[发明专利]基于改进kmeans的重工业时序热源区域识别算法

说明书

本发明提供一种基于改进kmeans的重工业时序热源区域识别发现算法。该方法包括：火点数据获取与预处理，并按照区域网格进行数据切分；改进自适应kmeans聚类的热源对象构建，实现空间火点数据的自适应聚类；提取热源对象的特征，包括几何、统计和属性特征；辅助高分数据，建立热源对象训练样本，采用改进SVM的重工业热源区域识别模型，实现重工业热源区域的定位识别；进行结果验证与输出。该方法作为一种新的重工业区域发现方式，利用主动式夜火数据时间分辨率高、空间覆盖范围全的优势，结合改进自适应kmeans聚类算法，有效地识别出了全球的重工业区域。为环境监测、重工业经济效益评估、区域发展等，提供了良好的辅助作用。

技术领域

本发明涉及主动式火点数据处理领域、空间点聚类与目标发现识别领域，更具体的说，是涉及一种基于改进kmeans的重工业时序热源区域识别方法和模型。

技术背景

重工业，包括钢铁工业、冶金工业、机械、能源(电力、石油、煤炭、天然气等)、化学、材料等工业，是为国民经济各部门提供技术装备、动力和原材料的基础工业，是实现社会再生产和扩大再生产的物质基础。一个国家/地方重工业的发展规模和技术水平，是综合实力的重要标志。但是，伴随着全球经济的发展，区域重工业发展规模盲目扩张、结构重化同构、布局分散无序等问题日益突出，出现了大量重复建设、产能过剩和恶性竞争现象。这不仅威胁到国家社会经济的可持续协调发展，也加剧了区域性资源环境压力。因此，如何准确、高效、快速的定位全球重工业区域，对于环境监测、资源管理、重大工程监理、国防安全等领域发展具有重要意义。

受资源分布的影响，重工业区域分布具有：分布范围广、区域隐蔽、布局分散无序、规模形状各异、不易查证等特点。同时，受国家环保政策以及区域经济发展的博弈影响，致使采用传统的方式，基本无法实现全球重工业热源区域发现与动态监测。但对于大部分重工业生产活动来说，热源的使用是普遍而又必须的，比如炼钢厂的炼钢炉、电解铝工厂的电解炉等，都会在生成工作中产生大量的热辐射。热源的分布，在一定程度上能够反映了厂矿企业的时空分布格局；热源的强度，在一定程度上展示了工厂热排放的强度，反映了工厂生产活动情况。因此通过对热源热辐射的监控，进而反映出重工业企业的分布和活动，成为间接监测重工业发展的一种重要而又有效的技术手段。NPP(NPOESS Preparatory Project)卫星的主动式火点数据(MODIS active fire/hotspot data)，就是监测地面高温点的产品数据。与传统统计调查相比，MODIS active fire/hotspot data应用于重工业区域发现具有以下优势：能够高回访周期、快速的获得全球高温辐射点数据，为实时监控重工业区域生产状况提供了可能；能够获取全球陆地和周边海洋的长时间连续空间观测数据，相比行政单元统计数据，具有更加丰富的空间细节信息，有利于揭示行政单元尺度以下社会经济参量时空变化规律。

本文将主动火点数据(MODIS active fire/hotspot data)应用到重工业热源区域的发现检测中，结合长时间序列数据处理方式、改进自适应的Kmeans分割方法和SVM(Support Vector Machine，SVM)模式识别技术，提出了一种基于改进自适应Kmeans的全球重工业时序热源区域发现模型。针对重工业热源区域的特点，采用基于改进自适应的Kmeans算法，实现长时序主动火点数据的自适应分割，构建热源对象。然后，辅助GoogleEarth高分数据，建立重工业热源区域训练样本数据，采用基于改进SVM的重工业热源区域识别模型，实现重工业热源区域的定位识别。作为一种准确、有效、快速的重工业热源发现与实时监督方式，该模型为重工业资源配置、环境监测、国防安全，以及全球区域资源长期可持续发展提供了必要的数据支持。

发明内容