李秀明，乜 勇，劉 磊

(1.青海民族大學(xué)物理與電子信息工程學(xué)院，西寧 810007;2.陜西師范大學(xué)教育學(xué)院，西安 710062;3.青海省地震局，西寧 810000)

0 引言

地震前兆觀測指的是實(shí)現(xiàn)地震預(yù)報(bào)及其他地球物理科學(xué)研究的基礎(chǔ)，千兆預(yù)測數(shù)據(jù)質(zhì)量及數(shù)量對此研究過程和結(jié)果具有直接的決定作用。所以，前兆觀測屬于我國地震監(jiān)測工作中的主要內(nèi)容。通過我國多年的發(fā)展，我國地震前兆觀測系統(tǒng)已經(jīng)創(chuàng)建成為覆蓋全國單位、智能化及涉及多學(xué)科的網(wǎng)絡(luò)觀測系統(tǒng)。目前數(shù)字化前兆觀測系統(tǒng)數(shù)據(jù)的采樣率及精度有了進(jìn)一步的提高，也提高了數(shù)據(jù)量，增加了前兆臺站、前兆臺網(wǎng)的數(shù)據(jù)及數(shù)據(jù)檢查工作量。目前，地震前兆數(shù)據(jù)預(yù)處理工作還是根據(jù)人工檢查方式實(shí)現(xiàn)，因?yàn)閿?shù)據(jù)量較大，人工檢查方式效率較低。并且，人工檢查過程具有一定的直觀性，不同人員的判斷各有不同。數(shù)據(jù)挖掘就是基于此種需求逐漸發(fā)展的學(xué)科，其能夠從隨機(jī)、大量、模糊、有噪聲及不完整數(shù)據(jù)中檢測有用信息，以此對人們提供決策根據(jù)。那么，本文就將大數(shù)據(jù)挖掘應(yīng)用到地震前兆數(shù)據(jù)分析中，從而解決現(xiàn)代前兆臺網(wǎng)數(shù)據(jù)人工檢測效率較低的問題，以此為目前觀測數(shù)據(jù)大數(shù)據(jù)庫量分析及使用工作的全新方法進(jìn)行探索。

1 大數(shù)據(jù)挖掘技術(shù)的研究

數(shù)據(jù)挖能夠使人們對信息數(shù)據(jù)進(jìn)行分析、理解和使用的全新學(xué)科，海量數(shù)據(jù)挖掘指的就是從不完全、大量、隨機(jī)、模糊的實(shí)際收集信息中，利用提煉隱藏在不輕易被人發(fā)現(xiàn)的有用信息及知識過程。此都是利用數(shù)據(jù)挖掘分析得到的知識及信息，不僅能夠被人們所理解，還能夠便于存儲、使用及傳播。大數(shù)據(jù)挖掘從出現(xiàn)之后，此領(lǐng)域備受人們的重視。在信息技術(shù)不斷發(fā)展的過程中，通信水平也在不斷的提高，大多數(shù)行業(yè)信息都實(shí)現(xiàn)了高度集中。所以，大數(shù)據(jù)挖掘技術(shù)被廣泛應(yīng)用到多領(lǐng)域中。

大數(shù)據(jù)挖掘?qū)儆谌碌膶W(xué)科，其中具備了傳統(tǒng)領(lǐng)域的思想，比如估計(jì)及假設(shè)檢驗(yàn)、統(tǒng)計(jì)學(xué)抽樣;模式識別、人工智能及機(jī)器學(xué)習(xí)搜索算法、學(xué)習(xí)理論和建模技術(shù)等。以上領(lǐng)域都包括進(jìn)化計(jì)算、最優(yōu)化、信息論、可視化及信號處理等技術(shù)，其被廣泛應(yīng)用到大數(shù)據(jù)挖掘中。另外，數(shù)據(jù)庫系統(tǒng)還具有有效存儲、查詢處理、索引的支持，分布式技術(shù)能夠幫助對海量數(shù)據(jù)進(jìn)行處理，還能夠在數(shù)據(jù)無法聚集的過程中一起處理。

大數(shù)據(jù)挖掘具有完整的方法對實(shí)際問題進(jìn)行解決，根據(jù)此分類估計(jì)、預(yù)測分析、抽象聚類、相關(guān)性分組、建模描述可視化及復(fù)雜數(shù)據(jù)類型挖掘，能夠?qū)崿F(xiàn)大量信息的挖掘，此套完整方法在地震檢測系統(tǒng)中使用，實(shí)現(xiàn)海量數(shù)據(jù)分析，能夠使地震檢測時(shí)效性及精準(zhǔn)度得到有效的提高［1］。

