專利名稱：一種海洋災(zāi)害預(yù)警方法
技術(shù)領(lǐng)域：
本發(fā)明涉及海洋環(huán)境領(lǐng)域，尤其涉及一種海洋災(zāi)害預(yù)警方法。
背景技術(shù)：
現(xiàn)階段，用于海洋災(zāi)害預(yù)報(bào)的方法基本采用數(shù)值預(yù)報(bào)方法。其是利用大型、 快速的電子計(jì)算機(jī)求解描述海洋氣象運(yùn)動的方程組來制作海洋災(zāi)害預(yù)報(bào)的方 法。其預(yù)測過程的運(yùn)算量龐大，耗時(shí)長且消耜4交多的資源。
在數(shù)值預(yù)報(bào)中，由于一些小尺度或接近于小尺度運(yùn)動的無法在預(yù)測模型中 確切的反應(yīng)出來，再加之?dāng)?shù)值預(yù)報(bào)方法的模型中參數(shù)的確定缺乏客觀準(zhǔn)確的方 法，從而導(dǎo)致了預(yù)測結(jié)果的準(zhǔn)確性降低。
另外，雖然在適當(dāng)條件下，可以證明某些線性微分方程組的穩(wěn)定格式的數(shù) 值解，能夠近似表示相應(yīng)的微分方程組的真解，但對于非線性微分方程來說， 這兩種解可能不完全一致。有時(shí)候數(shù)值解即使是計(jì)算穩(wěn)定的，但卻與真解毫無 相似之處。此種原因，也能夠?qū)е骂A(yù)測結(jié)果的準(zhǔn)確性降低。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于提出 一種快速且可靠性高的海洋災(zāi)害預(yù)警 方法。
為了解決上述技術(shù)問題，本發(fā)明提供一種海洋災(zāi)害預(yù)警方法，包括以下步
驟
a、 獲得監(jiān)測數(shù)據(jù)；
b、 分析所述監(jiān)測數(shù)據(jù)得到其所構(gòu)成的事件；
c、 按照所述事件并根據(jù)統(tǒng)計(jì)預(yù)測模型預(yù)測災(zāi)害事件。
其中，步驟b中所述事件為預(yù)先設(shè)置的條件，若滿足所述條件，則認(rèn)為構(gòu) 成了所述事件。其中，所述統(tǒng)計(jì)預(yù)測;漠型通過以下方式獲得
A、 通過確定條件設(shè)定若干事件；
B、 遍歷歷史數(shù)據(jù)庫中的監(jiān)測記錄，確定所述若千事件是否發(fā)生并記錄；
C、 利用關(guān)聯(lián)規(guī)則方法確定所述若干災(zāi)害事件中的僅包含一個(gè)災(zāi)害事件的關(guān) 聯(lián)事件；
D、 根據(jù)所述關(guān)聯(lián)事件同時(shí)發(fā)生的次數(shù)與所述關(guān)聯(lián)事件中非災(zāi)害事件發(fā)生次 數(shù)的比率生成預(yù)測模型。
其中，步驟A中所述條件包括相關(guān)站點(diǎn)、數(shù)據(jù)屬性、屬性范圍、事件類 別、比4交方式、前向時(shí)間。
其中，所述條件還包括相關(guān)歷史站點(diǎn)。
其中，所述比較方式包括區(qū)間范圍內(nèi)、區(qū)間變化、區(qū)間對比； 所述區(qū)間范圍內(nèi)表示所述相關(guān)站點(diǎn)在當(dāng)前時(shí)間之前的所述前向時(shí)間的數(shù)據(jù) 屬性的在所述屬性范圍內(nèi)；
所述區(qū)間變化又包括特定時(shí)間段和歷史時(shí)間段；所述特定時(shí)間段表示所述 相關(guān)歷史站點(diǎn)在設(shè)定的時(shí)間范圍內(nèi)的所述數(shù)據(jù)屬性與所述相關(guān)站點(diǎn)在當(dāng)前時(shí)間 之前的所述前向時(shí)間的所述數(shù)據(jù)屬性的變化關(guān)系符合所述屬性范圍；
據(jù)屬性的平均值與所述相關(guān)站點(diǎn)在當(dāng)前時(shí)間之前的所述前向時(shí)間的所述數(shù)據(jù)屬 性的變化關(guān)系符合所述屬性范圍；
所述區(qū)間對比表示所述相關(guān)站點(diǎn)在設(shè)定的相關(guān)站點(diǎn)時(shí)間段內(nèi)的所述數(shù)據(jù)屬 性的平均值與所述歷史相關(guān)站點(diǎn)在設(shè)定的歷史相關(guān)站點(diǎn)時(shí)間段內(nèi)的所述數(shù)據(jù)屬 性的平均值的變化關(guān)系符合所述屬性范圍。
其中，所述事件類別包括正常事件和災(zāi)害事件；所述災(zāi)害事件至少包括風(fēng) 暴潮、赤潮、巨浪及海嘯中的一個(gè)。
其中，所述步驟C包括
Cl、確定步驟B中所發(fā)生事件中每一個(gè)所發(fā)生的次數(shù)占所述歷史數(shù)據(jù)庫中 全部監(jiān)測記錄的數(shù)量的比率，并與預(yù)先設(shè)置的第一支持度比較，若小于所述第 一支持度則剔除，否則保留作為頻繁一項(xiàng)集；
C2、確定所述頻繁一項(xiàng)集中任意兩個(gè)僅包含一個(gè)災(zāi)害事件的關(guān)聯(lián)事件同時(shí) 發(fā)生的次數(shù)占所述歷史數(shù)據(jù)庫中全部監(jiān)測記錄的數(shù)量的比率，并與預(yù)先設(shè)置的第二支持度比較，若小于所述第二支持度則剔除，否則保留作為頻繁二項(xiàng)集；
C3、將頻繁N-1項(xiàng)集中每個(gè)N-1項(xiàng)關(guān)聯(lián)事件內(nèi)的事件按序排列后，再將僅 前N-2個(gè)事件相同的每兩個(gè)N-l項(xiàng)關(guān)聯(lián)事件合并形成包含N個(gè)事件的N項(xiàng)事件 以構(gòu)成候選N項(xiàng)集；并且，計(jì)算所述4吳選N項(xiàng)集中每個(gè)N項(xiàng)事件同時(shí)發(fā)生的次 數(shù)占所述歷史數(shù)據(jù)庫中全部監(jiān)測記錄的^t量的比率，并與預(yù)先設(shè)置的第N支持 度比較，若達(dá)到所述第N支持度則保留該N項(xiàng)事件作為N項(xiàng)關(guān)聯(lián)事件以構(gòu)成頻 繁N項(xiàng)集。
其中，N為大于等于3的正整數(shù)；并且，當(dāng)出現(xiàn)以下任一情形時(shí)，本流程 結(jié)束
情況一、頻繁N-1項(xiàng)集中沒有兩個(gè)N-1項(xiàng)關(guān)聯(lián)事件的前N-2個(gè)事件相同； 情況二、候選N項(xiàng)集中的N項(xiàng)事件均無法達(dá)到第N支持度。 其中，步驟D包括
Dl、獲得所述歷史數(shù)據(jù)庫中關(guān)聯(lián)事件同時(shí)發(fā)生的次數(shù)； D2、獲得所述歷史數(shù)據(jù)庫中所述關(guān)聯(lián)事件中排除災(zāi)害事件后的剩余事件獨(dú) 立發(fā)生的次數(shù)；
D3、將步驟D1所述次數(shù)比上步驟D2所述次數(shù)得到所述剩余事件導(dǎo)致所述 災(zāi)害事件發(fā)生的概率。
其中，步驟D3之后還包括
D4、將所述概率與預(yù)設(shè)置信度比較，若達(dá)到所述預(yù)設(shè)置信度，則保留所述 概率。
