时空异常探测方法研究综述

异常探测是数据挖掘领域的一个重要研究内容,旨在从海量数据中挖掘不符合普适性规律、表现出"与众不同"特性的数据或模式,其在金融欺诈、公共卫生、极端气候事件发现、交通拥堵判别、环境污染监测等领域具有重要应用价值。异常探测最初应用于事务型数据库,后来扩展到空间数据库和时空数据库,出现了一系列有针对性的异常探测算法。为了更好地满足应用需求,发展性能更高、适应性更强的异常探测方法,该文从所使用的数据类型将异常探测粗分为传统异常探测、空间异常探测和时空异常探测,并详细回顾了典型的传统/空间/时空异常探测方法,指出这些方法存在的问题和局限性:1)不适用于高维数据的异常探测;2)自适应能力差;3)缺乏对异常探测结果的有效性评价。最后,展望了异常探测的相关热点研究方向:1)顾及高维专题属性的异常探测;2)顾及领域知识的异常探测;3)耦合度量关系和非度量关系的异常探测;4)异常探测的有效性评价。

基于模糊聚类的CO_2数据流时空异常模式的研究

传统的异常检测算法不能区分CO_2数据流的异常类型,为了有效识别因泄漏造成CO_2数据流的异常,提出了基于模糊聚类的CO_2数据流时空异常模式检测算法。该算法首先利用3σ规则实现自适应阈值的异常点检测,其次提取待检测滑动窗口的特征值(均值),构建指定区间内邻居节点间的时空关系矩阵,采用模糊聚类分析相邻节点特征值的时空相关性并对其进行分类,根据分类结果确定泄漏异常概率,最后利用真实观测数据对算法进行验证并对参数的选取进行分析。实验结果表明该算法能有效地识别因泄漏造成的事件异常,具有较高的检测率和较低的误警率。

大震前区域地震活动应变场的时空异常特征

本文基于自然正交函数展开方法,以地震应变为变量,计算1980年以来中国大陆7级以上大震前的地震应变,提取出大震前区域地震活动应变场的时空异常。结果表明大震前时间因子在平稳背景上会出现突跳上升或突跳下降异常变化。一般情况下,前4个应变场中至少有3个出现异常变化,异常分布具有多分量特点,出现的最早时间大约在震前3年,少数出现在震前1～6个月。对比应变场时间因子异常与研究区域每个网格单元(0.5°×0.5°)内的地震能量时间因子异常形态的相似性、时间的一致性,找出地震应变场空间异常位置。结果表明,多数大震前的空间异常分布在主震震中周围;少数大震的空间异常远离主震震中。产生这种现象的原因是大震前与主震不同距离的单元网格内发生中短期或者临震的震群、显著地震等地震活动性异常。

时空异常探测:从数据驱动到知识驱动的内涵转变与实现路径

时空异常探测是地理空间数据挖掘的核心技术之一,可为深层揭示地理过程演化机理提供关键突破口。在大数据与人工智能技术的推动下,从数据驱动向知识驱动转变是地理大数据时空异常智能探测的发展趋势。本文系统梳理了时空异常探测研究的发展历程与主流研究思路,剖析了数据、信息与知识间的辩证关系,并从“地理变量、空间基底、时空关系、知识类型”四位一体的视角构建了时空知识的统一描述框架。进而,结合案例阐述了时空知识与时空异常的“双向驱动”内涵,提出了“时空知识关联建模→时空异常智能识别→时空知识动态更新”的时空异常智能探测实现路径,支撑时空异常可靠探测与时空知识可信服务。

时空一体化框架下时空异常探测

提出一种时空一体化的时空异常探测方法,首先基于时空统计学与聚类分析构建一体化时空邻近域。进而,发展兼顾时空相关与异质性的时空异常度量方法。最后,采用一种3步骤的策略探测时空异常。应用本文方法探测中国陆地区域33年(1970年—2002年)的年平均气温时空数据中的时空异常,探测结果具有较好的可靠性,反映时空数据的时空一体化特征。同时,对时空异常的产生机理与实际意义进行分析和解释。

时空数据异常探测方法

以"k倍标准差"准则为基础,提出一种专题属性双重偏离的时空异常检测方法,在每个要素的空间邻近域里采用"k倍标准差"准则探测各时刻的空间异常数据,在每个空间异常数据的时间邻近域中,再次使用该准则判断该要素是否为时序异常,并将所有空间和时间邻近域上均表现为异常的数据定义为时空异常。实验结果表明,该方法是有效可行的。

