,SHI Xin-ming^1,2,LU Yu^1,2

1.Jiangsu Engineering Center of Network Monitoring, Nanjing University of Information Science and Technology, Nanjing Jiangsu 210044, China;
2.College of Computer and Software, Nanjing University of Information Science and Technology, Nanjing Jiangsu 210044, China;
3.Lightning Protection Center of Jiangsu Province, Nanjing Jiangsu 210009, China

Received:2011-08-22 Revised:2011-12-12 Online:2012-03-01 Published:2012-03-01

摘要/Abstract

摘要： 针对闪电定位仪中庞大而杂乱的定位数据,提出一种基于改进DBSCAN聚类算法(IDBSCAN)进行闪电聚类分析的方法。该方法依据闪电定位系统中的实时监控数据,搜索闪电密度大于阈值范围的地闪点,建立密度可达最大值的地闪聚类簇,并找到该簇类中的核心地闪点。同时,应用邻接表结构对DBSCAN算法进行改进,使得初始地闪数据的搜索集的建立时间和空间得到大大减少。在聚类分析结果基础上,对核心地闪点的移动路径进行拟合,从而预报下一时刻的核心地闪点位置。实验证明,将IDBSCAN算法应用在闪电临近预报中是有效的。

关键词: 闪电临近预报, 定位资料, DBSCAN算法, 邻接表, 空间聚类

Abstract: Against the massive monitoring data of lightning locating system, a lightning nowcasting model based on Improved Density-Based Spatial Clustering of Application with Noise (IDBSCAN) clustering algorithm was put forward. Based on the lightning location data in real-time monitoring system, this method searched for lightning-density flash point greater than the threshold value of the land, built the cluster with up to the maximum ground flash density, and located the core of the cluster. Besides, with the application of adjacency list search algorithm, time and space consumed for the initial search set of lightning data had been greatly reduced. Furthermore, using regression fitting algorithm, the proposed algorithm can predict the path of movement of lightning cluster. The experimental results show that IDBSCAN algorithm used in the lightning nowcasting is effective.

Key words: lightning nowcasting, location information, DBSCAN algorithm, adjacency list, spatial clustering

中图分类号:

P446
TP311.1

侯荣涛朱斌冯民学史鑫明路郁. 基于DBSCAN聚类算法的闪电临近预报模型[J]. 计算机应用, 2012, 32(03): 847-851.

HOU Rong-tao ZHU Bin FENG Min-xue SHI Xin-ming LU Yu. Prediction model for lightning nowcasting based on DBSCAN[J]. Journal of Computer Applications, 2012, 32(03): 847-851.

参考文献

[1]HAND D, MANNILA H, SMYTH P. Principles of data mining [M]影印版.北京: 机械工业出版社, 2003.

[2]周水庚,周傲英,曹晶,等.一种基于密度的快速聚类算法[J].计算机研究与发展, 2000, 37(11): 1187-1192.

[3]陈燕,耿国华,郑建国. 一种改进的基于密度的聚类算法[J]. 微机发展,2005,15(3):84-89.

[4]李霞,汪庆森,巩晴霞,等. 苏州地区雷电分布规律分析[J]. 气象科技,2006,26(4):443-449.

[5]李照荣,张强, 陈添宇,等. 一次强冰雹暴雨天气过程闪电特征分析[J]. 干旱区研究,2007,24(3):321-327.

[6]刘卫宁,曾婵娟, 孙棣华. 基于DBSCAN算法的营运车辆超速点聚类分析[J]. 计算机工程,2009,35(5):268-270.

[7]CHEN YAN-HUA, MANJEET REGE, DONG MING, et al. Non-negative matrix factorization for semi-supervised data clustering[J]. Knowledge and Information Systems,2008,17(3):355-379.

[8]TSAI CHENG-FA, YEH HENG-FU, CHANG JUI-FANG, et al. An efficient data clustering scheme using partition space technique for knowledge discovery in large databases[J]. Applied Intelligence,2010,33(1): 39-53.

[9]WU YI-PU, GUO JIN-JIANG, ZHANG XUE-JIE.A linear DBSCAN algorithm based on LSH[C]// Proceedings of the Sixth International Conference on Machine Learning and Cybernetics. Piscataway, NJ: IEEE Press,2007:2608-2614.