本發(fā)明中，由于采用統(tǒng)計(jì);漠型進(jìn)行預(yù)測，其不會因?yàn)閭€(gè)別環(huán)境因素的變化 引起錯(cuò)誤，容錯(cuò)能力強(qiáng)，可靠性高。
而且，當(dāng)統(tǒng)計(jì)預(yù)測模型建立后，在對海洋實(shí)時(shí)監(jiān)測的數(shù)據(jù)進(jìn)行分析時(shí)，僅 需作少量的簡單運(yùn)算，因此預(yù)才艮速度快。


圖1是本發(fā)明一種海洋災(zāi)害預(yù)警方法的一個(gè)實(shí)施例的流程圖2是圖1所示實(shí)施例中預(yù)測模型建立過程的一個(gè)實(shí)施例的流程圖3是圖2所示實(shí)施例中挖掘關(guān)聯(lián)事件的一個(gè)實(shí)施例的流程圖4是圖2所示實(shí)施例中利用關(guān)聯(lián)事件產(chǎn)生預(yù)測模型的一個(gè)實(shí)施例的流程
7圖。
具體實(shí)施例方式
下面結(jié)合附圖對本發(fā)明進(jìn)行詳細(xì)闡述。
參考圖1,圖示了本發(fā)明一種海洋災(zāi)害預(yù)警方法的一個(gè)實(shí)施例的流程圖。如
圖所示，包括以下步驟
步驟S100，獲得監(jiān)測數(shù)據(jù)。
本步驟中通過設(shè)置在海洋上的浮標(biāo)、監(jiān)測船、監(jiān)測中心站及遙感飛機(jī)等釆 集數(shù)據(jù)。
所述浮標(biāo)、監(jiān)測船、監(jiān)測中心站及遙感飛機(jī)等設(shè)置在需要的位置，其所采 集的數(shù)據(jù)按照固定的時(shí)間間隔自動發(fā)送至與其對應(yīng)的中心站點(diǎn)。
所述對應(yīng)的中心站點(diǎn)可以對所述采集的數(shù)據(jù)進(jìn)行加工作為監(jiān)測數(shù)據(jù)，也可 以直接將所述采集到的數(shù)據(jù)作為監(jiān)測數(shù)據(jù)。只要是本步驟所獲得的數(shù)據(jù)都稱之 為監(jiān)測數(shù)據(jù)。
所述監(jiān)測數(shù)據(jù)包括流速、流向、有效波高、周期、波向、水溫、氣壓、氣 溫、風(fēng)速、風(fēng)向、潮位、表層海水鹽度等參數(shù)。
也就是說，本步驟得到了若干中心站發(fā)送而來的流速、流向、有效波高、 周期、波向、水溫、氣壓、氣溫、風(fēng)速、風(fēng)向、潮位、表層海水鹽度中的若干 個(gè)等參數(shù)。
例如，通過本步驟獲得了第一中心站的水溫、流速等等監(jiān)測數(shù)據(jù)。 步驟S101,分析所述監(jiān)測lt據(jù)得到其所構(gòu)成的事件。
本步驟分析步驟S100中所得到的監(jiān)測數(shù)據(jù)，確定所述監(jiān)測數(shù)據(jù)符合哪些預(yù) 先設(shè)定的事件。
所述預(yù)先設(shè)定的事件是人工設(shè)置的一些條件，只要滿足了這些條件，就認(rèn) 為符合所述事件。
本步驟的詳細(xì)描述可以參考下文的相關(guān)部分。
步驟S102，按照所述事件并根據(jù)統(tǒng)計(jì)預(yù)測模型預(yù)測災(zāi)害事件發(fā)生的概率。 本步驟中，將上一步所確定事件置入所述統(tǒng)計(jì)預(yù)測模型中，從而對應(yīng)預(yù)測 得到了哪些災(zāi)害事件會發(fā)生，以M生的概率是多大。
本步驟中統(tǒng)計(jì)預(yù)測模型的生成的一個(gè)實(shí)施例可以參考圖2及其文字描述。步驟S103，結(jié)束。
參考圖2，圖示了圖1所示實(shí)施例中預(yù)測模型建立過程的一個(gè)實(shí)施例的流程 圖。如圖所示，包括以下步驟
步驟S201，設(shè)定條件以確定事件。
本步驟中，通過人工設(shè)定一些條件，這些條件便對應(yīng)著一個(gè)事件，這些事
件可以是災(zāi)害事件，也可以是正常事件。
所述災(zāi)害事件可以是風(fēng)暴潮、赤潮、巨浪、海哺等事件。 所述設(shè)定的條件包括當(dāng)前站點(diǎn)、相關(guān)站點(diǎn)、相關(guān)歷史站點(diǎn)、數(shù)據(jù)屬性、
屬性范圍、事件類別、比較方式、前向時(shí)間；而所述比較方式又包括區(qū)間范圍
內(nèi)、區(qū)間變4匕、區(qū)間對比。
所述當(dāng)前站點(diǎn)，表示事件發(fā)生所針對的中心站點(diǎn)；
所述相關(guān)站點(diǎn)，表示與所述當(dāng)前站點(diǎn)的事件發(fā)生有關(guān)的中心站點(diǎn)；
所述相關(guān)歷史站點(diǎn)，表示其歷史數(shù)據(jù)與所述當(dāng)前站點(diǎn)的事件發(fā)生有關(guān)的中
心站點(diǎn)；
所述數(shù)據(jù)屬性，為流速、流向、有效波高、周期、波向、水溫、氣壓、氣
溫、風(fēng)速、風(fēng)向、潮位、表層海水鹽度等；
所述事件類別，表示針對當(dāng)前站點(diǎn)的所述事件是災(zāi)害事件，還是正常事件； 所述前向時(shí)間，表示引發(fā)所述當(dāng)前站點(diǎn)的所述事件產(chǎn)生的條件中，所述相
關(guān)站點(diǎn)的所述數(shù)據(jù)屬性是針對其在當(dāng)前時(shí)間之前的前向時(shí)間時(shí)的值；此處當(dāng)前
時(shí)間是指對下述的對歷史數(shù)據(jù)庫中的監(jiān)測記錄進(jìn)行遍歷時(shí)，所在監(jiān)測記錄的監(jiān)
測時(shí)間；
所述屬性范圍，表示所述相關(guān)站點(diǎn)和/或所迷相關(guān)歷史站點(diǎn)在比較方式所確 定的方式下，其在所述數(shù)據(jù)屬性所確定的項(xiàng)目上必須符合的范圍；該屬性范圍 又包括方向、趨勢和邊界，所述邊界為具體的預(yù)先確定的值；所述方向則表示 所述數(shù)據(jù)屬性與所述邊界應(yīng)滿足的關(guān)系；所述趨勢則表示，當(dāng)所述相關(guān)站點(diǎn)及 所述相關(guān)歷史站點(diǎn)均確定后，在對所述相關(guān)站點(diǎn)及相關(guān)歷史站點(diǎn)的所述凄t據(jù)屬 性按照下述設(shè)定比較方式進(jìn)行比較時(shí)，所述相關(guān)站點(diǎn)應(yīng)與所述相關(guān)歷史站點(diǎn)的 數(shù)據(jù)屬性該滿足的該趨勢；
例如，所述數(shù)據(jù)屬性為流速，所述邊界包括第一邊界和第二邊界，所述第一邊界的值小于第二邊界的值；所述方向?yàn)榇笥诘扔谒龅谝贿吔缧∮诘诙?界；那么，其表示的意思便是所述流速應(yīng)該大于等于所述第一邊界小于第二 邊界；
再比如，當(dāng)所述趨勢設(shè)定為變大時(shí)，所述相關(guān)站點(diǎn)在所述數(shù)據(jù)屬性所確定 的項(xiàng)目的對應(yīng)值應(yīng)該大于所述相關(guān)歷史站點(diǎn)在數(shù)據(jù)屬性所確定項(xiàng)目的對應(yīng)值。 更直觀的理解可以參考下屬的舉例。
