廖娟　阮運(yùn)飛

摘要：以農(nóng)業(yè)災(zāi)害中常見(jiàn)的水災(zāi)為例，文章提出一種基于斜率過(guò)濾分段的時(shí)間序列匹配方法，定義了水深序列和應(yīng)用于農(nóng)業(yè)災(zāi)害的相似度量模型。根據(jù)過(guò)濾算法，確定出農(nóng)業(yè)災(zāi)害等級(jí)，從以往水災(zāi)數(shù)據(jù)庫(kù)中調(diào)出應(yīng)急方法，達(dá)到輔助決策的目的，為農(nóng)業(yè)災(zāi)害的輔助及防治提供了很好的技術(shù)支持。

關(guān)鍵詞：過(guò)濾分段；時(shí)間序列匹配；輔助決策

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）12-2871-02

A kind of Natural Disasters in Agriculture Aided Decision System Based on Time Series

LIAO Juan， RUAN Yun-fei

（KaiLi University， KaiLi 556011， China）

Abstract： In the agricultural disasters common floods， for example， the article puts forward a kind of time series matching method based on slope filtering section， defines the sequence and the depth of the water used in agriculture disasters similarity measurement model. Based on filter algorithm to determine the level of agricultural disaster， emergency method， from previous flood database， in an achieve the purpose of aid decision making， for the auxiliary of agricultural disasters and prevention provides a good technical support.

Key words： filtering section； time series matching； aid decision making

時(shí)間序列數(shù)據(jù)在社會(huì)中有著非常廣的使用[1]，生活中、商業(yè)上、科學(xué)上等等各個(gè)領(lǐng)域幾乎都涉及到時(shí)間序列數(shù)據(jù)。而農(nóng)業(yè)中的水災(zāi)是農(nóng)業(yè)災(zāi)害中比較重要也是常見(jiàn)的一種自然災(zāi)害[2]，該災(zāi)害涉及到雨水的多少、風(fēng)的大小等都會(huì)造成一定的農(nóng)業(yè)經(jīng)濟(jì)損失。結(jié)合雨水中的一些特點(diǎn)，利用時(shí)間序列匹配的方法，給農(nóng)民提前傳授一定的預(yù)防知識(shí)，是非常有必要而且有意義[3]。

1 算法的相關(guān)定義

定義1：水深序列：把洪水或者大雨等事件的空間、地域描述等屬性忽略，根據(jù)洪水發(fā)生的時(shí)間，按照時(shí)間將該事項(xiàng)連接起來(lái)。從而，一個(gè)水深序列就可以用[S=S（t）|t=0，1，2，…，n]來(lái)表示。

定義2：水深序列長(zhǎng)度：水深序列 [S]的長(zhǎng)度即為水深時(shí)間序列元素的個(gè)數(shù)，該序列的任意一個(gè)元素，表示的是水深時(shí)間序列在某一個(gè)時(shí)刻的最高水位值。[S[i]]表示水深序列[S]中的第[i]個(gè)元素，[S（t）]表示水深序列[S]在[t]時(shí)刻的最高水位值。

定義3：相似度量模型定義：假設(shè)[Q]和[C]是和是兩個(gè)不同的水深時(shí)間序列，那么這兩個(gè)序列的相似性定義為這兩個(gè)序列相對(duì)應(yīng)的元素的相似性來(lái)確定。

他們的度量模型定義：

[Measure（Q，C）=i=1max{|Q|，|C|}δ（Q[i]，C[i]）]

其中，若[|Q|=|C|]，則兩序列的長(zhǎng)度相等。

2 算法描述

基于斜率過(guò)濾分段的水深序列相似匹配算法（SHM_SF）：

步驟1：首先對(duì)搜集到的數(shù)據(jù)進(jìn)行預(yù)處理，經(jīng)過(guò)篩選、按照時(shí)間順序，把不符合規(guī)定是數(shù)據(jù)剔除掉。同時(shí)，將對(duì)應(yīng)的水深信息放在預(yù)處理文件中。

步驟2：把經(jīng)過(guò)預(yù)處理的數(shù)據(jù)構(gòu)造成水深序列，即按照時(shí)間順序把各個(gè)地方的水深數(shù)據(jù)編號(hào)，依次放入數(shù)組中，形成一組水深序列SSS。

