Кластеризация грозовых разрядов
https://doi.org/10.25587/SVFU.2019.69.25526
Аннотация
В работе рассматриваются методы кластерного анализа для выделения и нахождения основных параметров грозового очага. В отличие от многих статистических процедур, методы кластерного анализа используются в большинстве случаев тогда, когда нет каких-либо априорных гипотез относительно классов и исследователь находится в описательной стадии исследования. Для решения задачи кластеризации грозовых разрядов предлагается использование последовательно двух методов кластерного анализа с применением метрики Махаланобиса и нормированной евклидовой метрики. Результаты, полученные при помощи первого метода, не противоречат данным, использующимся в современной теории и практике, но тем не менее требуют определенной точности определения формы кластера. Это связано с тем, что, с одной стороны, в результате применения некоторых алгоритмов создаются «волокнистые» кластеры, иными словами, кластеры эллиптической формы. С другой стороны, на фронтах действительно возникают грозовые облака в форме эллипса, именуемые фронтальными грозами. В данном случае форма очага определяется воздушным потоком, напирающим на грозовое облако с подветренной стороны, придавая ему овальную форму. Применение второго метода позволяет исключить шумы при построении карт плотностей грозовых разрядов и повысить точность определения параметров при грозорегистрации пассивными радиотехническими методами.
Об авторе
С. Н. Шабаганова
СВФУ им. М.К. Аммосова
Россия
Россия
ШАБАГАНОВА Светлана Николаевна – ст. преп. кафедры горного дела МПТИ (ф)
Якутск
Список литературы
1. Дюран Б. Кластерный анализ / Б. Дюран, П. Оделл. – М.: Статистика, 1977. – 128 с.
2. Леончик Е. Ю. Кластерный анализ. Терминология, методы, задачи / Е. Ю. Леончик, О. В. Савастру. – Одесса: ОНУ им. И.И. Мечникова, 2007. – 67 с.
3. Бююль А. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей / А. Бююль, П. Цефель, В.Е. Момот. – СПб.: ООО «ДивСофт ЮП», 2002. – 601 с.
4. Факторный, дискриминантный и кластерный анализ / О. Дж. Ким [и др.]; под ред. И.С. Енюкова. – М.: Финансы и статистика, 1989. – 215 с.
5. Петрук В. Применение локальных бинарных шаблонов к решению задачи распознавания лиц / В. Петрук, А. В. Самородов, И. Н. Спиридонов // Вестник Московского государственного технического университета им. Н.Э. Баумана. Серия «Приборостроение». – 2011. – №. 5. – С. 58-63.
6. Шитиков В. К. Количественная гидроэкология: методы системной идентификации / В.К. Шитиков, Г.С. Розенберг, Т.Д. Зинченко. – Тольятти: ИЭВБ РАН, 2003. – 463 с.
7. Mahalanobis P. C. Analysis of race-mixture in Bengal. Presidential Address. – Indian Science Congress, 1925.
8. Хант Э. Искусственный интеллект / Э. Хант. – М.: Мир, 1978. – 558 с.
9. Дуда Р. Распознавание образов и анализ сцен / Р. Дуда, Р. Харт. – М.: Мир, 1976. – 509 с.
10. Steinhaus H. Sur la division des corp materiels en parties / H. Steinhaus // Bull. Acad. Polon. Sci. – 1956. – Т. 1, №. 804. – С. 801.
11. Lloyd S. P. Least squares quantization in PCM / S. P. Lloyd // IEEE Transactions on information theory. – 1982. – Vol. IT-28, №2. – С. 129-137.
12. Александров М. С. Исследование атмосферных радиопомех ОНЧ- и НЧ диапазонов и их источников / М. С. Александров // Успехи современной радиоэлектроники. – 1998. – №. 10. – С. 3-25.
13. Кононов И. И. Кластерный анализ грозовой активности / И.И. Кононов, И.Е. Юсупов // Радиотехника и электроника. – 2004. – Т. 49, №. 3. – С. 283-291.
14. Загоруйко Н. Г. Алгоритмы обнаружения эмпирических закономерностей / Н.Г. Загоруйко, В.Н. Елкина, Г.С. Лбов. – Новосибирск: Наука, 1985. – 110 с.
15. Васильев А. Е. Грозовая активность на Востоке Сибири по наблюдениям с помощью однопунктового грозопеленгатора-дальномера: дис. … канд. ф.-м. наук: 25.29.00 – Физика атмосферы и гидросферы / Институт космофизических исследований и аэрономии им. Ю.Г. Шафера СО РАН. Якутск, 2005. 147 с.
16. Аджиева А. А. Кластерный анализ в автоматическом выявлении и сопровождении грозовых очагов по данным грозопеленгационной сети [Электронный ресурс] / А.А. Аджиева, В.А. Шаповалов // Инженерный вестник Дона: электр. науч. журн. – 2016. – №2. – Режим доступа: http://ivdon.ru. – (Дата обращения: 21.12.2016).
17. Характеристики грозовых ячеек по наблюдениям в Якутии / Шабаганова С.Н. [и др.] // Метеорология и гидрология. – 2012. – № 12. – С. 35–43.
18. Мандель И. Д. Кластерный анализ / И.Д. Мандель. – М.: Финансы и статистика, 1988. – 176 с.
19. Wishart D. Mode analysis: A generalization of nearest neighbor which reduces chaining effects / D. Wishart // Numerical taxonomy. – 1969. – Т. 76, №. 282-311. – С. 17.
20. Панюков А. В. Системы пассивного мониторинга грозовой деятельности / А.В. Панюков, Д.В. Будуев, Д.Н. Малов // Вестник Южно-Уральского государственного университета. Серия: Математика. Физика. Химия. – 2003. – №. 8. – С. 24.
21. Kohn M. et al. Nowcasting thunderstorms in the Mediterranean region using lightning data / M. Kohn [et al.] // Atmospheric Research. – 2011. – Т. 100, №. 4. – С. 489-502.
Рецензия
Для цитирования:
Шабаганова С.Н. Кластеризация грозовых разрядов. Вестник Северо-Восточного федерального университета имени М. К. Аммосова. 2019;(1):58-69. https://doi.org/10.25587/SVFU.2019.69.25526
For citation:
Shabaganova S.N. Clustering of lightning discharges. Vestnik of North-Eastern Federal University. 2019;(1):58-69. (In Russ.) https://doi.org/10.25587/SVFU.2019.69.25526
Просмотров:
150
Послать статью по эл. почте 