需要說明的是，所述方向并不限于所述大于等于所述第一邊界小于第二邊 界，其還可以是'大于第一邊界，、'小于第一邊界'、'等于第一邊界，、'大于 等于第一邊界，、'小于等于第一邊界，、'大于第一邊界且小于第二邊界，、'大 于第一邊界且小于等于第二邊界，、'大于等于第一邊界且小于等于第二邊界，、 '小于第一邊界或大于第二邊界，、'小于等于第一邊界或大于第二邊界，、'小 于第一邊界或大于等于第二邊界，或者'小于等于第一邊界或大于等于第二邊 界'等等。
另外，所述趨勢也不限于所述變大，其還可以是變小、等于、大于等于、 小于等于或不等于等等。所述比較方式，表示在確定所述相關(guān)站點(diǎn)和/或所述相關(guān)歷史站點(diǎn)是否在所 述屬性范圍時(shí)，對所述數(shù)據(jù)屬性的利用方式；其包括區(qū)間范圍內(nèi)、區(qū)間變化、 區(qū)間對比；
所述區(qū)間范圍內(nèi)，表示所述相關(guān)站點(diǎn)在所述當(dāng)前時(shí)間之前的所述前向時(shí)間 時(shí)的數(shù)據(jù)屬性在所述數(shù)據(jù)屬性范圍；
所述區(qū)間變化又包括特定時(shí)間段和歷史時(shí)間段；
所述特定時(shí)間段，表示所述相關(guān)歷史站點(diǎn)在設(shè)定的時(shí)間范圍內(nèi)所述數(shù)據(jù)屬 性與所述相關(guān)站點(diǎn)在當(dāng)前時(shí)間之前的所述前向時(shí)間的所述數(shù)據(jù)屬性的變化關(guān)系 符合所述屬性范圍；
所述設(shè)定的時(shí)間范圍通過界定兩個(gè)事件端點(diǎn)來實(shí)現(xiàn)，所述兩個(gè)時(shí)間端點(diǎn)通 過年月日來確定，由人工輸入設(shè)定；
所述歷史時(shí)間段，表示所述相關(guān)歷史站點(diǎn)在設(shè)定的歷史時(shí)間區(qū)間內(nèi)的所述 屬性的平均值與所述相關(guān)站點(diǎn)在所述當(dāng)前時(shí)間之前的所述前向時(shí)間的所述數(shù)據(jù) 屬性的變化關(guān)系符合所述屬性范圍；
所述歷史時(shí)間區(qū)間通過"時(shí)間段"和"深度"兩個(gè)^fet人工確定，所述"時(shí)間段，，可以設(shè)定為"歷史日中該時(shí)，，或"歷史日中該天"等，所述"深度，，則 填入具體的數(shù)值，該具體的數(shù)值表示所述"時(shí)間段"所確定的該時(shí)或該日在所
述當(dāng)前時(shí)間往前追溯的程度；例如，若"深度"選擇3，"時(shí)間段，，設(shè)定為"歷 史曰中該時(shí)，，，則表示在所述當(dāng)前時(shí)間的昨天、前天、大前天中三個(gè)當(dāng)前時(shí)刻的 所述數(shù)據(jù)屬性的平均值；若"深度"選擇2，"時(shí)間段"設(shè)定為"歷史日中該天"， 則表示在所述當(dāng)前時(shí)間的昨天及前天中所有時(shí)刻的所述數(shù)據(jù)屬性的平均值；
所述區(qū)間對比，表示所述相關(guān)站點(diǎn)在設(shè)定的相關(guān)站點(diǎn)時(shí)間段的所述數(shù)據(jù)屬 性的平均值與所述歷史相關(guān)站點(diǎn)在設(shè)定的歷史相關(guān)站點(diǎn)時(shí)間段內(nèi)的所述數(shù)據(jù)屬 性的平均值的變化關(guān)系符合所述屬性范圍；
所述相關(guān)站點(diǎn)時(shí)間段和所述歷史相關(guān)站點(diǎn)時(shí)間段均通過設(shè)定兩個(gè)時(shí)間端點(diǎn) 來確定，此處的兩個(gè)時(shí)間端點(diǎn)為24小時(shí)的時(shí)刻，例如0點(diǎn)至2點(diǎn)，2點(diǎn)至4點(diǎn) 等等。
下面具體舉例說明本步驟 例一
4叚設(shè)某一事件用15表示，其所對應(yīng)的當(dāng)前站點(diǎn)為Station A，該事件15所對 應(yīng)的條件的設(shè)定如下
-沒定相關(guān)站點(diǎn)為Station B,相關(guān)歷史站點(diǎn)為Station C，凄t據(jù)屬性i殳定為流 速，方向設(shè)定為大于第一邊界，第一邊界設(shè)定為23，趨勢設(shè)定為變大，事件類 別設(shè)定為正常，比較方式設(shè)定為區(qū)間變化中的歷史時(shí)間段，該歷史時(shí)間段設(shè)定 為"歷史日中該時(shí)"，深度設(shè)定為3，前向時(shí)間設(shè)置為0或空置；
貝'J，上述條件表示如下含義
發(fā)生在Station A的事件15的條件為Station B在當(dāng)前時(shí)間的流速比Station C 在當(dāng)前時(shí)間的昨天、前天、大前天(往前3天)中三個(gè)當(dāng)前時(shí)刻的流速的平均 值大23。
例二
假設(shè)某一事件用16表示，其所對應(yīng)的當(dāng)前站點(diǎn)為Station D，該事件15所對 應(yīng)的條件的設(shè)定如下
^殳定相關(guān)站點(diǎn)為StationE，相關(guān)歷史站點(diǎn)i殳定為StationF，數(shù)據(jù)屬性設(shè)定為 水溫，比較方式設(shè)定為區(qū)間變化中的特定時(shí)間段，該特定時(shí)間段中的兩個(gè)端點(diǎn)設(shè)定為2008年5月3日3時(shí)和2008年5月3日7時(shí)，方向"&定為大于第一邊 界，第一邊界設(shè)定為5，趨勢設(shè)定為變大，事件類別設(shè)定為正常，前向時(shí)間設(shè)置 為4;
貝，J,上述條件表示如下含義
發(fā)生在Station E的事件16的條件為Station E在當(dāng)前時(shí)間之前4小時(shí)時(shí)的水 溫比Station F從2008年5月3日3時(shí)至2008年5月3日7時(shí)之間所監(jiān)測的水 溫的平均值大5。
例3
假設(shè)某一事件用17表示，其所對應(yīng)的當(dāng)前站點(diǎn)為Station G,該事件17所對 應(yīng)的條件的i殳定如下
設(shè)定相關(guān)站點(diǎn)Station H,相關(guān)歷史站點(diǎn)設(shè)定為Station I，數(shù)據(jù)屬性設(shè)定為流 向，比4交方式設(shè)定為區(qū)間對比，該區(qū)間對比中的Station H的兩個(gè)時(shí)間端點(diǎn)為0 和2， Station I的兩個(gè)時(shí)間端點(diǎn)設(shè)置為2和4,方向設(shè)定為大于第一邊界，第一 邊界設(shè)定為20，趨勢設(shè)定為變大，事件類別設(shè)定為正常，前向時(shí)間設(shè)定為0或 空置；
貝'J，上述條件設(shè)定所表示的含義如下
發(fā)生在Station G的事件17的條件為Station H的當(dāng)前時(shí)間減去0到當(dāng)前時(shí)間 減去2的時(shí)—度內(nèi)流向的平均值比Station I的當(dāng)前時(shí)刻減去2到當(dāng)前時(shí)刻減去4 的時(shí)^:內(nèi)流向的平均值大20。
例4
假設(shè)某一事件用II表示，其所對應(yīng)的當(dāng)前站點(diǎn)為Station J,該事件18所對 應(yīng)的條件的設(shè)定如下
