学校代码：10264
研究生学号：M180711101
上海海洋大学
硕士学位论文
题目：基于热点区域模体挖掘的台风路径分类方法研究
Researchontyphoonpathclassification
英文题目：methodbasedonhotspotregionmotifmining
专业：计算机技术
研究方向：数据挖掘
姓名：许强
指导教师：苏诚教授
二O二一年五月
上海海洋大学硕士学位论文
上海海洋大学硕士学位论文
答辩委员会成员名单
姓名工作单位职称备注
刘国华东华大学教授主席
宋巍上海海洋大学教授委员
张明华上海海洋大学副教授委员
魏立斐上海海洋大学副教授委员
赵丹枫上海海洋大学讲师秘书
答辩地点信息学院答辩日期2021.5.18
Ⅲ
上海海洋大学硕士学位论文
基于热点区域模体挖掘的台风路径分类方法研究
摘要
台风（TropicalCyclone）是最具破坏性的自然灾害之一，每年给人类社会
带来巨大的灾难。台风领域的大数据挖掘技术在学者们不断的研究中逐渐兴
起。以聚类为代表的机器学习方法因其简单易用、计算便捷的优势，有效推动
了台风领域的进一步发展。在台风领域的研究中，台风路径是分析台风特征的
重要途径，同时也是判断台风影响区域和范围的重要方法。近年来，台风路径
聚类在海洋防灾减灾等涉海领域引起了广泛的关注。由于台风路径是一种时
间序列数据，许多学者利用时间序列聚类方法对历史台风路径数据进行聚类，
并进一步对聚类后的台风路径簇进行统计分析、挖掘规律。传统的时间序列聚
类方法的精度有限且存在随机性问题，无法更好地满足台风灾害预警业务化
的需求。
为此，本文提出一种改进后的聚类算法和模体挖掘算法，对1949-2018年
西北太平洋的台风最佳路径数据展开研究，主要研究内容如下：
（1）传统台风路径分类研究方法，如主观识别和K-means聚类等方法。
这些方法存在传统聚类算法原理所产生的随机性问题，依赖人工经验设置模
型参数的智能化问题，以及针对特定台风研究而导致不具有普遍性的局限性
问题。本文针对传统分类存在的问题，提出了一种提出基于密度质心的混合聚
类算法，以地理位置的分布密度为划分标准，对台风生成点和登陆点的地理位
置分布情况进行聚类，得到了若干个热点区域。这有效减少了传统聚类方法的
随机性，并有效地提高了聚类算法的实用性；
（2