基于数据挖掘的地下流体及热红外异常信息相关性分析

The underground fluid changes and surface thermal anomalies are normal and useful omens of earthquakes. The best bottle-neck to earthquake short-time prediction is to combine the satellite remote sensing system and ground monitoring system, extract the association laws and discover earthquake precursor signals. Several data mining methods are presented by using the underground fluid and thermal infrared changes as data samples in this project. It includes correlation analysis methods based on multi-source data of seismology, and the unusual information measurement and extraction based on the entropy methods. As a result, we can analyze the correlation between the underground fluid and thermal infrared changes and the occurrence of earthquakes, and provide strong support for earthquake forecasting. Besides, it will also provide some high efficiency and high quality data mining methods.

地下流体变化及地表热异常的地震前兆信息已经被证实普遍存在，并被认为是一种有效的地震预报前兆信息。如何将卫星遥感系统与地面监视系统的"融合"，在海量数据中提取相关变化规律，进而有效的发现前兆信息异常，已经成为解决短临地震预报的最大瓶颈。本课题以地下流体及震前热红外变化为主要研究对象，研究基于地震学背景知识的多源数据相关性分析方法、基于信息熵的"异常"度量方法和基于信息熵的异常提取方法，采用数据挖掘方法，确定地下流体水温异常、热红外异常与地震发生的相关性，从而为地震学专家实现高效的震前异常数据分析和地震预报提供相应的信息技术支持，同时，也为提高海量高维数据挖掘方法的效率和质量，提供有效途径和手段。

本项目针对地下流体及地表热红外等多源数据为研究背景，对海量高维地震数据的数据挖掘及其并行化技术进行了深入、系统的研究与探索，已圆满完成了研究内容，取得良好的研究成果，达到了预期研究目标和效果。所取得的重要成果包括:提出了基于密度度量函数NMTDF的轨迹聚类，基于影响空间的VDBSCAN快速聚类等方法，在多源地震数据的聚类结果、时间效率等方面都有明显的提高；提出了基于EMO技术的震前异常数据探测方法，以及基于翻转三角策略的蝙蝠数据优化方法，在国内典型的发生地震的相关数据中得到了较好的验证；研究了面向海量大数据集的并行离群及聚类挖掘方法，具有较好的可扩展性，可解释性；研究了基于移动终端的FP树相关性挖掘技术，为移动用户的地震数据相关性分析提供各种辅助性的决策支持服务。