基于GIS的气象时空数据挖掘和融合技术

›› 2014, Vol. 27 ›› Issue (2): 130-.

基于GIS的气象时空数据挖掘和融合技术

王卫民,叶秋菊,贺文丽,李婧

(1.陕西省气象局防雷减灾与行政执法办公室,陕西西安 710014;
2.西安电子科技大学计算机学院,陕西西安 710071)

出版日期:2014-02-15 发布日期:2014-01-12
作者简介:王卫民(1973—),男,硕士。研究方向:防雷技术。E-mail:1014122176@qq.com。叶秋菊(1989—),女,硕士研究生。研究方向:计算机应用。

Spatial-temporal Data Mining and Data Fusion of Meteorological Data Based on GIS

WANG Wei-Min, YE Qiu-Ju, HE Wen-Li, LI Jing

(1.Mine Disaster Reduction and Law Enforcement Office,Shaanxi Provincial Meteorological Bureau,Xi'an 710014,China;
2.School of Computer Science,Xidian Universitiy,Xi'an 710071,China)

Online:2014-02-15 Published:2014-01-12

摘要/Abstract

摘要：

论述了地理信息系统、数据挖掘、时空数据挖掘的概念和技术方法。在此基础上,针对气象数据具有来源复杂、种类繁多、格式多样、表现形式各异、数据量大和增长速度快等特点,提出了基于地理信息系统进行时空数据挖掘和数据融合的设想,并根据各自优势将三者进行集成并设计了其在气象服务方面的应用框架,提高了气象数据的使用率和气象服务的准确率。

关键词: 地理信息系统, 时空数据挖掘, 数据融合, 气象服务

Abstract:

This paper discusses the basic concepts and technology of geographic information systems (GIS),data mining,and spatial-temporal data mining,and on the basis of which proposes an idea based on GIS to actualize spatial-temporal data mining and data fusion according to the characteristics of weather data of complexity and diversity,diverse formats,different manifestations,huge amount of data and growth speed.The framework of its application in meteorological services is designed,which improves the utilization of meteorological data and the accuracy of meteorological services.

Key words: geographic information systems;temporal data mining;data fusion;meteorological services

中图分类号:

TP311

王卫民, 叶秋菊, 贺文丽, 李婧. 基于GIS的气象时空数据挖掘和融合技术[J]. , 2014, 27(2): 130-.

WANG Wei-Min, YE Qiu-Ju, HE Wen-Li, LI Jing. Spatial-temporal Data Mining and Data Fusion of Meteorological Data Based on GIS[J]. , 2014, 27(2): 130-.

参考文献

［1］王立伟.数据挖掘研究现状综述［J］.图书与情报,2008(5):41-46.

［2］吴喜文,马景义,吕晓玲,等.数据挖掘前沿问题［M］.北京:中国统计出版社,2009.

［3］王树良.空间数据挖掘进展［J］.地理信息世界,2009(2):34-41.

［4］赵彬彬,李光强,邓敏.时空数据挖掘综述［J］.测绘科学,2010,35(2):62-65,20.

［5］马廷淮,穆强,田伟,等.气象数据挖掘研究［J］.武汉理工大学学报,2010,32(16):110-114.

［6］THOMAS H H,JOHN R,HEGGERE R,et al.Techniques and experience in mining remotely.sensed satellite data artificial［J］.Intelligence Review,2000(14):503-531.

［7］TUGAY B T,YLLMAZ C A.A Data mining application on air temperature database［J］.Lecture Notes in Computer Science,2005(3261):68-76.

［8］向俊莲,王丽珍.PUBLIC在云南气象预报中的应用［J］.云南大学学报:自然科学版,2001,23(1):16-19.

［9］唐小萍.基于气象数据的关联规则挖掘［D］.天津:天津大学,2007.

［10］吴信才,白玉琪,郭玲玲.地理信息系统(GIS)发展现状及展望［J］.计算机工程与应用,2000(4):8-9,38.

［11］王亚民,赵捧未.地理信息系统及其应用［M］.西安:西安电子科技大学出版社,2006.

［12］QUINLAN J R.Comparing connectionist and symbolic learning methods［J］.Computational Learning Theory and Natural Leaming Systems the MIT Press,1994,1(1):445-256.

［13］张颖.基于地理信息系统的气象数据时空挖掘研究［D］.大连:大连理工大学,2012.

［14］葛登科.基于GIS的空间数据挖掘方法研究［D］.西安:西安电子科技大学,2010.

［15］邱声春.数据挖掘和数据融合技术在天气预报和气象服务中的应用研究［J］.山西气象,2007(2):34-36.

［16］吴焕萍.GIS技术在气象领域中的应用［J］.气象,2010,36(3):90-100.

［17］吕曹芳.基于GIS的空间数据挖掘研究进展［J］.皖西学院学报,2010,26(2):43-46.

[1]	肖欣招,刘建旭,伍国靖,付东翔. 三维流场测量中的微风量多传感器数据融合[J]. 电子科技, 2021, 34(12): 81-86.
[2]	朱亮,周勇,陈佳,吴晔阳,张靖. 基于GIS技术的变电站智能运检管理系统[J]. 电子科技, 2020, 33(2): 71-74.
[3]	李康. 多模态特征融合的网络安全态势评估[J]. 电子科技, 2020, 33(12): 28-31.
[4]	宋寿鹏,申静静,卢翠娥. 可视化与非可视化特征融合超声3D目标识别研究[J]. 电子科技, 2019, 32(5): 5-6.
[5]	陈冠宇，刘宇红，李乐乐. 基于模糊逻辑与数据融合的智能导盲手杖[J]. , 2016, 29(9): 114-.
[6]	周红坤. 小型无人机多传感器组合导航系统设计与实现[J]. , 2016, 29(8): 10-.
[7]	马福民. 基于复合制导的数据融合抗干扰技术[J]. , 2016, 29(5): 55-.
[8]	曾海兵,谢永亮,陈珂. 提高雷达低空探测能力的措施研究[J]. , 2016, 29(3): 164-.
[9]	惠黎明. 传感器数据融合仿真测试平台的设计与实现[J]. , 2014, 27(5): 103-.
[10]	季鹏飞,朱燕,程传统,杜晓. 基于STM32的两轮自平衡小车控制系统设计[J]. , 2014, 27(11): 96-.
[11]	徐苏娅,胡彩平,王立松. WSNS中基于Fusion-Bayes的离群点检测[J]. , 2013, 26(5): 102-.
[12]	陈凯. 基于D-S证据融合的相控阵雷达状态识别[J]. , 2012, 25(10): 67-.
[13]	薛俊晓, 李莉. 基于D_S证据理论的合作频谱感知技术[J]. , 2010, 23(7): 66-69.