設(shè)定相關(guān)站點(diǎn)為Station K，數(shù)據(jù)屬性設(shè)定為潮位，方向設(shè)定為大于第一邊 界，第一邊界設(shè)置為50，時(shí)間類別設(shè)置為災(zāi)害事件巨浪，比較方式設(shè)定為區(qū)間 內(nèi)，前向時(shí)間設(shè)定為O或空置；
貝'J，上述條件設(shè)定所表示的含義如下
發(fā)生在Station J的事件II的條件為Station K的當(dāng)前時(shí)刻的潮位大于50。例5
假設(shè)某一事件用I3表示，其所對應(yīng)的當(dāng)前站點(diǎn)為Station L,該事件13所對 應(yīng)的條件的設(shè)定如下
設(shè)定相關(guān)站點(diǎn)為Station M，相關(guān)歷史站點(diǎn)為Station N,數(shù)據(jù)屬性設(shè)定為氣 溫，方向設(shè)定為小于第一邊界，第一邊界設(shè)定為30,趨勢設(shè)定為變大，事件類 別設(shè)定為災(zāi)害事件風(fēng)暴潮(即I3表示風(fēng)暴潮事件，前述例子類同)，前向時(shí)間設(shè) 置為2,比較方式設(shè)定為區(qū)間變化中的歷史時(shí)間段，該歷史時(shí)間段設(shè)定為"歷史 日中該天"，深度設(shè)定為3;
則，上述條件表示如下含義
發(fā)生在Station L的風(fēng)暴潮事件13的條件為Station M在當(dāng)前時(shí)間之前2小 時(shí)時(shí)的氣溫比Station N在當(dāng)前時(shí)間的昨天、前天、大前天三天中所有時(shí)刻的氣 溫的平均值30。
需要注意的是，上述舉例僅為了說明如何對條件進(jìn)行人為的設(shè)定以確定各 個(gè)事件，并不真正表示所迷條件真實(shí)構(gòu)成所對應(yīng)的事件，其可以根據(jù)實(shí)際情況 的不同而改變。
另外，上述5個(gè)舉例中也僅舉出了一個(gè)事件僅包含一個(gè)條件的情況，當(dāng)然 也可以存在一個(gè)事件包含兩個(gè)條件、三個(gè)條件或多個(gè)條件的情形，其可以根據(jù) 需要進(jìn)行設(shè)定，由于過程類似，因而不再進(jìn)行——闡述。
步驟S202,遍歷歷史數(shù)據(jù)庫確定所述事件是否發(fā)生并記錄。
即，本步驟中遍歷歷史數(shù)據(jù)庫確定上一步所設(shè)定的事件是否發(fā)生。
所述歷史數(shù)據(jù)庫是長期積累的歷史監(jiān)測數(shù)據(jù)的集合，其中每一條記錄存儲 了過去某個(gè)監(jiān)測時(shí)刻所測得的各種數(shù)據(jù)，例如
某一條記錄可以包含從Station A至Station N中全部站點(diǎn)在1983年1月29 日12時(shí)的全部數(shù)據(jù)屬性的值，包括了流速、流向、有小波高、周期、波向、水 溫、氣壓、氣溫、風(fēng)速、風(fēng)向、潮位、表層海水鹽度等等。而，上述的當(dāng)前時(shí) 間或當(dāng)前時(shí)刻也是指此處的1983年1月29日12時(shí)。
本步驟中當(dāng)確定某條記錄中發(fā)生了某個(gè)事件時(shí)，對應(yīng)該條記錄記錄所述發(fā) 生的事件。例如，若記錄l發(fā)生了Il、 15、 17，則對應(yīng)記錄。
而判斷所述事件是否發(fā)生，則是根據(jù)上一步中所設(shè)定的條件進(jìn)行判斷，若 某個(gè)記錄滿足某個(gè)事件對應(yīng)的全部條件，則認(rèn)為該事件發(fā)生。步驟S203，利用關(guān)聯(lián)規(guī)則方法挖掘關(guān)聯(lián)事件。
所述關(guān)聯(lián)事件是指同時(shí)發(fā)生的至少兩個(gè)事件，其至少包含一個(gè)災(zāi)害事件。
本步驟的一個(gè)詳細(xì)的闡述可以參考圖3所示實(shí)施例。 步驟S204，利用所述關(guān)聯(lián)事件產(chǎn)生預(yù)測模型。
即，本步驟最終生成圖1所示過程所用到預(yù)測模型。本步驟的一個(gè)詳細(xì)的 闡述可以參考圖4所示實(shí)施例。
參考圖3,圖示了圖2所示實(shí)施例中挖掘關(guān)聯(lián)事件的一個(gè)實(shí)施例的流程圖。 如圖所示，包括以下步驟
步驟S2031,計(jì)算所有單個(gè)事件發(fā)生的比率。
即，針對所述歷史數(shù)據(jù)庫中全部記錄所發(fā)生的事件，計(jì)算每個(gè)單個(gè)事件發(fā) 生的次數(shù)。將所述每個(gè)單個(gè)事件發(fā)生的次數(shù)除以所述歷史數(shù)據(jù)庫中全部記錄的 個(gè)數(shù)便得到了所述單個(gè)事件發(fā)生的比率。
例如，歷史數(shù)據(jù)庫包含14條記錄，每條記錄對應(yīng)發(fā)生的事件如下
1、 II ，15,16,17,19;
2、 13 ，14,17;
3、 17,18,19;
4、 H，I4，I7;
5、 H，I4，I6，I8;
6、 16,17,19;
7、 11,16,18;
8、 11,15,17,18;
9、 H，I7，I8，I9;
10、 11,16,18,19;
11、 15,17,19;
12、 15,17,18;
13、 11,12,14,17;
14、 U,I5，I7，I8;
對于事件14來說，其在第2、 4、 5、 13條記錄中共計(jì)發(fā)生4次，那么 4/14=0.285%便是所述事件14發(fā)生的比率。同理就可以得到II至19中其它事件 的發(fā)生比率。
其中，本步驟中，在所述歷史數(shù)據(jù)庫中所發(fā)生的全部事件都作為候選一項(xiàng) 集，對于該候選一項(xiàng)集中的每一個(gè)事件都對應(yīng)一個(gè)發(fā)生比率；步驟S2302，判斷是否達(dá)到第一支持度，若沒有達(dá)到則剔除。
本步驟是在上一步得到了候選一項(xiàng)集(也即全部單個(gè)事件)發(fā)生的比率后 執(zhí)行的，其目的在于判斷每一個(gè)事件發(fā)生的比率是否達(dá)到了某一門限(第一支 持度)，若達(dá)到了，則表明其是頻繁發(fā)生的事件，否則認(rèn)為其不是頻繁發(fā)生的事 件，后續(xù)便不做考慮。
其中，所述第一支持度為預(yù)先設(shè)置的值，其可以4艮據(jù)需要進(jìn)行修改。
步驟S2033，生成頻繁一項(xiàng)集。
即，當(dāng)通過上一步將不是頻繁發(fā)生的事件剔除以后，則剩余的便認(rèn)為是頻 繁發(fā)生的事件。本步驟中，將所述剩余的頻繁發(fā)生的事件作為頻繁一項(xiàng)集進(jìn)行 存儲。
步驟S2034,計(jì)算二項(xiàng)事件發(fā)生比率。
本步驟是在步驟S2033的基礎(chǔ)上執(zhí)行的，即是針對的所述頻繁一項(xiàng)集中的 各個(gè)事件。
具體的來說，對所述頻繁一項(xiàng)集中的事件進(jìn)行兩兩組合作為二項(xiàng)事件，并 將全部的二項(xiàng)事件構(gòu)成候選二項(xiàng)集。