2 地震預(yù)報(bào)中的數(shù)據(jù)挖掘

2.1 地震預(yù)報(bào)方法

地震預(yù)報(bào)復(fù)雜性及科學(xué)難度為世界公認(rèn)，通過長時(shí)間的研究及探索，人們總結(jié)了地震學(xué)預(yù)報(bào)、千兆預(yù)報(bào)、地震活動(dòng)大形勢預(yù)報(bào)及綜合預(yù)報(bào)等，本文所研究的為前兆預(yù)報(bào)方法。千兆預(yù)報(bào)是利用對大地形變場、地磁場、應(yīng)力應(yīng)變場、重力場、大地電場等地理物理場及物理量異常變化對未來大地震進(jìn)行預(yù)報(bào)。對于中短期的地震預(yù)報(bào)探索分析，得到可靠地震前兆具有重要的意義。實(shí)現(xiàn)地震預(yù)測的主要內(nèi)容就是確認(rèn)地震前兆，地震前兆的重現(xiàn)性理為地震預(yù)測基礎(chǔ)。

地震數(shù)據(jù)的主要特點(diǎn)為:1)具有較多的經(jīng)驗(yàn)性知識。由于大部分預(yù)報(bào)知識和領(lǐng)域具有密切的關(guān)系，一般都是通過地震預(yù)報(bào)專家經(jīng)驗(yàn)進(jìn)行總結(jié)的;2)具有較大的數(shù)據(jù)量。地震前兆觀測數(shù)據(jù)是通過傳感器獲得流數(shù)據(jù)，其中的采樣頻率每秒一次;3)具有較強(qiáng)的實(shí)踐性。因?yàn)榈卣鹎罢最A(yù)測監(jiān)測要求具有實(shí)時(shí)性，從而方便對異?，F(xiàn)象進(jìn)行反應(yīng)。并且要求地震數(shù)據(jù)具備時(shí)序性，由于地震數(shù)據(jù)和時(shí)間具有密切的聯(lián)系，所以數(shù)據(jù)之間的時(shí)間約束關(guān)系較強(qiáng)。簡單來說，地震數(shù)據(jù)和實(shí)踐具有一定的關(guān)系，其是一種時(shí)間序列數(shù)據(jù)。4)具有大量干擾，具有較強(qiáng)的隨機(jī)性及不確定因素［2］。

2.2 地震地區(qū)的相關(guān)性

地震和地質(zhì)構(gòu)造具有密切的聯(lián)系，產(chǎn)生地震的原因和板塊地震成因及內(nèi)部地震成因、地震發(fā)生時(shí)間、地點(diǎn)及強(qiáng)度具有密切的聯(lián)系。在地震預(yù)報(bào)科學(xué)中，通過長時(shí)間的觀測研究及經(jīng)驗(yàn)積累，專家表示的大范圍地震活動(dòng)高漲或者平靜的時(shí)候，此地區(qū)地震活動(dòng)具有同步漲落。此種距離的兩個(gè)地區(qū)中某個(gè)指定震級以上顯著地震相伴的現(xiàn)象就是地震相關(guān)現(xiàn)象，也就是地震地區(qū)相關(guān)性。比如華北北部三個(gè)地震活動(dòng)區(qū)，圖1為中山、東區(qū)及西區(qū)的范圍，使用此三個(gè)相關(guān)地區(qū)中，做出圖2的地震震級時(shí)間關(guān)系圖。通過圖中表示，在中區(qū)存在震級發(fā)生地震前后，和其相鄰的東區(qū)和西區(qū)都有發(fā)生地震。