步驟3：水深數(shù)據(jù)的處理，把監(jiān)測(cè)到的水深數(shù)據(jù)依次按照步驟1進(jìn)行預(yù)處理，根據(jù)時(shí)間順序放入數(shù)組中形成時(shí)間序列數(shù)據(jù)。

步驟4：把得來(lái)的水深數(shù)據(jù)經(jīng)過(guò)步驟3形成水深時(shí)間序列，同農(nóng)業(yè)災(zāi)害數(shù)據(jù)庫(kù)中的水深時(shí)間序列進(jìn)行過(guò)濾分段基于斜率的相似匹配比較，如果相似則放入到指定的經(jīng)過(guò)一級(jí)過(guò)濾的數(shù)據(jù)庫(kù)中，再利用定義3的相似度量模型，確定好閾值，如果得出的相似度小于該閾值，則篩選出改條水深時(shí)間序列，從而人為它是要找的相似的那條序列。

步驟5：水深輔助決策，依據(jù)步驟4得出的相似序列，在水深災(zāi)害數(shù)據(jù)庫(kù)中找到相似匹配的災(zāi)害等級(jí)，農(nóng)業(yè)相關(guān)部門根據(jù)結(jié)果，找到往年是如何給農(nóng)民提出相對(duì)應(yīng)的意見(jiàn)，再針對(duì)該次水災(zāi)發(fā)生的時(shí)間長(zhǎng)短，給出指導(dǎo)性的意見(jiàn)。流程圖如下圖所示：

該算法在使用了基于斜率的分段相似匹配之后，利用定義3進(jìn)行的兩序列之間的匹配需各序列對(duì)應(yīng)元素一一匹配。

3 實(shí)驗(yàn)設(shè)計(jì)與分析

3.1 災(zāi)情等級(jí)評(píng)價(jià)

根據(jù)上述算法可以得出動(dòng)態(tài)水位分布，評(píng)定災(zāi)害等級(jí)，綜合災(zāi)害等級(jí)得到該次災(zāi)害的信息。災(zāi)情等級(jí)分為非常嚴(yán)重、嚴(yán)重、中級(jí)、初級(jí)、沒(méi)影響等，每一級(jí)別都有相應(yīng)的應(yīng)對(duì)信息。

3.2 應(yīng)用實(shí)例及結(jié)果分析

農(nóng)業(yè)災(zāi)害的輔助決策，該文主要針對(duì)水自然災(zāi)害，該方法是通過(guò)在已有的農(nóng)業(yè)水災(zāi)害數(shù)據(jù)庫(kù)中按照步驟3本水深數(shù)據(jù)處理為水深時(shí)間序列事件，每次農(nóng)業(yè)水災(zāi)害都有與之對(duì)應(yīng)的處理方法，該文就是利用分段的時(shí)間序列相似匹配方法把目前已有的水深數(shù)據(jù)處理為水深時(shí)間序列數(shù)據(jù)，與數(shù)據(jù)庫(kù)中的時(shí)間數(shù)據(jù)序列進(jìn)行匹配，得出最符合要求的時(shí)間序列，從而根據(jù)當(dāng)年發(fā)生該次災(zāi)害時(shí)處理的方法，得出該次災(zāi)害應(yīng)如何處理。例如下面圖2這個(gè)例子，是1960年7月發(fā)生的通過(guò)本文的方法，得到最相似的是1961年10的嚴(yán)重潮災(zāi)。那么，根據(jù)該次潮災(zāi)發(fā)生時(shí)，當(dāng)時(shí)農(nóng)業(yè)部門處理的方法，就可以很快得出應(yīng)急方案，減少損失。

該算法的[l]值選取非常關(guān)鍵，因?yàn)樵撝颠x取過(guò)大或過(guò)小，對(duì)算法的影響比較大。該值如果過(guò)大，則分段的數(shù)目就會(huì)減少，從而導(dǎo)致會(huì)多過(guò)濾掉時(shí)間序列，把本來(lái)相似的序列給過(guò)濾掉。反之，如果該值過(guò)小，那么過(guò)濾掉的效果就不明顯，起不到篩選的作用。經(jīng)過(guò)多次實(shí)驗(yàn)，[l]值為7時(shí)，效果是最佳的， 既沒(méi)有過(guò)濾掉相似的序列，也有效的剔除掉了一部分序列。