点集数据不规则形状时空异常聚类模式挖掘研究

传统扫描统计方法在进行时空异常聚类模式挖掘时,受扫描窗口形状的限制,不能准确地获取聚类区域形状。提出一种改进的不规则形状时空异常聚类模式挖掘方法stAntScan。新方法基于26方位时空邻近单元格构建时空邻接矩阵,再对蚁群最优化扫描统计方法进行改进,使其能适应三维大数据量的时空区域扫描。模拟数据和真实微博签到数据的实验证明,stAntScan能有效地识别时空范围内的不规则形状异常聚类,并且准确性较经典的SaTScan方法高。

基于时间序列相似性的自动观测数据时空异常探测方法研究

针对野外无线传感器获取的时空数据的特点,总结常见的时空异常探测方法,提出了一种根据时间序列相似性度量时空邻域的时空异常探测方法,用于准确检测时空数据的异常情况。采用2012年7月15日黑河流域生态水文无线传感器观测网中13个观测节点的数据进行验证,结果表明:该算法能够有效地探测到无线传感器网络时空数据中的异常,并能识别由于灌溉或降雨造成的伪异常,对其他数据处理探索研究有一定指导意义。

基于变点的时空异常模式研究

异常模式的探测具有很好的实用价值和生产指导意义,本文首先对目前国内外时空异常模式方面的研究工作做了介绍。然后基于时空变点的概念给出了时空异常的定义,在此基础上结合大气污染监测数据对基于变点的时空异常模式进行探测。

2018年云南通海Ms5.0和墨江Ms5.9地震前地磁垂直强度极化异常时空特征研究

利用云南11个地磁台站的秒采样观测数据,计算和分析了地磁垂直强度极化值Yzh在2019年8月13日、14日通海MS5.0地震前及2019年9月8日墨江MS5.9地震前的时空变化特征。研究表明,地磁台站Yzh值的幅度在震前会出现同步增强现象。而与以往的极化震例研究相比,Yzh值的高值异常在震前出现时间要更早些,可能会在震前2~5个月出现,距发震时间越近,产生的异常幅值可能越大,异常持续时间也越长。同时,研究还发现2次地震主要发生在异常空间等值线的高值区内,尤其在零值阈值线附近,这可能对今后发震地点的预测有一定的指示意义。对比异常产生时段内的Dst指数,认为该高值异常并非由空间电流体系所引起。

时空数据挖掘研究进展

近年来,随着全球定位系统、传感器网络和移动设备等的普遍使用,非时空数据和时空数据急剧增加,加之时空数据处理更为复杂,使数据处理任务日趋繁重的形势更加严峻.因此,寻找有效的时空数据挖掘方法具有十分重要的意义.针对这一背景,主要围绕时空模式发现、时空聚类、时空异常检测、时空预测、时空分类、时空数据挖掘与推理的结合等方面,对时空数据挖掘研究的现状进行了详细介绍,对其当前所面临的一些主要问题及可能的解决方案进行了探讨.

基于DBSCAN聚类算法的异常轨迹检测

现有的异常轨迹检测算法往往侧重于检测轨迹的空域异常,忽略了对轨迹时域异常的检测,并且检测精确度不高,针对此类问题,提出了基于增强聚类的异常轨迹检测算法。首先,采用基于速度的最小描述长度(VMDL)准则把轨迹简化成有序线段;然后,使用改进的线段间的距离定义,基于DBSCAN算法把线段分为不同的类,以建模局部正常运动模式;最后,采用先检测空间异常性再检测时间异常性的二级检测算法,检测时空异常轨迹点。在多个测试集上的实验结果表明:该算法可以检测位置、角度、速度等三种时空异常轨迹点,相对于其他算法,明显提高了异常轨迹检测的精确度。

面向大数据的时空数据挖掘综述

时空数据挖掘是数据挖掘领域的前沿研究课题,正致力于开发和应用新兴的计算技术来分析海量、高维的时空数据,揭示时空数据中的有价值知识.本文以时空大数据为背景,介绍数据挖掘技术产生的背景与发展、时空数据挖掘的研究现状、研究内容、应用领域、面向大数据的时空数据挖掘系统架构以及实现技术,为相关领域的研究者提供参考.

结合PCA和滑动时窗的电离层异常探测方法研究

针对主成分分析(PCA)方法探测电离层异常时探测范围有限且无法区分正负扰动的问题,提出一种结合PCA和滑动时窗的探测方法,并以3次强震为例检测其异常探测能力。结果显示,PCA-滑动时窗方法同时具备了2种方法的探测优势,相较于滑动时窗法,其探测结果更加直观、简明,且不易受空间环境影响,有相对更高的异常探测置信度和可靠度;相较于PCA方法,其能更好地用于长时间时空异常探测,并准确区分出正负异常。另外,通过进一步分析2020年瓦哈卡地震后发现,电离层在震前11~13 d、9 d及4~6 d出现明显异常,且异常位于震中偏南区域。综合4次地震可知,异常主要出现在震中偏南方向,大多呈共轭结构。