圖1 中山、東區(qū)及西區(qū)的范圍

圖2 地震震級時(shí)間關(guān)系圖

在長期觀測積累中國地震目錄中記錄了全國的地震信息，大量地震信息中具有發(fā)生地震的規(guī)律，此數(shù)據(jù)挖掘技術(shù)也是挖掘隱藏在數(shù)據(jù)知識及規(guī)律產(chǎn)生的。通過地震數(shù)據(jù)，結(jié)合關(guān)聯(lián)規(guī)則挖掘算法，能夠找到其中的地震知識。具體的工作為:準(zhǔn)備數(shù)據(jù)。選擇太原臺站數(shù)據(jù)，對數(shù)據(jù)進(jìn)行預(yù)處理，之后將數(shù)據(jù)轉(zhuǎn)換成為滿足關(guān)聯(lián)規(guī)則挖掘算法的地震事件序列;實(shí)現(xiàn)地震時(shí)間序列關(guān)聯(lián)分析。對于通過數(shù)據(jù)整理的地震時(shí)間序列數(shù)據(jù)特征及數(shù)據(jù)量，對關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行全面的研究，使用算法實(shí)現(xiàn)關(guān)聯(lián)分析，找到不同地區(qū)地震的相關(guān)性;實(shí)驗(yàn)?zāi)M及結(jié)果評價(jià)。選擇最具代表性的地震數(shù)據(jù)實(shí)現(xiàn)模擬，對結(jié)果進(jìn)行解釋及分析［3］。

2.3 數(shù)據(jù)的獲得

太原基準(zhǔn)地震臺在華北腹部，山西中部，其為最佳的測震地段。太原臺站不僅臺址的選擇理想，而且測震設(shè)備及環(huán)境齊全。太原地震臺被流體、形變、電磁三大學(xué)科觀測手段覆蓋，每項(xiàng)觀測手段中都具有二十六個(gè)測項(xiàng)分量。觀測儀器主要包括數(shù)字石英擺傾斜儀、數(shù)字體應(yīng)變儀、數(shù)字伸縮儀、磁通門磁力儀、電離層斜測儀、數(shù)字化電阻率測量儀等，摒棄臺站具有全省的流動(dòng)地磁觀測任務(wù)，一共有三十五個(gè)觀測點(diǎn)。通過觀測點(diǎn)得到數(shù)據(jù)［4］。

2.4 數(shù)據(jù)預(yù)處理

首先，對數(shù)據(jù)進(jìn)行噪聲處理。利用數(shù)據(jù)清洗技術(shù)能夠?qū)Σ煌闆r中的缺失問題進(jìn)行適當(dāng)處理，在數(shù)據(jù)清洗過程中使用聚類、桶分及回歸技術(shù)實(shí)現(xiàn)異常點(diǎn)識別及平滑除燥。在地震數(shù)據(jù)中，噪聲主要包括發(fā)生地震的時(shí)間有誤、位置經(jīng)緯度有誤等。時(shí)間噪聲私用手工處理，比如將2015年12月10日16:60:00中的時(shí)間替換成為17:00。

其次，實(shí)現(xiàn)數(shù)據(jù)正規(guī)化。正規(guī)化能夠使數(shù)據(jù)屬性值從原本取值區(qū)間中到適當(dāng)區(qū)間中映射，在實(shí)現(xiàn)數(shù)據(jù)挖掘之前實(shí)現(xiàn)正規(guī)化。一般正規(guī)化包括零均值、最小最大及小樹尺度三種正規(guī)化。假設(shè)及為屬性A的最小值及最大值，那么最小最大正規(guī)化的公式為:

最后，對數(shù)據(jù)進(jìn)行變換。為了滿足關(guān)聯(lián)分析及時(shí)間序列相似性的匹配算法需求，就要對地震目錄數(shù)據(jù)根據(jù)地理區(qū)域?qū)崿F(xiàn)劃分，分別包括空間跨度、時(shí)間跨度及震級預(yù)處理，最后轉(zhuǎn)換成為根據(jù)不同參數(shù)進(jìn)行劃分排列的地震事件序列。實(shí)現(xiàn)空間跨度預(yù)處理的主要方式就是劃分地理位置，并且對其進(jìn)行分片編號，使用區(qū)間標(biāo)號代替實(shí)際經(jīng)緯度數(shù)據(jù)值，從而滿足空間屬性與離散化需求，降低指定連續(xù)屬性值數(shù)量［5］。

2.5 關(guān)聯(lián)規(guī)則挖掘算法

關(guān)聯(lián)規(guī)則指的是對事物及其他事物相互關(guān)聯(lián)及依存關(guān)系的描述，關(guān)聯(lián)規(guī)則挖掘?qū)儆诠と说臄?shù)據(jù)挖掘方法，能夠?qū)ふ掖罅繑?shù)據(jù)中項(xiàng)目集的相關(guān)聯(lián)系。關(guān)聯(lián)規(guī)則挖掘步驟為:

1)尋找所有頻繁項(xiàng)集;