從該實(shí)驗(yàn)可得知，該算法在l=7時(shí)相似匹配程度較高，準(zhǔn)確性較好，在為農(nóng)民提供有利的災(zāi)害信息時(shí)，比較及時(shí)和準(zhǔn)確。

4 結(jié)束語(yǔ)

在農(nóng)業(yè)自然災(zāi)害方面，水災(zāi)是比較常見(jiàn)的災(zāi)害。而風(fēng)暴潮災(zāi)害也是其中的一種，文章針對(duì)農(nóng)業(yè)水災(zāi)害中碰到的一些問(wèn)題，采用數(shù)學(xué)分析的方法，提出了基于過(guò)濾分段的算法，對(duì)于更好的指導(dǎo)農(nóng)民的農(nóng)業(yè)作業(yè)有著一定的幫助。

參考文獻(xiàn)：

[1] 張鵬，張錦文，王喜年.天津沿海風(fēng)暴潮實(shí)時(shí)監(jiān)測(cè)預(yù)報(bào)系統(tǒng)[J].海洋預(yù)報(bào)，2002（19）：16-22.

[2] 國(guó)宏偉，劉燕馳，梁合蘭，武森.多變量時(shí)間序列的模糊決策樹(shù)挖掘[J].計(jì)算機(jī)應(yīng)用研究，2009（1）.

[3] 吳紹春，吳耿鋒，王煒，蔚趙春.尋找地震相關(guān)地區(qū)的時(shí)間序列相似性匹配算法[J].軟件學(xué)報(bào)，2006，17：185-192.endprint

摘要：以農(nóng)業(yè)災(zāi)害中常見(jiàn)的水災(zāi)為例，文章提出一種基于斜率過(guò)濾分段的時(shí)間序列匹配方法，定義了水深序列和應(yīng)用于農(nóng)業(yè)災(zāi)害的相似度量模型。根據(jù)過(guò)濾算法，確定出農(nóng)業(yè)災(zāi)害等級(jí)，從以往水災(zāi)數(shù)據(jù)庫(kù)中調(diào)出應(yīng)急方法，達(dá)到輔助決策的目的，為農(nóng)業(yè)災(zāi)害的輔助及防治提供了很好的技術(shù)支持。

關(guān)鍵詞：過(guò)濾分段；時(shí)間序列匹配；輔助決策

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）12-2871-02

A kind of Natural Disasters in Agriculture Aided Decision System Based on Time Series

LIAO Juan， RUAN Yun-fei

（KaiLi University， KaiLi 556011， China）

Abstract： In the agricultural disasters common floods， for example， the article puts forward a kind of time series matching method based on slope filtering section， defines the sequence and the depth of the water used in agriculture disasters similarity measurement model. Based on filter algorithm to determine the level of agricultural disaster， emergency method， from previous flood database， in an achieve the purpose of aid decision making， for the auxiliary of agricultural disasters and prevention provides a good technical support.

Key words： filtering section； time series matching； aid decision making

時(shí)間序列數(shù)據(jù)在社會(huì)中有著非常廣的使用[1]，生活中、商業(yè)上、科學(xué)上等等各個(gè)領(lǐng)域幾乎都涉及到時(shí)間序列數(shù)據(jù)。而農(nóng)業(yè)中的水災(zāi)是農(nóng)業(yè)災(zāi)害中比較重要也是常見(jiàn)的一種自然災(zāi)害[2]，該災(zāi)害涉及到雨水的多少、風(fēng)的大小等都會(huì)造成一定的農(nóng)業(yè)經(jīng)濟(jì)損失。結(jié)合雨水中的一些特點(diǎn)，利用時(shí)間序列匹配的方法，給農(nóng)民提前傳授一定的預(yù)防知識(shí)，是非常有必要而且有意義[3]。

1 算法的相關(guān)定義

定義1：水深序列：把洪水或者大雨等事件的空間、地域描述等屬性忽略，根據(jù)洪水發(fā)生的時(shí)間，按照時(shí)間將該事項(xiàng)連接起來(lái)。從而，一個(gè)水深序列就可以用[S=S（t）|t=0，1，2，…，n]來(lái)表示。

定義2：水深序列長(zhǎng)度：水深序列 [S]的長(zhǎng)度即為水深時(shí)間序列元素的個(gè)數(shù)，該序列的任意一個(gè)元素，表示的是水深時(shí)間序列在某一個(gè)時(shí)刻的最高水位值。[S[i]]表示水深序列[S]中的第[i]個(gè)元素，[S（t）]表示水深序列[S]在[t]時(shí)刻的最高水位值。

