![点击分享此内容可以赚币 分享](/master/images/share_but.png)
模糊C均值聚类对潮位粗差值的智能检测.pdf
《模糊C均值聚类对潮位粗差值的智能检测.pdf》由会员分享,可在线阅读,更多相关《模糊C均值聚类对潮位粗差值的智能检测.pdf(6页珍藏版)》请在咨信网上搜索。
1、第 卷第 期 年 月水 道 港 口 .收稿日期:修回日期:基金项目:中央级公益性科研院所基本科研业务费项目()天津水运工程勘察设计院发展基金项目()作者简介:刘超()男山东潍坊人助理工程师主要从事海洋测绘研究:().模糊 均值聚类对潮位粗差值的智能检测刘 超(.交通运输部天津水运工程科学研究所天津.天津水运工程勘察设计院有限公司天津)摘 要:潮位数据对于海洋研究具有重要意义针对逐渐庞大的潮位数据量智能化潮位处理是当前研究的关键 因特殊情况产生的潮位误差需要人工逐个处理为提高处理潮位数据的高效性和自动化首先获取含有粗差的潮位数据集合利用随时间变换的潮位数据提取相邻潮差、角度、曲率等特征向量构建特
2、征数据集 采用模糊 均值聚类()的方式对数据进行聚类处理设置聚类数目完成对于正常潮位和误差潮位的分类从而剔除潮位数据中的粗差值 为了检验 算法的有效性采用 聚类粗差剔除算法以及人工处理方法进行相关试验对比验证 算法的分类效果和适用性 对于剔除粗差的潮位数据采用三次样条插值方式结合缺失潮位所在时间邻域内的潮位数据构建样条函数完成插值处理以达到潮位处理的智能化关键词:潮位粗差特征向量 曲率三次样条插值中图分类号:文献标识码:文章编号:()海水受到月球和太阳引潮力的作用产生规律性的上升下降运动这种海面的升沉现象叫做海洋潮汐潮汐的变化呈现规律性通常存在半日潮、全日潮等 潮汐数据广泛应用于海洋观测、水文
3、观测、水深测量等方面其对于海上运输、海上应急救援、海上基建、潮汐发电等都有着重要意义对于海域的探索验潮是必不可少的步骤电子潮位仪是当前验潮的主要手段 但由于潮位仪在记录数据的同时存在扰动等不可抗拒要素使得潮位数据存在缺失和粗差 鉴于潮位数据的重要性对于潮位的处理和研究愈加重要尤其是潮位的智能化处理 潮位的智能化处理主要包括检测潮位是否存在数据缺失或数据错误等情况 对错误潮位进行自动识别和筛选将剔除粗差后的潮位数据进行自动插值处理呈现完整准确的潮位 对于潮位数据记录中的缺失值一般采用逐个遍历的方式搜寻由于缺失潮位易于发现因此本文研究的重点为潮位数据的粗差剔除和修正对于潮位数据粗差点的剔除当前主流
4、的检测方式仍是人工干预 人工干预需要了解当地潮汐变化规律同时依赖于内业人员的熟练程度 对于长期验潮数据的处理数以十万计的数据量对于内业人员是一个严峻的挑战因此智能化处理潮位数据十分必要 潮位变化呈现规律性变化规律对于粗差的探测需要与周期性变化规律结合 本文利用相邻潮位数据间的特征采用均值聚类的方式 完成潮位粗差的自动识别和剔除 并于其他聚类算法进行了精度分析验证算法的可行性对于剔除粗差的潮位数据进行内插修正 当前通用的参数法中余水位分析求解过程过于复杂需要计算调和参数通常用于预报潮位的获取而三次样条插值方式由于拟合曲线光滑在区域内可以获取良好的差值效果只需求解关键系数是本文宜采用的插值算法后续
5、进行试验验证 年 月刘 超 模糊 均值聚类对潮位粗差值的智能检测 剔除粗差为实现智能化潮位数据处理引入模糊 均值聚类算法()算法首先要提取数据的特征向量.潮位数据的特征提取本文主要提取了相邻潮位的潮差、角度、曲率等关键参数 因潮汐变化存在涨潮、落潮、平潮、停潮四种情况潮差变化可以有效反映潮势 角度作为另一个关键参数而角度引入增强时间与潮差的对应关系 曲率为另一个关键特征因子曲率先将时间区域内的潮位数据利用最小二乘法则拟合为光滑二次曲线 ()式中:、分别为求解二次方程系数 为时间 为潮位值 角度求解为 ()式中:表示第 个角度、为相邻潮位值、为相邻时间 曲率求解为()/()图 潮位的特征.式中:
6、、分别为 的一阶导数和二阶导数 为曲率如图 表示构建潮位数据的特征量、角度、高差、曲率分布在潮位变化中.潮位数据的粗差聚类构建 的特征数据集合利用粗差与正常潮位值之间的差异进行处理 采用距离作为相似性指标从而定义数据集中的 类且每个类的中心根据类中所有值的均值得到每个类用聚类中心来描述 对于给定的一组包含 个三维数据点的数据集 以及类别 选取欧式距离作为相似度指标聚类目标是使得各类的聚类平方和最小聚类中心为对应类别中各数据点的平均值同时为了使得算法收敛在迭代过程中应使最终的聚类中心尽可能不变图 粗差的主要类型.通常特征数据集随机初始化 簇类 确定需要人工干预 当前主要存在潮位粗差、高低差两种且
7、高低潮差存在于涨潮、落潮、平潮中图 为潮中典型粗差 均值聚类算法给予每个样本的隶属度函数 通过计算隶属度大小将样本归类建立最小目标函数 ()式中:为聚类的簇、为类标号表示属于 类的隶属度 表示第 个样本 为具有三维特征的样本为 簇的中心也具有 维度可以是任意表示距离的度量模糊度 是一个不断迭代计算隶属度 和簇中心 的过程直到达到最优化 采用拉格朗日乘法将条件极值转化为无条件极值利用拉格朗日乘法将条件极值转化为无条件极值问题引入 个拉格朗日因子如下所示水 道 港 口第 卷第 期 ()()()然后得到对各个变量的极值点 对聚类质心 进行求导求解出最有优 ()()()()同理目标函数对隶属度函数 进
8、行求导求解最优化隶属度函数 ()()隶属度求解是一个逐渐迭代的过程迭代的终止条件为()()()式中:为迭代步数 为误差阈值 继续迭代隶属度也不会发生较大变化即隶属度不变已达到最优状态该过程收敛于目标 的局部最小值或鞍点 均值聚类中的质心以隶属度为权重做一个加权平均逐步更新隶属度即如果 越靠近质心 则隶属度越高反之越低 对于关键阈值的确定方式阈值经过数理统计分析针对不同地区的区域潮位阈值的确定方式不同通常在进行阈值确定时都会对潮位样本进行先验 选取一个完整的正常潮位周期将同一周期内潮位数据进行隶属度的求解迭代至最优隶属度两次隶属度最大差值为正常潮位计算阈值 通常阈值的确定会存在一定程度的容许度容
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 模糊 均值 潮位 差值 智能 检测
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。