[10]MARTIN E. A density-based algorithm for discovering clusters in large spatial databases with noise[C]// Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining. Portland, USA:AAAI Press,1996:226-231.

[11]MARZENA K R Y, PIOTR L A. TI-DBSCAN: Clustering with DBSCAN by means of the triangle inequality[C]// Proceedings of the 7th International Conference on Rough Sets and Current Trends in Computing. Berlin: Springer-Verlag,2010:60-69.

[12]DERYA BIRANT, ALP KU. ST-DBSCAN: An algorithm for clustering spatial-temporal data[J]. Data & Knowledge Engineering,2007,60(1):208-221.

[13]BORAH B, BHATTACHARYYA D K. An improved sampling-based DBSCAN for large spatial databases[C]// Proceedings of Intelligent Sensing and Information Processing. Piscataway, NJ: IEEE Press,2004:92-96.

[14]PEI JIAN, HAN JIA-WEI, MORTAZAVI-ASL B. PrefixSpan: Mining sequential patterns by prefix-projected growth[C]// Proceedings of the 17th IEEE International Conference on Data Engineering. Piscataway, NJ: IEEE Press,2001:215-224.

[1]	朱玉娜, 张玉涛, 闫少阁, 范钰丹, 陈韩托. 基于半监督子空间聚类的协议识别方法[J]. 计算机应用, 2021, 41(10): 2900-2904.
[2]	王丽娟, 陈少敏, 尹明, 许跃颖, 郝志峰, 蔡瑞初, 温雯. 基于近邻图改进的块对角子空间聚类算法[J]. 计算机应用, 2021, 41(1): 36-42.
[3]	曾梦, 宁彬, 蔡之华, 谷琼. 使用深度对抗子空间聚类实现高光谱波段选择[J]. 计算机应用, 2020, 40(2): 381-385.
[4]	王成, 崔紫薇, 杜梓林, 高悦尔. 基于DBSCAN算法和多源数据的缺失公交到站数据修补[J]. 计算机应用, 2019, 39(11): 3184-3190.
[5]	赵星宇, 赵志宏, 王业沛, 陈松宇. 基于聚类分析的微博广告发布者识别[J]. 计算机应用, 2018, 38(5): 1267-1271.
[6]	王保全, 蒋同海, 周喜, 马博, 赵凡. 类自动车牌识别轨迹数据的伴随车辆组挖掘[J]. 计算机应用, 2017, 37(11): 3064-3068.
[7]	程铃钫, 杨天鹏, 陈黎飞. 不平衡数据的软子空间聚类算法[J]. 计算机应用, 2017, 37(10): 2952-2957.
[8]	余莉, 甘淑, 袁希平, 李佳田. 基于空间邻近的点目标聚类方法[J]. 计算机应用, 2016, 36(5): 1267-1272.
[9]	吴杰祺, 李晓宇, 袁晓彤, 刘青山. 利用坐标下降实现并行稀疏子空间聚类[J]. 计算机应用, 2016, 36(2): 372-376.
[10]	支晓斌, 许朝晖. 鲁棒的特征权重自调节软子空间聚类算法[J]. 计算机应用, 2015, 35(3): 770-774.
[11]	侯荣涛路郁王琴袁程胜王军. OPTICS算法在雷电临近预报中的应用[J]. 计算机应用, 2014, 34(1): 297-301.
[12]	张洋王辰. 基于聚类的空间数据可视化方法[J]. 计算机应用, 2013, 33(10): 2981-2983.
[13]	余莉李佳田李佳段平王华. 二维空间聚类的树ART2模型[J]. 计算机应用, 2011, 31(05): 1328-1330.
[14]	李建国胡学钢. 高效的混合聚类算法及其在异常检测中的应用[J]. 计算机应用, 2010, 30(07): 1916-1918.
[15]	杨杨孙志伟赵政. 一种处理障碍约束的基于密度的空间聚类算法[J]. 计算机应用, 2007, 27(7): 1688-1691.

基于DBSCAN聚类算法的闪电临近预报模型

Prediction model for lightning nowcasting based on DBSCAN

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics