基于模式挖掘的中小河流暴雨洪水模式库

doi:10.3969/j.issn.1006-2475.2018.12.007

计算机与现代化

基于模式挖掘的中小河流暴雨洪水模式库

(河海大学计算机与信息学院,江苏南京211100)

收稿日期:2018-06-12 出版日期:2019-01-03 发布日期:2019-01-04
作者简介:冯钧(1969-),女,江苏常州人,河海大学计算机与信息学院教授,CCF会员,博士,研究方向:时空数据管理,智能数据处理与数据挖掘,水利信息化; 郭涛(1993-),男,江苏南京人,硕士研究生,研究方向:数据挖掘,智能洪水预报; 陈志飞(1993-),女,江苏盐城人,硕士研究生,研究方向:数据挖掘。
基金资助:
国家重点研发计划项目(2017YFC0405806); 国家自然科学基金资助项目(61602151, 6137009)

Storm Flood Pattern Library in Middle and Small Rivers Based on Pattern Mining

(College of Computer and Information, Hohai University, Nanjing 211100, China)

Received:2018-06-12 Online:2019-01-03 Published:2019-01-04

摘要/Abstract

摘要： 传统神经网络预测方法在水文领域已经有较成功的应用，但对于一些资料匮乏地区进行洪水预报时，由于训练样本的缺失，模型参数难以满足要求，使用这些方法预报结果往往并不理想。本文提出构建适用于待预报流域的暴雨洪水模式库的新思想，对该流域历史水文数据进行符号化模式挖掘处理，然后通过分析频繁模式和洪水流量水文时间序列，完成中小河流暴雨洪水模式库构建。使用具有中小河流典型特征的昌化流域的历年水文数据进行实验，实验结果表明，采用本文模式挖掘方法构建中小河流暴雨洪水模式库，并利用模式库快速预报未来洪水流量过程线走势，具有准确性和流域适用性。

关键词: 模式库, 模式挖掘, 预测模型, 水文数据

Abstract: The traditional neural network prediction method has been applied successfully in the field of hydrology. However, when flood forecasting is carried out in some data deficient areas, because of the lack of training samples, the model parameters are difficult to meet the requirements, so the prediction results using these methods are often not satisfied. In this paper, a new idea of constructing storm flood pattern library applicable to the basin to be forecasted is proposed, and the historical hydrology data of the basin is excavated and processed in a symbolic mode. Then, by analyzing the hydrological time series of frequent patterns and flood flow, the construction of storm flood pattern library of small and medium-sized rivers is completed. The experimental results show that the model mining method in this paper is used to build the pattern library of the rainstorm flood in the middle and small rivers, and the pattern library is used to quickly forecast the trend of future flood flow process, which has the accuracy and applicability of the basin.

Key words: pattern library, pattern miming, prediction model, hydrological data

中图分类号:

TP391.4

冯钧,郭涛,陈志飞. 基于模式挖掘的中小河流暴雨洪水模式库[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2018.12.007.

FENG Jun， GUO Tao， CHEN Zhi-fei. Storm Flood Pattern Library in Middle and Small Rivers Based on Pattern Mining[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2018.12.007.