2018年8月14日云南通海M5.0地震热红外亮温异常分析

利用相对功率谱估计方法对2018年8月14日云南通海市M5.0地震前后热红外亮温数据进行处理,提取异常变化特征。结果显示:2018年6月27日,在畹町—安定断裂附近出现亮温增温异常,随后异常幅值及面积逐渐增大,沿断裂带发展,持续至8月6日面积及谱值达到最高值,之后高值异常区域慢慢收缩,8月14日在异常区附近发生通海M5.0地震,震中区域未出现异常。异常高值区域平均相对功率谱时序变化特征与异常时空演化过程相似,地震发生在相对功率谱陡升至恢复过程中。

自然正交函数方法在强震预测中应用

1研究背景许多著名学者一致认为自然正交函数方法是预测、评估和检验大规模数据中短期和长期变化的最先进工具(Dawson,2016;Chao,2019;Neha et al,2021)。然而自然正交函数方法最先应用在大气、气候和气象预测上(马开玉等,1993),近年来该方法逐渐应用在强震预测研究中。在中国,采用正交函数方法计算强震前的能量场(杨明芝,2004)、应变场(杨明芝,2017;罗国富,2023)和频次场(罗国富,2023),提取场的时间和空间异常信息,分析与强震的关系。在日本、印度以及欧美国家,采用经验正交函数方法计算强震前后的变形场(Chang,2011;Chao,2019;Neha et al,2021),分析强震的同震变形,给出三维变形的运动方向。

GNSS异常的AF检验方法及其在震情跟踪中的应用

1 研究背景目前,在定点形变观测系统中,同一个测点包含多个测项和分量观测,这些观测蕴含不同维度的信息,彼此相互关联,共同反映了孕震区地壳变形信息。因此,需要一种数据降维方法,用于单个测点的信息综合(周硕愚等,1990;牛安福,1999)。另外,震前异常识别及其时空演化的研究,其实质是兼顾物理含义的时空数据挖掘,这种由点到面的空间演化特征研究,亟需构建无量纲参数,以实现单点数据的空间可比。

2014年云南景谷6.6级地震前后活动能量场分析

本文将地震释放能量作为地震活动场的基本要素,采用自然正交函数展开方法,系统研究2014年景谷6.6级地震震中区域地震活动能量场的时空特征。结果表明,景谷6.6级地震前能量场的前4个主要特征值对应的典型能量场时间因子都出现明显上升变或下降异常,空间等值线形成局部能量高值异常危险区,可能是景谷6.6级地震空间异常的中短期特征。我们还进一步研究了景谷6.6级地震前后空间异常随时间的演变,给出了异常发展变化模式,最后应用研究地震资料的累积次数从物理角度解释异常形成的机制。

2017年四川九寨沟7.0级地震前地震应变场分析

以地震应变场作为地震活动的变量,通过自然正交函数展开方法,计算2017年8月8日四川九寨沟7.0级地震前的地震应变场,提取出震前时间因子的异常变化。计算结果发现应变场前4个时间因子在震前1～3年的中短期异常并不显著,只有第2个和第4个时间因子震前有小幅度的异常变化,分析其原因,时间因子可能受到2008年汶川8.0级地震和2013年岷县漳县6.6级地震前大幅度异常的影响。与时间因子对应的空间等值线形成局部应变高值异常危险区,可能是2013年岷县漳县6.6级地震和2017年九寨沟7.0级地震空间异常的中短期特征。再对比九寨沟7.0级地震前后与松潘—平武7.2级双震的空间异常随时间演变,分析异常发展变化模式的差异,最后应用地震资料的累积频次从物理角度解释异常形成的机制。

日本M_W9.1地震对区域热辐射背景场影响的时频分析

一次特大地震会对震中及附近区域热辐射背景场造成较大影响。应用中国静止气象卫星风云二号系列(FY-2C/2E/2F/2G)的亮温资料,通过时频相对功率谱法对2007—2016年(30°N—45°N,135°E—150°E)范围的时频数据进行全时空全频段扫描,得到了2011年3月11日日本MW9.1特大地震的热辐射异常,该异常特征明显且与地震发震构造对应较好。应用时频分析方法分析MW9.1地震对上述扫描区域热辐射背景场的影响,得出2011年的热辐射异常出现时间长、范围大且与其它年份不同,进而得到影响过程的3个阶段(出现—最大—消失)。同时对多尺度相对功率谱处理地震热辐射异常的异同和优缺点进行了对比研究,结果显示6阶小波变换尺度部分经不同窗长的相对傅里叶功率谱处理能更加有效地识别和提取地震热辐射异常信息,研究区域10年间共出现6次热辐射异常,其中两次与2011年地震对应,3次与该区域其它地震对应,仅1次无地震对应。