首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1篇
  免费   0篇
综合类   1篇
  2019年   1篇
排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
强对流天气对社会公众的危害极大,强对流风暴内部的中气旋通常与灾害天气相关.为了预测强对流天气的发生时间,研究了中气旋参数与强对流风暴参数的相关关系.针对强对流风暴参数与中气旋参数之间的变化规律,引入了时间序列关联规则的挖掘方法.收集了天津塘沽雷达站的24个包含中气旋的强对流风暴案例,使用强对流风暴参数和中气旋参数的时间序列来描述案例集合,并使用典型变量分析算法将归一化的时间序列数据降维,考虑到序列间的变化趋势和局部关键点的影响,提取单调性特征和局部极值点特征对时间序列符号化表示,将同一时间段内的符号组成事务集,使用Eclat算法发现频繁项集;并且类比于学习器的性能度量,提出评估两类数据变化规律的正比率与反比率概念.实验结果显示,强对流风暴参数与中气旋参数之间存在显著的相关性,其第1对典型变量的相关系数大于0.5;在支持度为0.05~0.30下,Eclat算法的运行时间小于0.7 ms,内存占用小于121 KB,均优于Apriori算法和FP-growth算法;强对流风暴参数与中气旋参数之间的正比率大于0.7,直观地反映出强对流风暴参数与中气旋参数之间变化趋势的相似程度,且再次验证了频繁项集的正确性.该研究为利用中气旋数据预测强对流天气的变化趋势与发生时间提供了理论依据.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号