[发明专利]一种基于点阵收缩的产区天气数据融合方法

说明书

本发明公开了一种基于点阵收缩的产区天气数据融合方法。本发明利用点阵结构的数据表示能力，将源数据集合的数据样本表示为点阵结点并组织成层次状的点阵结构。通过基于相邻位的点阵收缩方法，相似点阵结点以渐进的方式聚集。在点阵收缩结果的基础上，本发明提出相应的经典的和基于量子的产区天气数据融合方法。本发明可以以一种可控的方式实现产区天气数据的有效融合。

技术领域

本发明涉及(产区天气)数据融合技术领域，特别是涉及一种基于点阵收缩的产区天气数据融合方法。

背景技术

数据融合旨在检测源数据集中的重复数据并把他们融合成更加简洁和清晰的表示。若融合结果能够展示源数据的总体分布与关联，则它们对决策支持而言是有价值的信息。数据相关公司产生的大量产区天气数据里存在许多有价值的信息。如果这些有价值的信息展示为简洁的数据融合结果并用于决策支持，则可以产生可观的经济效益。

传统上，数据融合技术主要集中于传感数据和图像数据的融合。近年来，除了传感数据融合和图像数据融合之外，数据融合技术也应用于故障诊断、场景分类、行为和目标识别等领域。在金融领域，数据融合技术的应用包括产区天气预测、农产品市场预测等方面，但关于产区天气等金融数据融合的研究与发明并不多见。为获得简洁清晰的融合结果并用于决策支持，产区天气数据融合的主要任务是以一种渐进、可控的方式提高源产区天气数据的完整性与精确性。现有的经典的和基于量子的数据融合方法还不足以支持这一任务的完成。因此，提出一种新的产区天气数据融合方法就很有必要。

点阵结构具有强大的数据表示能力，既能表示传统的二进制态，也能表示量子基本态。在将源数据单元转换成点阵结点并形成层次结构之后，可以通过点阵收缩来实现源数据的渐进式融合。由于点阵结构的大小取决于点阵结点的长度，因此点阵结构的收缩过程就是点阵结点的收缩过程，且这一过程与数据融合过程相似。换句话说，重复数据在点阵收缩过程中逐步聚集。由于点阵收缩过程是可控的，因此基于点阵收缩的数据融合过程也是可控的。当同一子集中的重复数据被检测出来之后，它们将通过融合操作融合成一个新的数据单元。综上所述，通过点阵收缩来实现产区天气数据融合是合适的，其逻辑过程见图1。

在将源产区天气数据单元转换成点阵结点之前，需要对其进行整数化预处理。点阵结点的表示和点阵结构的构造与各数据向量中元素的唯一取值个数相关。基于产区天气数据的点阵表示，产区天气数据融合过程主要包括三步：点阵收缩、重复检测、数据融合。点阵收缩将相似的点阵结点聚集在一起。根据点阵收缩结果，重复检测将源数据集划分成不同的子集。数据融合将同一子集中的重复数据单元融合成单一的目标数据单元。

发明内容

本发明针对现有技术的不足，提出了一种基于点阵收缩的产区天气数据融合方法。

本发明包括以下步骤：

1)基于相邻位和量子表示的点阵收缩

对于源产区天气数据集X＝[s₁，s₂，...，s_i，...，s_n]^T中的数据样本s_i，其中的数据元素来自L个不同的数据向量 X¹，X²，...，X^j，...，X^L；L由产区天气属性个数决定；这里， X¹，X²，...，X^j，...，X^L分别表示如下产区天气属性：平均最大气温、平均最小气温、历史最大气温、历史最小气温、周平均气温、周气温偏差、周累计降雨量、周降雨量偏差、24小时最大降雨量、月累计降雨量、年累计降雨量、平均最大相对湿度、平均最小相对湿度、气温高于90°F天数、气温低于32°F天数、降雨量大于0.01英寸天数、降雨量大于0.5英寸天数。