[发明专利]一种基于快速密度峰聚类的客观天气分型方法

权利要求书

1.一种基于快速密度峰聚类的客观天气分型方法，其特征在于，该方法包括如下步骤：

步骤1)建立气象数据集的最小距离连通路径特征数组；

步骤2)基于路径特征数组计算各天气现象的路径属性和分布属性并生成三维决策图；

步骤3)使用回归分析自动判定出三维决策图的离群天气现象作为特征天气类型的代表性天气，并初步分型客观天气；

步骤4)用模糊加权法判定尚未划入任何簇的天气现象所要划入的代表天，并分离出过渡天气，最终完成客观天气分型；

步骤1)的具体方法如下：

步骤1.1)以日期为唯一标识，建立标准化后的气压、温度、相对湿度、风速，总云量以及日照时间共6个地面气象观测要素的数据集其中，x表示气象要素值，{1…n}表示天气现象序号，n表示天气现象数量，6表示气象要素数量，id表示天气现象唯一标识，即日期标识，令ID＝{id₁,id₂…id_n}，计算DATA各天气现象的距离矩阵d_ij＝d_ji，i、j∈{1...n}，DS为对称矩阵，其主对角线元素为NaN，d_ij和d_ji都表示第i、j个天气现象间的欧氏距离，查找DS中最小值d_mimj，及其所在行序号mi和列序号mj，并新建n×n×4三维数组RFS，全部元素初始化为NaN，RFS称为最小距离连通路径特征数组，简称路径特征数组，RFS在指定了第一个维度的行序号和第二个维度的列序号后得到的第三个维度数据，即长度为4的向量，称为RFS的路径特征向量，令RFS的路径特征向量RFS_mimj＝RFS_mjmi＝[1,d_mimj,d²_mimj,d_mimj]，并新建序号集合di＝{mi,mj}，以及序号集合do表示di相对于集合{1…n}的补集；

步骤1.2)查找DS子集DS(di,do)中最小值d_mdimdj，及其在DS中的行序号mdi和列序号mdj，然后更新RFS的路径特征向量RFS_mdimdj＝RFS_mdjmdi＝[1,d_mdimdj,d_mdimdj²,d_mdimdj]，再遍历集合di减去mdi后的子集odi中任一元素odi(i),i∈{1...length(odi)},更新RFS的路径特征向量RFS_odi(i)mdj＝RFS_mdjodi(i)＝[RFS_mdiodi(i)1+1,RFS_mdiodi(i)2+d_mdimdj,RFS_mdiodi(i)3+d_mdimdj²,max(RFS_mdiodi(i)4,d_mdimdj)]，RFS下标中1至4表示RFS第三个维度的序号，最后将mdj从集合do中删除并追加到集合di尾部；

步骤1.3)，如do不为空，则进入步骤1.2)继续执行，否则结束步骤1),完成路径特征数组RFS的生成；

步骤2)的具体方法如下：

步骤2.1)以dc为截断距离，按照DPC算法公式(1)和(2)计算每个天气现象的密度属性ρ_i,i∈{1...n}和距离属性δ_i,i∈{1...n},然后得出

公式(1)为高斯核函数公式，d_ij表示距离矩阵DS第i行j列元素，dc为截断距离，公式(2)中，ρ_j＞ρ_i表示d_ij取最小值的先决条件，j表示d_ij取最小值后天气现象i通过d_ij所连通的另一个相邻天气现象j＝nei(i)；

步骤2.2)计算每个天气现象的路径属性η_i,i∈{1...n}为：

式(3)中，i为RFS的第一个维度序号，即第i行，nei(i)为RFS的第二个维度序号，即第nei(i)列，nei(i)含义如式(2)，1至4表示RFS第三个维度序号；

步骤2.3)计算每个天气现象的分布属性θ_i,i∈{1...n}为：

式(4)中，i为RFS的第一个维度序号，即第i行，j为RFS的第二个维度序号，即第j列，1至2为RFS第三个维度序号，dc为截断距离，d_ij为距离矩阵DS第i行j列元素；

步骤2.4)计算和dgz_i＝dgx_i×dgy_i，以dgx_i、dgy_i、dgz_i为三维空间坐标绘制三维决策图。