基于DBSCAN聚类算法的闪电临近预报模型

被引：22

作者：

侯荣涛 ^{[1
,2
]}

朱斌 ^{[1
,2
]}

冯民学 ^{[3
]}

史鑫明 ^{[1
,2
]}

路郁 ^{[1
,2
]}

机构：

[1] 南京信息工程大学江苏省网络监控中心

[2] 南京信息工程大学计算机与软件学院

[3] 江苏省防雷中心

来源：

计算机应用 | 2012年 / 32卷 / 03期

基金：

天津市自然科学基金;

关键词：

闪电临近预报; 定位资料; DBSCAN算法; 邻接表; 空间聚类;

D O I：

暂无

中图分类号：

P457 [主要气象要素和天气现象预报];

学科分类号：

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。

引用

页码：847 / 851

页数：5

共 7 条

[1] 基于DBSCAN算法的营运车辆超速点聚类分析
刘卫宁
曾婵娟
孙棣华
[J]. 计算机工程, 2009, 35 (05) : 268 - 270
[2] 一次强冰雹暴雨天气过程闪电特征分析
李照荣
张强
陈添宇
付双喜
[J]. 干旱区研究, 2007, (03) : 321 - 327
[3] 苏州地区雷电分布规律分析
李霞
汪庆森
巩晴霞
曾山泊
肖稳安
[J]. 气象科学, 2006, (04) : 442 - 448
[4] 一种改进的基于密度的聚类算法
陈燕
耿国华
郑建国
[J]. 微机发展, 2005, (03) : 17 - 19+89
[5] 一种基于密度的快速聚类算法
周水庚
周傲英
曹晶
胡运发
[J]. 计算机研究与发展, 2000, (11) : 1287 - 1292
[6] PHD: an efficient data clustering scheme using partition space technique for knowledge discovery in large databases[J] . Cheng-Fa Tsai,Heng-Fu Yeh,Jui-Fang Chang,Ning-Han Liu.Applied Intelligence . 2010 (1)
[7] Non-negative matrix factorization for semi-supervised data clustering
Chen, Yanhua
Rege, Manjeet
Dong, Ming
Hua, Jing
[J]. KNOWLEDGE AND INFORMATION SYSTEMS, 2008, 17 (03) : 355 - 379

← 1 →