之后，計(jì)算所述候選二項(xiàng)集中每個(gè)二項(xiàng)事件在所述歷史數(shù)據(jù)庫的全部記錄 中所發(fā)生的次數(shù)；然后，用該次數(shù)除以所述歷史數(shù)據(jù)庫的全部記錄的條數(shù)便得 到了該二項(xiàng)事件發(fā)生的比率。
例如，接續(xù)上述包含14條數(shù)據(jù)的歷史數(shù)據(jù)庫的例子，假設(shè)第一支持度為0.2, 則經(jīng)過步驟S2033后得到的頻繁一項(xiàng)集為II， 14， 15， 16， 17, 18, 19;
其中，11至I3為災(zāi)害事件，14至I9為正常事件。則經(jīng)過兩兩組合后，可以 形成的二項(xiàng)事件為
(11,14)、 (11,15)、 (11,16)、 (11,17)、 (11,18)、 (11,19)、 (14,15)、 (14,16)、 (14,17)、
(14.18) 、 (14,19)、 (15,16)、 (15,17)、 (15,18)、 (15,19)、 (16,17)、 (16,18)、 (16，19)、 (17,18)、
(17.19) 、 (18,19);
將所述形成的全部二項(xiàng)事件作為候選二項(xiàng)集，并計(jì)算該候選二項(xiàng)集中全部
二項(xiàng)事件的發(fā)生比率，得到的結(jié)果如下(以"發(fā)生次凄^/總記錄條數(shù)，，表示) 11，14發(fā)生的比率為:3/14=21.4%; 11,15發(fā)生的比率為:3/14=21.4%; 11，16發(fā)生的比率為4/14=28.6%; 11,17發(fā)生的比率為6/14=42.9%;
1511,18發(fā)生的比率為6/14:=42.9%;
11,19發(fā)生的比率為3/14:=21.4%;
14,15發(fā)生的比率為0
14,16發(fā)生的比率為1/14:=7.1%;
14,17發(fā)生的比率為3/14==21.4%;
14,18發(fā)生的比率為1/14==7.1%;
14,19發(fā)生的比率為0
15,16發(fā)生的比率為1/14:=7.1%;
15,17發(fā)生的比率為5/14==35.7%;
15,18發(fā)生的比率為3/14==21.4%;
15 ，19發(fā)生的比率為2/14==14.3%;
16,17發(fā)生的比率為2/14==14.3%;
16,18發(fā)生的比率為3/14==21.4%;
16,19發(fā)生的比率為3/14==21.4%;
17,18發(fā)生的比率為5/14==35,7%;
17,19發(fā)生的比率為5/14==35.7%;
I8，I9發(fā)生的比率為3/14==21.4%;
步驟S2035,判斷是否達(dá)到第二支持度，若沒有則剔除。
本步驟是在上一步得到了所述候選二項(xiàng)集中全部二項(xiàng)事件發(fā)生的比率后執(zhí) 行的，其目的在于判斷每個(gè)二項(xiàng)事件發(fā)生的比率是否達(dá)到了某一門限(第二支 持度)，若達(dá)到了，則表明其是頻繁發(fā)生的二項(xiàng)事件從而作為二項(xiàng)關(guān)聯(lián)事件構(gòu)成 頻繁二項(xiàng)集，否則認(rèn)為其不是頻繁發(fā)生的二項(xiàng)事件，這樣在圖4所示實(shí)施例中 的通過頻繁二項(xiàng)集預(yù)報(bào)中便不做考慮，也即本步驟中說的剔除。
其中，所述第二支持度為預(yù)先設(shè)置的值，其可以與所述第一支持度相同或 不同，并可以根據(jù)需要進(jìn)行修改。
步驟S2036，生成頻繁二項(xiàng)集。
即，當(dāng)通過上一步將不是頻繁發(fā)生的二項(xiàng)事件剔除以后，本步驟中，將所 述剩余的頻繁發(fā)生的二項(xiàng)關(guān)聯(lián)事件作為頻繁二項(xiàng)集進(jìn)行存儲以進(jìn)行后續(xù)的三項(xiàng) 關(guān)聯(lián)事件及圖4中預(yù)測模型的產(chǎn)生。
步驟S2037，計(jì)算三項(xiàng)事件發(fā)生比率。
本步驟是在步驟S2036的基礎(chǔ)上執(zhí)行的，即是針對的所述頻繁二項(xiàng)集中的 各個(gè)二項(xiàng)關(guān)聯(lián)事件。
具體的來說，對所述頻繁二項(xiàng)集中的事件按照下標(biāo)增續(xù)排列后，將所述頻 繁二項(xiàng)集中僅最后一個(gè)事件不相同的二項(xiàng)關(guān)聯(lián)事件進(jìn)行合并，從而形成包含三個(gè)事件的三項(xiàng)事件以構(gòu)成候選三項(xiàng)集。
之后，計(jì)算所述候選三項(xiàng)集中每個(gè)三項(xiàng)事件在所述歷史數(shù)據(jù)庫的全部記錄
中所發(fā)生的次數(shù)；然后，用該次數(shù)除以所述歷史數(shù)據(jù)庫的全部記錄的條數(shù)便得
到了該三項(xiàng)事件發(fā)生的比率。
例如，繼續(xù)上述二項(xiàng)關(guān)聯(lián)事件的例子；假設(shè)第二支持度為0.2,則頻繁二項(xiàng) 集為(11,14)、 (11,15)、 (11,16)、 (11,17)、 (11，18) 、 (11,19)、 (14,17)、 (I5，I7)、 (15，18)、 (16,18)、 (16,19)、 (17,18)、 (17,19)、 (18,19)。所述的頻繁二項(xiàng)集中每個(gè)二項(xiàng)關(guān)聯(lián)事件 已按照下標(biāo)順序增序排列，再將僅最后一個(gè)事件不相同的二項(xiàng)關(guān)聯(lián)事件進(jìn)行合 并，這樣可以形成以下三項(xiàng)關(guān)聯(lián)事件(I1，I4，I5)、 (I1，I4，I6)、 (11,14,17)、 (11,14,18)、 (11,14,19)、 (11,15,16)、 (11,15,17)、 (11,15,18)、 (11,15,19)、 (11,16,17)、 (11,16,18)、 (11,16,19)、 (11,17,18)、 (11,17,19)、 (I1，I8，I9)、 (I5，I7，I8)、 (I6，I8，I9)、 (17,18,19);所述合并得到 的三項(xiàng)事件便作為三項(xiàng)候選集。
通過遍歷所述包含14條記錄的歷史數(shù)據(jù)庫可知，所述三項(xiàng)事件在所述歷史 數(shù)據(jù)庫的全部記錄中對應(yīng)發(fā)生的次l史分別為0、 1、 2、 1、 0、 1、 3、 2、 1、 1、 3、 2、 3、 2、 2、 3、 1、 2;那么，用所述次數(shù)除以記錄總條數(shù)14便可以得到所 述三項(xiàng)關(guān)聯(lián)事件對應(yīng)發(fā)生的比率為0、 7.1%、 14.3%、 7,1%、 0、 7.1%、 21.4%、 14.3%、 7.1%、 7.1%、 21.4%、 14.3%、 21.4%、 14.3%、 14.3%、 21.4%、 7.1%、 14.3%。
步驟S2038,判斷是否達(dá)到第三支持度，若沒有則剔除。 本步驟是在上一步得到了全部三項(xiàng)事件發(fā)生的比率后執(zhí)行的，其目的在于 判斷每個(gè)三項(xiàng)事件發(fā)生的比率是否達(dá)到了某一門限(第三支持度)，若達(dá)到了，
