AWT——基于聚合小波树的气象时间序列聚类
机器学习
2022-12-14 v1 大气与海洋物理
摘要
聚类和异常值检测对于气象观测都起着重要作用。我们提出 AWT 算法，一种面向时间序列数据的聚类算法，在聚类过程中同时执行隐式异常值检测。AWT 融合了若干知名 K-Means 聚类算法的思想。它基于用户定义的阈值参数自动确定聚类数目，并可用于异构气象输入数据以及超出可用内存大小的数据集。我们将 AWT 应用于来自维也纳市、分辨率为每小时一次的众包 2 米温度数据，以检测异常值，并探究最终聚类是否呈现出与城市土地利用特征相关的普遍相似性与相似性。结果表明，利用 AWT 实现异常值检测以及向土地利用特征的隐式映射均是可行的，这为特别是在快速发展的城市气候与城市天气领域开辟了新的可能应用方向。
引用
@article{arxiv.2212.06642,
title = {AWT -- Clustering Meteorological Time Series Using an Aggregated Wavelet Tree},
author = {Christina Pacher and Irene Schicker and Rosmarie deWit and Katerina Hlavackova-Schindler and Claudia Plant},
journal= {arXiv preprint arXiv:2212.06642},
year = {2022}
}
备注
11 pages; Extended version of the paper published at IEEE DSAA 2022