定義3：相似度量模型定義：假設(shè)[Q]和[C]是和是兩個(gè)不同的水深時(shí)間序列，那么這兩個(gè)序列的相似性定義為這兩個(gè)序列相對(duì)應(yīng)的元素的相似性來(lái)確定。

他們的度量模型定義：

[Measure（Q，C）=i=1max{|Q|，|C|}δ（Q[i]，C[i]）]

其中，若[|Q|=|C|]，則兩序列的長(zhǎng)度相等。

2 算法描述

基于斜率過(guò)濾分段的水深序列相似匹配算法（SHM_SF）：

步驟1：首先對(duì)搜集到的數(shù)據(jù)進(jìn)行預(yù)處理，經(jīng)過(guò)篩選、按照時(shí)間順序，把不符合規(guī)定是數(shù)據(jù)剔除掉。同時(shí)，將對(duì)應(yīng)的水深信息放在預(yù)處理文件中。

步驟2：把經(jīng)過(guò)預(yù)處理的數(shù)據(jù)構(gòu)造成水深序列，即按照時(shí)間順序把各個(gè)地方的水深數(shù)據(jù)編號(hào)，依次放入數(shù)組中，形成一組水深序列SSS。

步驟3：水深數(shù)據(jù)的處理，把監(jiān)測(cè)到的水深數(shù)據(jù)依次按照步驟1進(jìn)行預(yù)處理，根據(jù)時(shí)間順序放入數(shù)組中形成時(shí)間序列數(shù)據(jù)。

步驟4：把得來(lái)的水深數(shù)據(jù)經(jīng)過(guò)步驟3形成水深時(shí)間序列，同農(nóng)業(yè)災(zāi)害數(shù)據(jù)庫(kù)中的水深時(shí)間序列進(jìn)行過(guò)濾分段基于斜率的相似匹配比較，如果相似則放入到指定的經(jīng)過(guò)一級(jí)過(guò)濾的數(shù)據(jù)庫(kù)中，再利用定義3的相似度量模型，確定好閾值，如果得出的相似度小于該閾值，則篩選出改條水深時(shí)間序列，從而人為它是要找的相似的那條序列。

步驟5：水深輔助決策，依據(jù)步驟4得出的相似序列，在水深災(zāi)害數(shù)據(jù)庫(kù)中找到相似匹配的災(zāi)害等級(jí)，農(nóng)業(yè)相關(guān)部門根據(jù)結(jié)果，找到往年是如何給農(nóng)民提出相對(duì)應(yīng)的意見(jiàn)，再針對(duì)該次水災(zāi)發(fā)生的時(shí)間長(zhǎng)短，給出指導(dǎo)性的意見(jiàn)。流程圖如下圖所示：

該算法在使用了基于斜率的分段相似匹配之后，利用定義3進(jìn)行的兩序列之間的匹配需各序列對(duì)應(yīng)元素一一匹配。

3 實(shí)驗(yàn)設(shè)計(jì)與分析

3.1 災(zāi)情等級(jí)評(píng)價(jià)

根據(jù)上述算法可以得出動(dòng)態(tài)水位分布，評(píng)定災(zāi)害等級(jí)，綜合災(zāi)害等級(jí)得到該次災(zāi)害的信息。災(zāi)情等級(jí)分為非常嚴(yán)重、嚴(yán)重、中級(jí)、初級(jí)、沒(méi)影響等，每一級(jí)別都有相應(yīng)的應(yīng)對(duì)信息。

3.2 應(yīng)用實(shí)例及結(jié)果分析

農(nóng)業(yè)災(zāi)害的輔助決策，該文主要針對(duì)水自然災(zāi)害，該方法是通過(guò)在已有的農(nóng)業(yè)水災(zāi)害數(shù)據(jù)庫(kù)中按照步驟3本水深數(shù)據(jù)處理為水深時(shí)間序列事件，每次農(nóng)業(yè)水災(zāi)害都有與之對(duì)應(yīng)的處理方法，該文就是利用分段的時(shí)間序列相似匹配方法把目前已有的水深數(shù)據(jù)處理為水深時(shí)間序列數(shù)據(jù)，與數(shù)據(jù)庫(kù)中的時(shí)間數(shù)據(jù)序列進(jìn)行匹配，得出最符合要求的時(shí)間序列，從而根據(jù)當(dāng)年發(fā)生該次災(zāi)害時(shí)處理的方法，得出該次災(zāi)害應(yīng)如何處理。例如下面圖2這個(gè)例子，是1960年7月發(fā)生的通過(guò)本文的方法，得到最相似的是1961年10的嚴(yán)重潮災(zāi)。那么，根據(jù)該次潮災(zāi)發(fā)生時(shí)，當(dāng)時(shí)農(nóng)業(yè)部門處理的方法，就可以很快得出應(yīng)急方案，減少損失。

