多度量水文时间序列相似性分析

多度量组合可以提高相似性分析的准确性,基于该思想,提出多度量水文时间序列相似性分析方法,首先,使用多个单一相似度量分别计算相似时间子序列,然后,采用改进BORDA投票法对各度量分析得到的相似子序列进行组合和排序,得到最终的相似时间子序列。为了证明提出方法的可行性和有效性,以淮河流域王家坝水闸洪水过程相似性分析为例进行了验证。分析结果表明,基于改进BORDA投票法的多度量水文时间序列相似性度量方法可以提高相似查询的准确性。     

基于语义相似的水文时间序列相似性挖掘——以太湖流域大浦口站水位数据为例

利用数据挖掘技术从长期观测的数据序列中发现蕴藏的规律是当前研究热点之一。相似性挖掘是时间序列挖掘的基础,提出一种基于语义相似的水文时间序列相似性查询方法。首先利用小波变换将时间序列进行平滑处理,在此基础上进行极值点分段并符号化,每个符号代表一种语义模式,从而选取语义相似的子序列作为候选集,再将候选集中子序列通过动态时间弯曲距离进行精确匹配从而得到相似子序列(以太湖流域大浦口站水位数据为例),实验证明,该方法能够在大幅度降低时间复杂度的基础上较准确地查找出相似子序列。     

水文数据库数据质量控制与管理应用研究

数据质量问题已经成为水文信息化过程成败的重要影响因素。本文以水文数据库为背景,分析了水文数据质量评估关键指标维度、数据质量问题的来源及其分类,建立了水文数据库数据质量评估模型和控制模型,并从实践角度探讨了数据质量控制和改进的若干方法。     

多分类器实例协同训练遥感图像检索

提出一种基于多分类器协同训练的遥感图像检索方法,该方法在不同特征集上分别建立分类器,利用不同分类器的协同性自动标记未知样本,从而有效解决了小样本问题。通过与相关反馈方法进行实验比较分析,结果表明,这两种方法各有优劣,检索结果基本相当,然而多分类器协同训练方法避免了相关反馈过程中人工的多次反馈,自动化程度更高。     

基于嵌入式索引的水文时间序列相似性搜索模型

相似模式挖掘已成为水文领域一个重要研究方向。对水文数据的相似性挖掘,有利于掌握水文数据变化规律和趋势,为洪水预报、防洪调度提供支持,是具有重要意义的工作。为此,在引入时间序列嵌入索引的基础上,结合水文时间序列的特点提出水文时间序列的快速搜索方法。该方法通过序列分割、聚类和参考集训练从原始序列中获取参考序列集,在此基础上通过索引计算方法,将相似性搜索过程映射到欧氏向量空间的搜索,从而提高了搜索效率。