基于多元聚类模型与两阶段聚类修正算法的变电站特性分析

变电站负荷包含多种用户负荷,其特性非常复杂,选择单一的日负荷曲线或是用户构成比例作为指标进行聚类,可能忽略其他因素并导致聚类结果不够全面。由此提出了同时考虑变电站日负荷曲线与变电站用户构成的多元聚类模型。为求解该模型,首先对日负荷曲线数据采用Kmeans算法进行聚类。然后,提出一种两阶段聚类修正算法,用于依照变电站用户构成数据修正日负荷曲线聚类结果。研究结果表明,所提方法所得的聚类结果准确度高,可降低聚类结果跌入局部最优的可能性,且所得结果能明确体现各个变电站在日负荷曲线上及用户构成上的差异。

灰色多元聚类中最大隶属原则的有效性研究

提出了灰色多元聚类中最大录属原则的有效性问题，设计了衡量有效性的指标，并提出了当最大录属原则失效时用以判断样本所属灰类的新判别准则－－加权平均原则。

紧凑性约束下的形状提取多元时序聚类

针对多元时序数据(MTS)的自然性和结构复杂性以及现有算法无法准确识别高维时序数据簇的问题,提出了紧凑性约束下的形状提取多元时间序列聚类算法C-Shape。该算法首先对繁杂的多元时序数据进行最大三角形三段降采样处理,达到使用较少数据而保持原有时序形状不变的目的。然后计算原始时序数据和处理后的时序数据之间的时间序列紧凑性,来评估所定的低维空间维度是否合理。接着在有效保证数据形状完整的基础上使用形状特征提取以确定新的簇中心,最后迭代形成最终簇。C-Shape充分考虑到处理后的数据与原数据形状之间的相似性,解决了传统降采样算法难以确定低维空间维度的难题。为验证算法性能,C-Shape与两个经典算法和七个近年提出的优秀时序聚类算法分别在八个常规和四个不平衡且维数从数十到数千不等的多元时序数据集上进行比较。实验结果显示,C-Shape聚类能力均优于九种对比算法,RI平均提高了16.33%,时间性能平均提高了69.71%。因此,C-Shape是一种精确且高效的多元时间序列聚类算法。

基于Getis-Ord G_i~*统计的地区用电量多元空间聚类方法研究

给出了一种非空间—空间组合的多元空间聚类方法,通过将Getis-Ord G_i~*统计与k-means多元聚类方法相结合,分析了浙江省用电量在区域空间中的集聚,探测了数据热点和冷点集聚情况。采用方差拟合优度进行了本方法与传统k-means多元聚类方法在处理数据方面的性能比较,验证了该方法的稳定性和可行性,结果证明在聚类精度上该方法比传统k-means多元聚类方法有较大提升。

大兴安岭南段山地造林立地类型划分

以大兴安岭南段山地近40年来营造的针叶树人工林地为研究对象,采用典型抽样获得了169个样地林分和立地条件资料,将林木生长指标与立地因子指标结合应用,用统计分析方法,划分出4个造林立地类型组,39个造林立地类型。

1954—2015年东江流域水沙演变规律

流域水沙过程在区域水土资源形成、河流海岸地貌重塑及生态环境演变中起着关键作用,在气候变化和人类活动双重影响下其演变规律一直以来备受关注。基于多元时序聚类与侵蚀性降雨分析,以博罗水文站为例,探讨东江流域水沙演变规律及潜在驱动因素。结果表明:①大规模的植树造林活动使得1980—2015年研究区域的森林覆盖率增长了超过30%;②博罗水文站的水沙关系在1987年后发生明显变异,主要原因可归结为由水库修建运行及植树造林所造成;③2005—2006年出现与1954—1987年相似的水沙关系,原因是极端天气带来降雨侵蚀力的异常增强,超过了产沙阈值。相关研究结果可为东江流域水沙关系及其对全球变化的响应研究提供科学依据,支撑东江流域气候变化应对和水土资源开发。

温室物联网多传感器数据融合算法设计与应用

基于CC2530嵌入式系统与温湿度、光照度、CO_2等传感器构建的温室物联网系统,设计实现了卡尔曼滤波、欧几里德距离公式及多元聚类统计技术相结合的多传感数据融合算法,对温室冬茬黄瓜挂果期的温度、湿度、光照度3个参数进行了数据融合试验。试验结果表明,该算法能较好地实现数据融合,减小因各类误差引起的数据不确定性及误差,温度、湿度、光照度的相对误差明显小于算术平均值算法,优化了系统对各类环境参数的决策调控依据,有助于提高温室生产的经济效益。

区域关联产业群的识别与发展模式探析——以陕西省为例

本文基于投入产出表和经济统计数据,对陕西省38个产业进行多元聚类分析,结合产业关联战略分类方法和区位商的方法,识别出陕西省的七个关联产业群分别为以生产服务业为主的产业群、采掘和化工业产业群、装备制造业产业群、高技术产业群、轻工制造业产业群、能源产业群、以公用服务业为主的产业群,并对各关联产业群的属性予以定位,最后提出陕西省关联产业群发展模式。

产业集群辨识方法综述

以产业集群内涵的厘清为基础,系统论述并评价了产业集群辨识中所运用到的各种方法,认为:专家意见法、产业感知法和企业访谈法都具有针对性强、能够收集难以统计的时新信息等特点,但依赖于专家等个体感性认知,系统数据收集困难,结论普适化受限;多元统计聚类法透视出产业间重要的依存关系,但部门全覆盖及产业在集群间截然分组不符实际;主成分分析法辨识结果相对理想,但数理解释牵强;Czamanski法逻辑严密,突出集群内部产业间的相互关联,但对支撑性部门雷同的集群处理待改善;共识集群法所体现出来的综合集成理念值得借鉴。最后总结,集群辨识宜继续开发共识集群法所提供的多种分析整合的做法,量化研究为主,定性修正为辅,同时应增加对空间维度的考虑。

浙江省空气质量变化特征研究——基于函数型数据分析

为了探究浙江省空气质量变化特征,选取浙江省2014—2019年的空气质量指数月度数据和6项主要空气污染物浓度月度数据进行研究。首先,将空气质量指数数据和6项空气污染物浓度数据拟合为函数曲线;然后,为了发掘浙江省空气质量指数和6项空气污染物浓度的动态变化特征,对空气质量指数曲线族的主成分基系数进行了K-means聚类,并对6项空气污染物浓度曲线族进行了多元Funclust聚类;最后,借助ArcGIS绘制浙江省聚类结果空间分布图,并探索了浙江省空气质量的空间分布特征。结果表明,浙江省空气质量变化特征在空间上可以划分为4类区域,呈现出由南至北逐渐变差的趋势;在时间上,浙江省空气质量指数呈逐年稳步下降趋势,SO2浓度下降明显,其他5项污染物浓度具有明显的相似性和显著的季节性特征。