該算法的[l]值選取非常關(guān)鍵，因?yàn)樵撝颠x取過(guò)大或過(guò)小，對(duì)算法的影響比較大。該值如果過(guò)大，則分段的數(shù)目就會(huì)減少，從而導(dǎo)致會(huì)多過(guò)濾掉時(shí)間序列，把本來(lái)相似的序列給過(guò)濾掉。反之，如果該值過(guò)小，那么過(guò)濾掉的效果就不明顯，起不到篩選的作用。經(jīng)過(guò)多次實(shí)驗(yàn)，[l]值為7時(shí)，效果是最佳的， 既沒(méi)有過(guò)濾掉相似的序列，也有效的剔除掉了一部分序列。

從該實(shí)驗(yàn)可得知，該算法在l=7時(shí)相似匹配程度較高，準(zhǔn)確性較好，在為農(nóng)民提供有利的災(zāi)害信息時(shí)，比較及時(shí)和準(zhǔn)確。

4 結(jié)束語(yǔ)

在農(nóng)業(yè)自然災(zāi)害方面，水災(zāi)是比較常見(jiàn)的災(zāi)害。而風(fēng)暴潮災(zāi)害也是其中的一種，文章針對(duì)農(nóng)業(yè)水災(zāi)害中碰到的一些問(wèn)題，采用數(shù)學(xué)分析的方法，提出了基于過(guò)濾分段的算法，對(duì)于更好的指導(dǎo)農(nóng)民的農(nóng)業(yè)作業(yè)有著一定的幫助。

參考文獻(xiàn)：

[1] 張鵬，張錦文，王喜年.天津沿海風(fēng)暴潮實(shí)時(shí)監(jiān)測(cè)預(yù)報(bào)系統(tǒng)[J].海洋預(yù)報(bào)，2002（19）：16-22.

[2] 國(guó)宏偉，劉燕馳，梁合蘭，武森.多變量時(shí)間序列的模糊決策樹(shù)挖掘[J].計(jì)算機(jī)應(yīng)用研究，2009（1）.

[3] 吳紹春，吳耿鋒，王煒，蔚趙春.尋找地震相關(guān)地區(qū)的時(shí)間序列相似性匹配算法[J].軟件學(xué)報(bào)，2006，17：185-192.endprint

摘要：以農(nóng)業(yè)災(zāi)害中常見(jiàn)的水災(zāi)為例，文章提出一種基于斜率過(guò)濾分段的時(shí)間序列匹配方法，定義了水深序列和應(yīng)用于農(nóng)業(yè)災(zāi)害的相似度量模型。根據(jù)過(guò)濾算法，確定出農(nóng)業(yè)災(zāi)害等級(jí)，從以往水災(zāi)數(shù)據(jù)庫(kù)中調(diào)出應(yīng)急方法，達(dá)到輔助決策的目的，為農(nóng)業(yè)災(zāi)害的輔助及防治提供了很好的技術(shù)支持。

關(guān)鍵詞：過(guò)濾分段；時(shí)間序列匹配；輔助決策

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）12-2871-02

A kind of Natural Disasters in Agriculture Aided Decision System Based on Time Series

LIAO Juan， RUAN Yun-fei

（KaiLi University， KaiLi 556011， China）

Abstract： In the agricultural disasters common floods， for example， the article puts forward a kind of time series matching method based on slope filtering section， defines the sequence and the depth of the water used in agriculture disasters similarity measurement model. Based on filter algorithm to determine the level of agricultural disaster， emergency method， from previous flood database， in an achieve the purpose of aid decision making， for the auxiliary of agricultural disasters and prevention provides a good technical support.