則表明其是頻繁發(fā)生的三項(xiàng)事件從而作為三項(xiàng)關(guān)聯(lián)事件構(gòu)成頻繁三項(xiàng)集，否則 認(rèn)為其不是頻繁發(fā)生的三項(xiàng)事件，這樣在圖4所示實(shí)施例通過頻繁三項(xiàng)集預(yù)報(bào) 中便不做考慮，也即本步驟中說的剔除。
其中，所述第三支持度為預(yù)先設(shè)置的值，其可以與所述第一支持度或第二 支持度相同或不同，并可以根據(jù)需要進(jìn)行修改。
步驟S2039,生成頻繁三項(xiàng)集。
即，當(dāng)通過上一步將不是頻繁發(fā)生的三項(xiàng)事件剔除以后，本步驟中，將所 述剩余的頻繁發(fā)生的三項(xiàng)事件作為頻繁三項(xiàng)集進(jìn)行存儲以進(jìn)行后續(xù)的頻繁四項(xiàng) 集及圖4實(shí)施例中預(yù)測模型的產(chǎn)生。例如，當(dāng)所述第三支持度也為0.2，那么所述^f吳選三項(xiàng)集中的可以作為頻繁 三項(xiàng)集的事件如下(11,15,17)、 (11,16,18)、 (11,17,18)、 (15,17,18)。
步驟S2040,計(jì)算并生成更高的頻繁項(xiàng)集直至無法得到更高的頻繁項(xiàng)集。
即，按照上述規(guī)律，繼續(xù)計(jì)算并生成頻繁四項(xiàng)集、頻繁五項(xiàng)集、頻繁六項(xiàng) 集、頻繁七項(xiàng)集…頻繁N項(xiàng)集；其中，N為正整數(shù)。
當(dāng)生成頻繁四項(xiàng)集時(shí)，則是在頻繁三項(xiàng)集的基礎(chǔ)上，將其中每個(gè)三項(xiàng)關(guān)聯(lián) 事件按照下標(biāo)增序排列，將兩組三項(xiàng)關(guān)聯(lián)事件中僅最后一個(gè)事件不同(也就是 僅前兩個(gè)事件相同)的三項(xiàng)關(guān)聯(lián)事件合并，/人而形成包含四個(gè)事件的四項(xiàng)事件 以構(gòu)成候選四項(xiàng)集，然后再根據(jù)第四支持度來確定頻繁四項(xiàng)集。
同理，當(dāng)生成頻繁五項(xiàng)集時(shí)，則是在頻繁四項(xiàng)集的J^出上，每個(gè)四項(xiàng)關(guān)聯(lián) 事件按照下標(biāo)增序排列，再將其中每兩組四項(xiàng)關(guān)聯(lián)事件中僅最后一個(gè)事件不同 (也就是僅前三個(gè)事件相同)的四項(xiàng)關(guān)聯(lián)事件進(jìn)行合并構(gòu)成候選五項(xiàng)集，然后 根據(jù)第五支持度來確定頻繁五項(xiàng)集。
也即，對于生成頻繁N項(xiàng)集來說，其是在頻繁N-1項(xiàng)集的基礎(chǔ)上，將頻繁 N-l項(xiàng)集中的N-1項(xiàng)關(guān)聯(lián)事件按照下標(biāo)增序排列后，再將每兩組僅最后一個(gè)事件 不同(也就是僅前N-2個(gè)事件相同)進(jìn)行合并，形成包含N個(gè)事件的N項(xiàng)事件 以構(gòu)成候選N項(xiàng)集，然后再根據(jù)第N支持度來確定頻繁N項(xiàng)集(若達(dá)到所述第 N支持度，則作為N項(xiàng)關(guān)聯(lián)事件構(gòu)成頻繁N項(xiàng)集，否則剔除)。
由于在上述描述的基礎(chǔ)上，繼續(xù)計(jì)算并生成更高的頻繁項(xiàng)集的方法對本領(lǐng) 域普通技術(shù)人員來說4艮容易實(shí)現(xiàn)，因而不再進(jìn)行進(jìn)一步闡述。
下面說明在什么情況下繼續(xù)計(jì)算并生成更高的頻繁項(xiàng)集會停止
情況一、無法產(chǎn)生更高的項(xiàng)集。
即，在生成頻繁N項(xiàng)集時(shí)會由于頻繁N-1項(xiàng)集中N-l項(xiàng)關(guān)聯(lián)事件按照下標(biāo) 增序排列后，無法找到兩個(gè)N-1關(guān)聯(lián)事件中僅最后一個(gè)事件相同的情況(也即 無法找到兩個(gè)N-1關(guān)聯(lián)事件僅前N-2個(gè)事件相同的情形)，這樣一來，也就無法 產(chǎn)生N項(xiàng)關(guān)聯(lián)事件，因而也就無法產(chǎn)生頻繁N項(xiàng)集。
例如，假設(shè)頻繁五項(xiàng)集為(I1，I5,I6,I7,I9),(I1,I6,I8,I10，I11)，其包含的共同事 件只有I1和I6兩個(gè)，不僅最后一個(gè)事件不相同，因而無法生成六項(xiàng)關(guān)聯(lián)事件， 也就無法生成頻繁六項(xiàng)集。
情況二 、產(chǎn)生的更高的關(guān)聯(lián)事件中不滿足對應(yīng)的支持度。即，在生成頻繁N項(xiàng)集時(shí)，若現(xiàn)有的N項(xiàng)關(guān)聯(lián)事件均無法達(dá)到第N支持度 時(shí)，則也無法作為頻繁N項(xiàng)集。 步驟S2041,結(jié)束。
參考圖4，圖示了圖2所示實(shí)施例中利用關(guān)聯(lián)事件產(chǎn)生預(yù)測模型的一個(gè)實(shí)施 例的流程圖。如圖所示包括以下步驟
步驟S3041，獲得關(guān)聯(lián)事件發(fā)生的次數(shù)。
本實(shí)施例所述的關(guān)聯(lián)事件是指生成的各個(gè)頻繁項(xiàng)集中的事件，也就是說是 發(fā)生比率達(dá)到了對應(yīng)支持度的關(guān)聯(lián)事件。
本步驟可以重新計(jì)算，或者直接使用前面過程已經(jīng)計(jì)算的結(jié)果。例如，利 用步驟S2031、步驟S2034、步驟S2037等中的結(jié)果，或者按其方式重新計(jì)算。
步驟S3042，獲得關(guān)聯(lián)事件中除去災(zāi)害事件的剩余事件發(fā)生次數(shù)。
即，在歷史數(shù)據(jù)庫的全部記錄中搜索發(fā)生一個(gè)關(guān)聯(lián)事件中除去災(zāi)害事件后 剩余的事件同時(shí)發(fā)生的次數(shù)。
例如，繼續(xù)上述二項(xiàng)關(guān)聯(lián)事件的例子，其頻繁二項(xiàng)集為(I1,I4)、(I1,I5)、(IU6)、
(11.17) 、 (11,18) 、 (11,19)、 (I4，I7)、 (I5，I7)、 (15，18)、 (16,18)、 (16,19)、 (17,18)、 (17,19)、 (18,19)。對于(I1,I5)來說，計(jì)算除去災(zāi)害事件I1后，剩余的事件I5在所述歷史數(shù) 據(jù)庫的全部記錄中所發(fā)生的次數(shù)；同樣，對于(I1,I8)來說，計(jì)算除去災(zāi)害事件Il 后，剩余的事件I8在所述歷史數(shù)據(jù)庫的全部記錄中所發(fā)生的次數(shù)；對于兩個(gè)事 件都不是災(zāi)害事件的二項(xiàng)關(guān)聯(lián)事件，則不做考慮。例如(I4，F(xiàn)7)、 (15,17)、 (15,18)、
