申请/专利权人：中山大学

申请日：2020-07-16

公开（公告）日：2024-04-12

公开（公告）号：CN112016588B

主分类号：G06F18/23

分类号：G06F18/23;G06F18/24;G06Q10/063;G06Q50/26

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2020.12.18#实质审查的生效;2020.12.01#公开

摘要：本发明提供了一种面向遥相关模式的空间自相关聚类方法，其通过考虑每一个空间网格单元与相邻单元遥相关的相关程度，在局部Moran指数定义的基础上，采用相关系数原始数值而不作中心化处理，从而改进局部Moran指数计算公式，得到新的空间自相关局部指标LISAAC，实现显著正或负遥相关集聚范围的探测，同时实现异常值即显著正值区域中出现不显著或负值网格，显著负值区域中出现不显著或正值网格的识别。实验结果表明，本发明能根据遥相关系数本身的标准化性质，实现对不同类型遥相关的空间聚类，结果便于对不同季节的遥相关程度进行横向对比。

主权项：1.一种面向遥相关模式的空间自相关聚类方法，其特征在于，包括以下步骤：S1：获取研究区域空间网格坐标信息，依据坐标信息计算空间权重矩阵；S2：获取研究区域网格尺度降雨数据及相同时间范围的大尺度气象因子指标，得到降雨-气象指标时间序列；其中，记观测的气象因子指标序列为：X＝[xt]记观测降雨序列为：Y＝[yt,i]其中，xt为第t年观测到的气象因子指标数值，X为xt组成的集合；记网格总数为N，以i为网格索引；yt,i为第t年在网格i观测到的降雨数值，Y为yt,i组成的集合；S3：依据所获得的降雨-气象指标时间序列，逐网格计算降雨-气象指标相关系数r；对于给定的网格i，由X和Y序列得到气象因子和降雨之间的相关系数： 式中，rxt代表X序列中第t年气象因子指标数值在原始序列中从小到大的排序，ryt代表Y序列中观测到的降雨数值在原始序列中从小到大的排序，而和则代表rxt和ryt的均值；相关系数r的值介于-1与1之间，当两个变量完全单调相关时，r的值为1或-1；对于网格i，所计算的相关系数可记为ri，由此可得到相关系数组成的集合R＝[ri]；S4：根据相关系数r及空间权重矩阵，计算逐网格的空间自相关局部指标LISAAC；所述空间自相关局部指标LISAAC的计算公式具体为： 其中，wi,j是用于将ri与邻近网格rj进行联系的权重系数；为网格i邻近网格的空间加权相关系数；Ci描述ri和其邻近网格rj之间的关系的强度；式中的权重系数是影响Ci的重要参数；其中，为了使权重系数随距离增大而衰减，采用反距离权重法，以欧几里得法计算距离，并以该距离的平方的倒数作为两网格之间的距离权重系数： 式中di,j为第i和j各网格之间的欧式距离；当di,j增大，邻近网格相关系数rj对Ci的影响越小，根据数据尺度预设距离阈值以减少计算量；S5：重排步骤S2中的降雨及气象指标时间序列，获得新的降雨-气象指标时间序列，重复执行步骤S3-S4，直到达到预设的迭代次数n；S6：根据步骤S4得到的n组随机LISAAC，构建参考经验分布H；其中，通过随机排列气象因子指标序列和第i或j个网格的观测降雨序列，重新计算ri或rj，及相应的Ci；通过多次重复计算，构建Ci的参考经验分布H；S7：根据观测LISAAC、观测相关系数r以及参考经验分布H，得到在指定显著性水平下各网格的分类结果，用于对不同季节的遥相关程度进行横向对比。

全文数据：

权利要求：

百度查询： 中山大学 一种面向遥相关模式的空间自相关聚类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD