海洋水文观测数据聚类

在科学考察中,数据的获取受自然环境因素以及监测成本影响较大,实际布放的监测点的数量和位置可能无法达到预期,并且所采集的数据集中通常包含了多种监测要素,利用数据分析来弥补因自然环境影响而造成的数据缺失并找出数据变化规律显得尤为重要。以南极普里兹湾水文数据为研究对象,利用空间插值的方法,来弥补数据不足和监测点稀疏的问题,再将改进的动态时间弯曲距离算法用于具有多要素特性的水文深度序列相似度衡量,实验结果表明相较于传统的欧氏距离相似度衡量更为准确。基于所提出的相似度衡量算法,对普里兹湾水文数据进行聚类,并获得了每个簇的空间分布情况。