(16.18) 、 (16,19)、 (17,18)、 (17,19)、 (18,19)這些事件。另外，在本例中，所述次數(shù)可 以通過步驟S2031直接獲得，或者重新進(jìn)行計(jì)算。
例如，繼續(xù)上述三項(xiàng)關(guān)聯(lián)事件的例子，其頻繁三項(xiàng)集為(11,15,17)、 (11,16,18)、 (11,17,18)、 (15,17,18)。對于(I1，I5,I7)來說，計(jì)算除去災(zāi)害事件II之后，剩余的事 件15和18在所述歷史數(shù)據(jù)庫的全部記錄中同時(shí)發(fā)生的次數(shù)；對于(I1,I7,I8)來說， 計(jì)算除去災(zāi)害事件II之后，剩余的事件17和18在所述歷史數(shù)據(jù)庫的全部記錄 中同時(shí)發(fā)生的次數(shù)。同樣，對于三個(gè)事件都不是災(zāi)害事件的三項(xiàng)關(guān)聯(lián)事件則不 予考慮。
同理，若有頻繁四項(xiàng)集、頻繁五項(xiàng)集等等也可以照理計(jì)算。由于本領(lǐng)域普 通技術(shù)人員可以簡單推理得到，在此不作進(jìn)一步闡述。
19步驟S3043,計(jì)算所述災(zāi)害事件發(fā)生的概率。
本步驟中，用步驟S3041中計(jì)算得到的關(guān)聯(lián)事件的發(fā)生次數(shù)對應(yīng)除以步驟 S3042中計(jì)算得到的剩余事件發(fā)生的次數(shù)，便得到了步驟S3042中除去的突害事 件發(fā)生的概率。
例如，在步驟S3041中頻繁三項(xiàng)集中的(I1，I5，I7)發(fā)生的次數(shù)為P次，而經(jīng)過 步驟S3042計(jì)算得到的除去災(zāi)害事件II后，剩余事件15和17同時(shí)發(fā)生的次數(shù) 為Q,則本步驟中計(jì)算P/Q便是所述剩余事件15和17同時(shí)發(fā)生時(shí)所述災(zāi)害事件 II發(fā)生的概率。
例如，在步驟S3041中頻繁二項(xiàng)集中的(Il， 19)發(fā)生的次數(shù)為m次，而經(jīng)過 步驟S3042計(jì)算得到的除去災(zāi)害事件II后，剩余事件19發(fā)生的次數(shù)為n，則本 步驟中計(jì)算m/n便是所述剩余事件19發(fā)生時(shí)所述災(zāi)害事件II發(fā)生的概率。
步驟S3044，結(jié)束。
在本發(fā)明的一個(gè)優(yōu)選的實(shí)施例中，所述步驟S3043與步驟S3044之間還包 括判斷步驟S3043中計(jì)算得到的發(fā)生概率是否達(dá)到預(yù)設(shè)的置信度，若是，則 保留此次的對所述災(zāi)害事件的預(yù)測概率；否則，剔除步驟S3043中得到的預(yù)測 概率。
這樣來說，經(jīng)過圖4所示實(shí)施例后便得到了一個(gè)預(yù)測模型，該預(yù)測模型的 輸入量是實(shí)時(shí)監(jiān)測到的數(shù)據(jù)，該數(shù)據(jù)輸入所述預(yù)測才莫型后，經(jīng)過圖1所示實(shí)施 例的步驟SIOI生成事件，然后將生成的事件作為搜索參數(shù)，并人工設(shè)定預(yù)測所 提前的時(shí)間(該時(shí)間與所述前向時(shí)間相對應(yīng)，也就是i兌這個(gè)時(shí)間就是所述前向 時(shí)間，因?yàn)槟Ｐ偷慕⒕褪且郧跋驎r(shí)間作為歷史數(shù)據(jù)的提前預(yù)測時(shí)間，因而在 使用模型的時(shí)候應(yīng)該保持一致)，這樣經(jīng)過搜索模型，便可以得到災(zāi)害事件發(fā)生 的概率。(本-度落及上面的闡述再加上圖l就是一個(gè)預(yù)警過程)
本發(fā)明中的統(tǒng)計(jì)模型預(yù)報(bào)方法是由用戶設(shè)定可能與災(zāi)害相關(guān)的一些規(guī)則， 系統(tǒng)通過分析歷史數(shù)據(jù)自動計(jì)算出每一種規(guī)則與災(zāi)害的相關(guān)程度和根據(jù)實(shí)時(shí)監(jiān) 測的數(shù)據(jù)滿足某一個(gè)或某幾個(gè)規(guī)則時(shí)，預(yù)報(bào)災(zāi)害發(fā)生的概率。
相對于數(shù)值預(yù)報(bào)方法它有如下特點(diǎn)
1 .對站點(diǎn)的同 一種突害有多種預(yù)報(bào)規(guī)則，模型計(jì)算得到每種規(guī)則與災(zāi)害的聯(lián)系程度。
2. 該系統(tǒng)與用戶交互，由用戶設(shè)定規(guī)則，輔助用戶分析不同的規(guī)則與突害之 間的相關(guān)程度。
3. 隨著系統(tǒng)的使用，監(jiān)測數(shù)據(jù)提供也被放在歷史數(shù)據(jù)庫中，歷史數(shù)據(jù)庫逐漸 增加，預(yù)報(bào)模型作自適應(yīng)的變化。也就是一邊實(shí)時(shí)監(jiān)測， 一邊自學(xué)習(xí)，預(yù)報(bào)越 來越精確。
4. 系統(tǒng)預(yù)報(bào)的過程也是預(yù)報(bào)模型學(xué)習(xí)的過程。
本發(fā)明所述的統(tǒng)計(jì)模型預(yù)測方法以歷史數(shù)據(jù)為參考，歷史監(jiān)測數(shù)據(jù)越多越 可靠。
基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘方法具有非線性表達(dá)的能力，適合于海洋突害預(yù) 報(bào)這一多因子，多目標(biāo)的擬合、預(yù)測。其容錯(cuò)能力強(qiáng)把海洋歷史監(jiān)測數(shù)據(jù)庫 作為知識信息，用統(tǒng)計(jì)分析的方法分析災(zāi)害和與災(zāi)害相關(guān)因子之間聯(lián)系。不會 因?yàn)閭€(gè)別環(huán)境因素的變化引起錯(cuò)誤，因此數(shù)據(jù)挖掘的預(yù)報(bào)方法容錯(cuò)能力強(qiáng)，可 靠性高。
而且，預(yù)報(bào)速度快經(jīng)過用關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘方法對歷史數(shù)據(jù)庫進(jìn)行挖 掘生成的海洋突害的預(yù)報(bào)模型在對海洋實(shí)時(shí)監(jiān)測的數(shù)據(jù)進(jìn)行分析時(shí)，僅需作少 量的簡單預(yù)算，因此預(yù)報(bào)速度快。
以上所揭露的僅為本發(fā)明一種較佳實(shí)施例而已，當(dāng)然不能以此來限定本發(fā) 明之權(quán)利范圍，因此依本發(fā)明權(quán)利要求所作的等同變化，仍屬本發(fā)明所涵蓋的 范圍。
2權(quán)利要求
1、一種海洋災(zāi)害預(yù)警方法，包括以下步驟a、獲得監(jiān)測數(shù)據(jù)；b、分析所述監(jiān)測數(shù)據(jù)得到其所構(gòu)成的事件；c、按照所述事件并根據(jù)統(tǒng)計(jì)預(yù)測模型預(yù)測災(zāi)害事件。
2、 根據(jù)權(quán)利要求1所述的海洋災(zāi)害預(yù)警方法，其特征在于，步驟b中所述 事件為預(yù)先設(shè)置的條件，若滿足所述條件，則認(rèn)為構(gòu)成了所述事件。