Key words： filtering section； time series matching； aid decision making

時(shí)間序列數(shù)據(jù)在社會(huì)中有著非常廣的使用[1]，生活中、商業(yè)上、科學(xué)上等等各個(gè)領(lǐng)域幾乎都涉及到時(shí)間序列數(shù)據(jù)。而農(nóng)業(yè)中的水災(zāi)是農(nóng)業(yè)災(zāi)害中比較重要也是常見(jiàn)的一種自然災(zāi)害[2]，該災(zāi)害涉及到雨水的多少、風(fēng)的大小等都會(huì)造成一定的農(nóng)業(yè)經(jīng)濟(jì)損失。結(jié)合雨水中的一些特點(diǎn)，利用時(shí)間序列匹配的方法，給農(nóng)民提前傳授一定的預(yù)防知識(shí)，是非常有必要而且有意義[3]。

1 算法的相關(guān)定義

定義1：水深序列：把洪水或者大雨等事件的空間、地域描述等屬性忽略，根據(jù)洪水發(fā)生的時(shí)間，按照時(shí)間將該事項(xiàng)連接起來(lái)。從而，一個(gè)水深序列就可以用[S=S（t）|t=0，1，2，…，n]來(lái)表示。

定義2：水深序列長(zhǎng)度：水深序列 [S]的長(zhǎng)度即為水深時(shí)間序列元素的個(gè)數(shù)，該序列的任意一個(gè)元素，表示的是水深時(shí)間序列在某一個(gè)時(shí)刻的最高水位值。[S[i]]表示水深序列[S]中的第[i]個(gè)元素，[S（t）]表示水深序列[S]在[t]時(shí)刻的最高水位值。

定義3：相似度量模型定義：假設(shè)[Q]和[C]是和是兩個(gè)不同的水深時(shí)間序列，那么這兩個(gè)序列的相似性定義為這兩個(gè)序列相對(duì)應(yīng)的元素的相似性來(lái)確定。

他們的度量模型定義：

[Measure（Q，C）=i=1max{|Q|，|C|}δ（Q[i]，C[i]）]

其中，若[|Q|=|C|]，則兩序列的長(zhǎng)度相等。

2 算法描述

基于斜率過(guò)濾分段的水深序列相似匹配算法（SHM_SF）：

步驟1：首先對(duì)搜集到的數(shù)據(jù)進(jìn)行預(yù)處理，經(jīng)過(guò)篩選、按照時(shí)間順序，把不符合規(guī)定是數(shù)據(jù)剔除掉。同時(shí)，將對(duì)應(yīng)的水深信息放在預(yù)處理文件中。

步驟2：把經(jīng)過(guò)預(yù)處理的數(shù)據(jù)構(gòu)造成水深序列，即按照時(shí)間順序把各個(gè)地方的水深數(shù)據(jù)編號(hào)，依次放入數(shù)組中，形成一組水深序列SSS。

步驟3：水深數(shù)據(jù)的處理，把監(jiān)測(cè)到的水深數(shù)據(jù)依次按照步驟1進(jìn)行預(yù)處理，根據(jù)時(shí)間順序放入數(shù)組中形成時(shí)間序列數(shù)據(jù)。

步驟4：把得來(lái)的水深數(shù)據(jù)經(jīng)過(guò)步驟3形成水深時(shí)間序列，同農(nóng)業(yè)災(zāi)害數(shù)據(jù)庫(kù)中的水深時(shí)間序列進(jìn)行過(guò)濾分段基于斜率的相似匹配比較，如果相似則放入到指定的經(jīng)過(guò)一級(jí)過(guò)濾的數(shù)據(jù)庫(kù)中，再利用定義3的相似度量模型，確定好閾值，如果得出的相似度小于該閾值，則篩選出改條水深時(shí)間序列，從而人為它是要找的相似的那條序列。

步驟5：水深輔助決策，依據(jù)步驟4得出的相似序列，在水深災(zāi)害數(shù)據(jù)庫(kù)中找到相似匹配的災(zāi)害等級(jí)，農(nóng)業(yè)相關(guān)部門根據(jù)結(jié)果，找到往年是如何給農(nóng)民提出相對(duì)應(yīng)的意見(jiàn)，再針對(duì)該次水災(zāi)發(fā)生的時(shí)間長(zhǎng)短，給出指導(dǎo)性的意見(jiàn)。流程圖如下圖所示：

