答辯人：張曉慶導師：劉娟教授時間：2013年5月20日基于時序監測數據的短時雷電預測系統目錄1研究背景2研究目標3本文工作4本文小結1研究背景2研究目標3本文工作4本文小結雷電危害1●雷電的強大電流、電壓、電波等會導致嚴重的氣象災害。●雷電效應會引發火災、建筑物損壞、電子電氣系統燒毀、危及人畜生命安全?！窭纂姷陌l生無法避免。研究背景研究現狀-方法2

1、理論研究

2、傳統天氣預報方法：數值天氣預報

3、新型天氣預報方法：數理統計方法研究背景研究背景數理統計方法模型：KMeans、DBSCAN、NN、SVM、LSMetc.優點克服了模型不確定的問題準確度有所提高研究背景研究現狀-不足3

1、國內研究起步較晚2、準確度低3、實用性不強1研究背景2研究目標3本文工作4本文小結1研究目標改進雷電數據聚類算法。2設計雷電系統分析預測模型。1建立實驗系統，完成雷電數據的分析和預測，并將結果應用于雷電預警系統中。31研究背景2研究目標3本文工作4本文小結本文工作雷電數據分析-發現雷電簇

帶電云團的運動決定了雷電的發生和變化，對雷電的研究可以轉化成對雷擊坐標點的研究。其新穎之處在于把未知數目的雷電坐標抽象成有限個帶電云團，通過觀察帶電云團的運動軌跡，猜想并提出最可能符合其運動軌跡的模型。1本文工作雷電數據預測-擬合聚類結果采集雷電分析結果→使用模型擬合→得到雷電預測模型(1)(2)23本文工作雷電數據分析工作1雷電數據預測工作2系統整體框架系統整體框架圖1本文工作模塊功能描述4本文工作模型選擇5分析模塊（IDBSCAN）預測模塊（LSM）本文工作分析模塊算法IDBSCAN改進點6去除噪音。1Kmeans聚類結果IDBSCAN聚類結果本文工作分析模塊算法IDBSCAN改進點7預先指定初始聚類中心點。2時間段t聚類結果時間段t+1聚類結果（初始點隨機選擇--DBSCAN）時間段t+1聚類結果（時間段t中心點作為聚類依據--IDBSCAN）本文工作分析模塊算法IDBSCAN改進點8自動調節聚類參數—類的錯誤分離。3時間段t聚類結果時間段t+1聚類結果（改進前--DBSCAN）時間段t+1聚類結果(改進后--IDBSCAN)本文工作分析模塊算法IDBSCAN改進點9自動調節聚類參數—類的錯誤合并。4時間段t聚類結果時間段t+1聚類結果（改進前--DBSCAN）時間段t+1聚類結果(改進后--IDBSCAN)本文工作數據采集(1)(2)10實驗數據數據預處理(3)數據存儲字段名雷擊發生時間經度緯度雷擊放電電流類型datetimefloatfloatfloat本文基于電網雷電監測網提供的實時雷電監測數據。數據以多字段（雷擊發生時間、位置、雷擊放電電流、回擊、主機號、定位站數、定位站值等共21個）的形式存儲于SQL數據庫中。本文數據的中間結果及最終結果均以數據表的形式存儲在SQL數據庫中。1本文工作實驗結果IDBSCAN聚類-中心點（連續5個時間段）111本文工作實驗結果雷電預警系統可視化-中心點（連續5個時間段）121本文工作實驗結果雷電預警系統可視化-雷電分布（T1時間段）131本文工作實驗結果預測中心點：（98.8295，23.9911）實際中心點：（98.8316，23.9937）偏差：0.371kmLSM擬合-經緯度（連續5個時間段）141本文工作實驗結果誤差估計（連續10個時間段）151本文工作實驗結果雷電預警系統可視化-雷電分布（預測T6時間段）161研究背景2研究目的3本文工作4本文小結1本文小結改進了DBSCAN模型；抽象系統模型，提出了雷電的分析預測方法；對比實驗結果，得出結論。1建立實驗系統，完成了雷電的分析和預測工作；將雷電分析預測結果應用于雷電預警系統中。2本文工作11本文小結將對雷電的研究抽象為對雷電坐標點的研究，應用數理統計方法解決。1在DBSCAN模型中加入KMeans模型的優點，并針對雷電數據特有的性質，提出IDBSCAN模型用于雷電數據的分析工作。2本