参考文献

［1］ ERREIRA P G, AZEVEDO P J, Silva C G, et al. Mining approximate motifs in time series［C］// Proceedings of the 9th International Conference on Discovery Science. 2006:89-101.
［2］〖JP4〗AGRAWAL R, SRIKANT R. Mining sequential patterns［C］// Proceedings of the 11th International Conference on Data Engineering. 1995:3-14.
［3］ MOONEY C H, RODDICK J F. Sequential pattern mining-approaches and algorithms ［J］. ACM Computing Surveys, 2013, 45(2): Article No. 19.
［4］ GIANNOTTI F, NANNI M, PINELLI F, et al. Trajectory pattern mining［C］// Proceedings of the 13th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2007:330-339.
［5］ KALNIS P, MAMOULIS N, BAKIRAS S. On discovering moving clusters in spatio-temporal data［C］// International Symposium on Spatial and Temporal Databases. 2005:364-381.
［6］ AUNG H H, TAN K L. Discovery of evolving convoys［C］// Proceedings of the 22nd International Conference on Scientific and Statistical Database Management. 2010:196-213.
［7］丛翔宇,倪广恒,惠士博,等. 基于SWMM的北京市典型城区暴雨洪水模拟分析［J］. 水利水电技术, 2006,37(4):64-67.
［8］ CHIU B, KEOGH E, LONARDI S. Probabilistic discovery of time series motifs［C］// Proceedings of the 9th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2003:493-498.
［9］陈兴,孟卫东,严太华. 基于T2S模型的模糊神经网络在股市预测中的应用［J］. 系统工程理论与实践, 2001,21(2):66-72.
［10］张配亮. 天津市区暴雨径流模拟模型的研究［D］. 天津:天津大学, 2007.
［11］李亚伟,陈守煜,聂相田. 基于PCA和聚类分析的相似流域选择方法［J］. 东北水利水电, 2004,22(7):1-3.
［12］李偲松,包为民,李倩. 基于主成分分析的流域聚类研究［J］. 水电能源科学, 2012,30(3):23-26.
［13］LIN J， KEOGH E， LONARDI S， et al. Finding motifs in time series［C］// Proceedings of the 2nd Workshop on Temporal Data Mining. 2002:53-68.
［14］朱跃龙,彭力,李士进,等. 水文时间序列模体挖掘［J］. 水利学报, 2012,43(12):1422-1430.
［15］YANG Q, WU X. 10 challenging problems in data mining research［J］. International Journal of Information Technology & Decision Making, 2006,5(4):597-604.
［16］李士进,朱跃龙,张晓花,等. 基于BORDA计数法的多元水文时间序列相似性分析［J］. 水利学报, 2009,40(3):378-384.
［17］RATANAMAHATANA C, LIN J, GUNOPULOS D, et al. Mining time series data［C］// Data Mining and Knowledge Discovery Handbook. 2005:1069-1103.
［18］马寅午,周晓阳,尚金成,等. 防洪系统洪水分类预测优化调度方法［J］. 水利学报, 1997,28(4):1-8.
［19］王红瑞,林欣,钱龙霞,等. 基于异方差检验的水文过程隐含周期分析模型及其应用——模型［J］. 水利学报, 2008,39(11):1183-1189.

[1]	冀心成, 汪衍凯, 张迎, 许彦杰. 贝叶斯优化梯度提升树的室内日光照度分布预测[J]. 计算机与现代化, 2023, 0(09): 44-50.
[2]	李世佳, 侯丽娟, 汤斌, 杨柳, 刘恒, . 基于ICEEMDAN-BiLSTM-ARIMA组合模型的桥梁健康监测数据预测模型#br#[J]. 计算机与现代化, 2023, 0(07): 36-42.
[3]	陈晓雷, 王星星, 申浩阳. 智慧农业中时序数据组合预测模型[J]. 计算机与现代化, 2021, 0(09): 121-126.
[4]	赵烜. 一种基于ARIMA和LSTM的民航旅客订座组合预测模型[J]. 计算机与现代化, 2020, 0(11): 65-69.
[5]	徐肖遥, 张鹏飞, 蒋剑. 基于EMD-GAELM-ARIMA算法的大坝变形预测[J]. 计算机与现代化, 2020, 0(07): 1-5.
[6]	张雪1,倪建军1，2,陈颜1. 基于改进的核相关滤波器的长期目标跟踪算法[J]. 计算机与现代化, 2019, 0(01): 6-.
[7]	高学金1,2,3,4,付龙晓1,2,3,4,武翠霞1,2,3,4,王普1,2,3,4. 基于ISOA的LS-SVM地铁站空调系统能耗预测模型[J]. 计算机与现代化, 2018, 0(10): 36-.
[8]	刘述忠. 基于GM-RBF神经网络的股票价格预测分析[J]. 计算机与现代化, 2018, 0(08): 8-.
[9]	何金阳1，仇鸿超1，李林2，王壮3. 基于两种改进人口模型的新生育政策下人口预测与分析#br# ——以西安市为例[J]. 计算机与现代化, 2017, 0(8): 26-.
[10]	胡文博，黄蔚，胡国超. 基于OPTICS聚类和关联分析的轨迹伴随模式分析[J]. 计算机与现代化, 2017, 0(12): 82-87.
[11]	蒋继平，季芳. 一种基于学习型人工免疫算法的股价预测模型[J]. 计算机与现代化, 2017, 0(11): 122-126.
[12]	陈志飞，冯钧. 一种基于Apriori算法的优化挖掘算法[J]. 计算机与现代化, 2016, 0(9): 1-5.
[13]	陈潋，乐嘉锦，陈德华，冯洁莹. 糖尿病临床诊断事件序列中频繁模式的发现算法[J]. 计算机与现代化, 2016, 0(4): 7-11.
[14]	陈景柱. 布谷鸟优化混合核相关向量机的网络流量预测[J]. 计算机与现代化, 2015, 0(5): 94-97.
[15]	乔国娟，陈光. 一种基于预测模型的负载均衡算法[J]. 计算机与现代化, 2014, 0(8): 91-95.

基于模式挖掘的中小河流暴雨洪水模式库

Storm Flood Pattern Library in Middle and Small Rivers Based on Pattern Mining

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

本文评价