Spark平台下的海表面温度并行预测算法

论文摘要

面对海量的海表面温度数据,如何使用大数据处理平台和新的处理技术来实时处理、分析并预测海表面温度数据,是一个亟待解决的问题。本文基于现阶段的时间序列方法和专家意见,首先,将类比合成方法引入到海表面温度预测应用中;其次,基于Spark平台提出了一种改进的快速DTW算法SparkDTW;最后,为了充分利用通过时间序列挖掘得到的信息,将SparkDTW与SVM相结合,提出了SparkDTW+SVM混合模型,为海表面温度预测的应用研究提供了较好的理论基础和技术支持。实验结果表明,SparkDTW算法预测精度优于SVM,提高了海表面温度预测效率,验证了将类比合成方法应用在海表面温度预测的可行性;SparkDTW+SVM在精度方面要优于SparkDTW和SVM,表明SVM模型能充分利用时间序列挖掘的信息,验证了SparkDTW+SVM在海表面温度预测的有效性。

论文目录

• 1 符号定义
• 2 相关工作
• 3 SparkDTW+SVM模型设计
•   3.1 生成类比模式和参考模式
•   3.2 DTW并行化
•   3.3 预测模型
• 4 实验
•   4.1 实验环境与数据
•   4.2 实验设计
•   4.3 实验结果分析
• 5 结束语

文章来源

类型: 期刊论文

作者: 贺琪,查铖,孙苗,姜晓轶,戚福明,黄冬梅,宋巍

关键词: 时间序列,相似性度量,海表面温度预测

来源: 海洋通报 2019年03期

年度: 2019

分类: 基础科学

专业: 海洋学

单位: 上海海洋大学信息学院,国家海洋信息中心,国家海洋局数字海洋科学技术重点实验室,上海电力大学

基金: 海洋大数据分析预报技术研发基金(2016YFC1401902),国家海洋局数字海洋科学技术重点实验室开放基金(B201801029),上海市高校特聘教授(东方学者)项目(TP2016038),上海市科委部分地方院校能力建设项目(17050501900)

分类号: P731.11

页码: 280-289

总页数: 10

文件大小: 525K

下载量: 413