3、 根據(jù)權(quán)利要求1或2所述的海洋災(zāi)害預(yù)警方法，其特征在于，所述統(tǒng)計(jì) 預(yù)測模型通過以下方式獲得A、 通過確定條件設(shè)定若干事件；B、 遍歷歷史數(shù)據(jù)庫中的監(jiān)測記錄，確定所述若干事件是否發(fā)生并記錄； C 、利用關(guān)聯(lián)規(guī)則方法確定所述若干事件中的關(guān)聯(lián)事件；D、根據(jù)所述關(guān)聯(lián)事件同時(shí)發(fā)生的次數(shù)與所述關(guān)聯(lián)事件中非災(zāi)害事件發(fā)生次 數(shù)的比率生成預(yù)測模型。
4、 根據(jù)權(quán)利要求3所述的海洋災(zāi)害預(yù)警方法，其特征在于，步驟A中所述 條件包括相關(guān)站點(diǎn)、數(shù)據(jù)屬性、屬性范圍、事件類別、比4交方式、前向時(shí)間。
5、 根據(jù)權(quán)利要求4所述的海洋災(zāi)害預(yù)警方法，其特征在于，所述條件還包 括相關(guān)歷史站點(diǎn)。
6、 根據(jù)權(quán)利要求5所述的海洋災(zāi)害預(yù)警方法，其特征在于，所述比較方式 包括區(qū)間范圍內(nèi)、區(qū)間變化、區(qū)間對比；所述區(qū)間范圍內(nèi)表示所述相關(guān)站點(diǎn)在當(dāng)前時(shí)間之前的所述前向時(shí)間的數(shù)據(jù) 屬性的在所述屬性范圍內(nèi)；所述區(qū)間變化又包括特定時(shí)間_艮和歷史時(shí)間_歐；所述特定時(shí)間^敬表示所述 相關(guān)歷史站點(diǎn)在設(shè)定的時(shí)間范圍內(nèi)的所述數(shù)據(jù)屬性與所述相關(guān)站點(diǎn)在當(dāng)前時(shí)間之前的所述前向時(shí)間的所述數(shù)據(jù)屬性的變化關(guān)系符合所述屬性范圍；所述歷史時(shí)間段表示所述相關(guān)歷史站點(diǎn)在設(shè)定的歷史時(shí)間區(qū)間內(nèi)的所述數(shù) 據(jù)屬性的平均值與所述相關(guān)站點(diǎn)在當(dāng)前時(shí)間之前的所述前向時(shí)間的所述數(shù)據(jù)屬性的變化關(guān)系符合所述屬性范圍；所述區(qū)間對比表示所述相關(guān)站點(diǎn)在設(shè)定的相關(guān)站點(diǎn)時(shí)間段內(nèi)的所述數(shù)據(jù)屬 性的平均值與所述歷史相關(guān)站點(diǎn)在設(shè)定的歷史相關(guān)站點(diǎn)時(shí)間段內(nèi)的所述數(shù)據(jù)屬 性的平均值的變化關(guān)系符合所述屬性范圍。
7、 根據(jù)權(quán)利要求6所述的海洋災(zāi)害預(yù)警方法，其特征在于，所述事件類別 包括正常事件和災(zāi)害事件；所述災(zāi)害事件至少包括風(fēng)暴潮、赤潮、巨浪及海哺 中的一個(gè)。
8、 根據(jù)權(quán)利要求3所述的海洋災(zāi)害預(yù)警方法，其特征在于，所述步驟C包括Cl、確定步驟B中所發(fā)生事件中每一個(gè)所發(fā)生的次數(shù)占所述歷史數(shù)據(jù)庫中 全部監(jiān)測記錄的數(shù)量的比率，并與預(yù)先設(shè)置的第一支持度比較，若小于所述第 一支持度則剔除，否則保留作為頻繁一項(xiàng)集；C2、將所述頻繁一項(xiàng)集中每兩個(gè)事件組合成為包含兩個(gè)事件的二項(xiàng)事件以 構(gòu)成候選二項(xiàng)集；并且，計(jì)算該候選二項(xiàng)集中每個(gè)二項(xiàng)事件同時(shí)發(fā)生的次數(shù)占 所述歷史數(shù)據(jù)庫中全部監(jiān)測記錄的數(shù)量的比率，并與預(yù)先設(shè)置的第二支持度比 較，若小于所述第二支持度則剔除，否則保留該二項(xiàng)事件作為二項(xiàng)關(guān)聯(lián)事件以 構(gòu)成頻繁二項(xiàng)集；C3、將頻繁N-1項(xiàng)集中每個(gè)N-1項(xiàng)關(guān)聯(lián)事件內(nèi)的事件按序排列后，再將僅 前N-2個(gè)事件相同的每兩個(gè)N-l項(xiàng)關(guān)聯(lián)事件合并形成包含N個(gè)事件的N項(xiàng)事件 以構(gòu)成候選N項(xiàng)集；并且，計(jì)算所述候選N項(xiàng)集中每個(gè)N項(xiàng)事件同時(shí)發(fā)生的次 數(shù)占所述歷史數(shù)據(jù)庫中全部監(jiān)測記錄的數(shù)量的比率，并與預(yù)先設(shè)置的第N支持 度比較，若達(dá)到所述第N支持度則保留該N項(xiàng)事件作為N項(xiàng)關(guān)聯(lián)事件以構(gòu)成頻 繁N項(xiàng)集。其中，N為大于等于3的正整數(shù)；并且，當(dāng)出現(xiàn)以下任一情形時(shí)，本流程 結(jié)束情況一、頻繁N-1項(xiàng)集中沒有兩個(gè)N-1項(xiàng)關(guān)聯(lián)事件的前N-2個(gè)事件相同； 情況二、候選N項(xiàng)集中的N項(xiàng)事件均無法達(dá)到第N支持度。
9、 根據(jù)權(quán)利要求8所述的海洋災(zāi)害預(yù)警方法，其特征在于，步驟D包括 Dl 、獲得所述歷史彰:據(jù)庫中包含災(zāi)害事件的關(guān)聯(lián)事件同時(shí)發(fā)生的次數(shù)； D2、獲得步驟Dl所述關(guān)聯(lián)事件中排除災(zāi)害事件后的剩余事件在所述歷史數(shù)據(jù)庫中獨(dú)立發(fā)生的次數(shù)；D3、將步驟D1所述次數(shù)比上步驟D2所述次數(shù)得到所述剩余事件導(dǎo)致所述 災(zāi)害事件發(fā)生的概率。
10、 根據(jù)權(quán)利要求9所述的海洋災(zāi)害預(yù)警方法，其特征在于，步驟D3之后 還包括D4、將所述概率與預(yù)設(shè)置信度比較，若達(dá)到所述預(yù)設(shè)置信度，則保留所述 概率。
全文摘要
本發(fā)明公開了一種海洋災(zāi)害預(yù)警方法，包括以下步驟a.獲得監(jiān)測數(shù)據(jù)；b.分析所述監(jiān)測數(shù)據(jù)得到其所構(gòu)成的事件；c.按照所述事件并根據(jù)統(tǒng)計(jì)預(yù)測模型預(yù)測災(zāi)害事件。本發(fā)明中，由于采用統(tǒng)計(jì)模型進(jìn)行預(yù)測，其不會因?yàn)閭€(gè)別環(huán)境因素的變化引起錯(cuò)誤，容錯(cuò)能力強(qiáng)，可靠性高。
文檔編號G08B21/00GK101567124SQ20091001602
公開日2009年10月28日 申請日期2009年6月4日 優(yōu)先權(quán)日2009年6月4日
發(fā)明者任國興, 侯廣利, 巖 劉, 孫繼昌, 尤小華, 穎 張, 張穎穎, 徐珊珊, 蘋 朱, 杜立彬, 湯永佐, 石小梅, 巖 程, 楊 高 申請人:山東省科學(xué)院海洋儀器儀表研究所