該算法在使用了基于斜率的分段相似匹配之后，利用定義3進(jìn)行的兩序列之間的匹配需各序列對(duì)應(yīng)元素一一匹配。

3 實(shí)驗(yàn)設(shè)計(jì)與分析

3.1 災(zāi)情等級(jí)評(píng)價(jià)

根據(jù)上述算法可以得出動(dòng)態(tài)水位分布，評(píng)定災(zāi)害等級(jí)，綜合災(zāi)害等級(jí)得到該次災(zāi)害的信息。災(zāi)情等級(jí)分為非常嚴(yán)重、嚴(yán)重、中級(jí)、初級(jí)、沒(méi)影響等，每一級(jí)別都有相應(yīng)的應(yīng)對(duì)信息。

3.2 應(yīng)用實(shí)例及結(jié)果分析

農(nóng)業(yè)災(zāi)害的輔助決策，該文主要針對(duì)水自然災(zāi)害，該方法是通過(guò)在已有的農(nóng)業(yè)水災(zāi)害數(shù)據(jù)庫(kù)中按照步驟3本水深數(shù)據(jù)處理為水深時(shí)間序列事件，每次農(nóng)業(yè)水災(zāi)害都有與之對(duì)應(yīng)的處理方法，該文就是利用分段的時(shí)間序列相似匹配方法把目前已有的水深數(shù)據(jù)處理為水深時(shí)間序列數(shù)據(jù)，與數(shù)據(jù)庫(kù)中的時(shí)間數(shù)據(jù)序列進(jìn)行匹配，得出最符合要求的時(shí)間序列，從而根據(jù)當(dāng)年發(fā)生該次災(zāi)害時(shí)處理的方法，得出該次災(zāi)害應(yīng)如何處理。例如下面圖2這個(gè)例子，是1960年7月發(fā)生的通過(guò)本文的方法，得到最相似的是1961年10的嚴(yán)重潮災(zāi)。那么，根據(jù)該次潮災(zāi)發(fā)生時(shí)，當(dāng)時(shí)農(nóng)業(yè)部門處理的方法，就可以很快得出應(yīng)急方案，減少損失。

該算法的[l]值選取非常關(guān)鍵，因?yàn)樵撝颠x取過(guò)大或過(guò)小，對(duì)算法的影響比較大。該值如果過(guò)大，則分段的數(shù)目就會(huì)減少，從而導(dǎo)致會(huì)多過(guò)濾掉時(shí)間序列，把本來(lái)相似的序列給過(guò)濾掉。反之，如果該值過(guò)小，那么過(guò)濾掉的效果就不明顯，起不到篩選的作用。經(jīng)過(guò)多次實(shí)驗(yàn)，[l]值為7時(shí)，效果是最佳的， 既沒(méi)有過(guò)濾掉相似的序列，也有效的剔除掉了一部分序列。

從該實(shí)驗(yàn)可得知，該算法在l=7時(shí)相似匹配程度較高，準(zhǔn)確性較好，在為農(nóng)民提供有利的災(zāi)害信息時(shí)，比較及時(shí)和準(zhǔn)確。

4 結(jié)束語(yǔ)

在農(nóng)業(yè)自然災(zāi)害方面，水災(zāi)是比較常見(jiàn)的災(zāi)害。而風(fēng)暴潮災(zāi)害也是其中的一種，文章針對(duì)農(nóng)業(yè)水災(zāi)害中碰到的一些問(wèn)題，采用數(shù)學(xué)分析的方法，提出了基于過(guò)濾分段的算法，對(duì)于更好的指導(dǎo)農(nóng)民的農(nóng)業(yè)作業(yè)有著一定的幫助。

參考文獻(xiàn)：

[1] 張鵬，張錦文，王喜年.天津沿海風(fēng)暴潮實(shí)時(shí)監(jiān)測(cè)預(yù)報(bào)系統(tǒng)[J].海洋預(yù)報(bào)，2002（19）：16-22.

[2] 國(guó)宏偉，劉燕馳，梁合蘭，武森.多變量時(shí)間序列的模糊決策樹(shù)挖掘[J].計(jì)算機(jī)應(yīng)用研究，2009（1）.

[3] 吳紹春，吳耿鋒，王煒，蔚趙春.尋找地震相關(guān)地區(qū)的時(shí)間序列相似性匹配算法[J].軟件學(xué)報(bào)，2006，17：185-192.endprint