2)通過頻繁項(xiàng)集得到強(qiáng)關(guān)聯(lián)規(guī)則。

3 基于時(shí)間序列數(shù)據(jù)流的增量式挖掘

3.1 問題定義

因?yàn)橐褂猛诰蚪Y(jié)果對模式庫進(jìn)行更新，假如每挖掘一次就更新模式庫，不僅會增加服務(wù)器負(fù)擔(dān)，并且會影響到挖掘效率。本文使用內(nèi)存及外存兩級式序列模式的存儲結(jié)構(gòu)，基于時(shí)間窗口找到最新的頻繁模式，只需要將最近出現(xiàn)的頻繁模式在內(nèi)存中存儲，在超過數(shù)量之后，就到模式庫中發(fā)送更新，之后到內(nèi)存中將此頻繁模式去除，以此保證全部頻繁模式狀態(tài)的監(jiān)控。圖3為挖掘的步驟。

圖3 挖掘的步驟

1)基本窗口。假如BW屬于基本窗口，其對應(yīng)數(shù)據(jù)流子序列，長度為bw.size=|BW|。一個(gè)基本窗口對一次模式的基本單元提取，也就是和一個(gè)時(shí)序模式集合對應(yīng)。基本窗口bw為窗口w的分類，w為基本窗口表示的方法。

2)滑動(dòng)窗口。假如SLW屬于滑動(dòng)窗口，其和連續(xù)基本窗口序列對應(yīng)，表示為SLW=bw1，bw2，bwk。

3)TPSS。對滑動(dòng)窗口中的時(shí)序模式來說，在其中的每個(gè)基本窗口都具有 TPSS［6］。

3.2 基于重要點(diǎn)分段

從時(shí)間序列中實(shí)現(xiàn)模式抽取的方法為:先分割原始時(shí)間序列，將其中的子序列轉(zhuǎn)換成為某個(gè)高級的數(shù)據(jù)，之后實(shí)現(xiàn)模式發(fā)現(xiàn)。本文使用基于重要點(diǎn)分段，此方法的計(jì)算時(shí)間比較小，能夠避免時(shí)間序列受到噪聲的影響，掌握序列整體變化的特點(diǎn)，其方法較為簡單并且有效。重要點(diǎn)指的是序列變化過程中視覺具有主要影響的觀測點(diǎn)，也就是序列匯總某部分局部極大、極小的點(diǎn)，圖4為序列的重要點(diǎn)。

圖4 序列的重要點(diǎn)

假設(shè) S= ＜ X1=(v1，t1)，．．，Xn=(vn，tn) ＞ 屬于時(shí)間序列，其中的v1指的是時(shí)間t1中的觀測值，本文假設(shè)△=1，并且t1=0。

雖然時(shí)間序列和全文序列中的基本元素具有區(qū)別，時(shí)間序列為連續(xù)取值實(shí)數(shù)構(gòu)成，全文序列為有限字符構(gòu)成。實(shí)現(xiàn)序列的分段，每個(gè)字段表示變化模式。之后在模式中實(shí)現(xiàn)相似性定義，從而實(shí)現(xiàn)符號化，最終將時(shí)間序列轉(zhuǎn)化成為符號序列。

對給定常量 R＞1 及時(shí)間序列＜X1=(v1，t1)，．．，Xn=(vn，tn)＞進(jìn)行定義，假如數(shù)據(jù)點(diǎn)Xm(1≤m≤n)為主要極小點(diǎn)，那么其要滿足以下需求:

在 1＜m＜n 的時(shí)候，下標(biāo) i及 j為 1≤i＜m＜j≤n。

給定常量直觀的含義就是:Xm為序列 Xi，．．，xj的最小值，在此段中的兩個(gè)端點(diǎn)值比XmR大，R屬于可控制選取參數(shù)，R值越大，那么被選中的相對重要點(diǎn)就會越少，時(shí)間序列線段的描述就會越粗。所以，利用R的選擇，能夠在不同精細(xì)度程度中實(shí)現(xiàn)數(shù)據(jù)挖掘。

因?yàn)槭窃跀?shù)據(jù)流中實(shí)現(xiàn)劃分，為了能夠?qū)α鬟B續(xù)性進(jìn)行保證，只要尋找小于n的重要點(diǎn)，最后重要點(diǎn)后面數(shù)據(jù)在后續(xù)數(shù)據(jù)中分析。

算法Selesc_Improtant_ (S，R，SC)

輸入:時(shí)間序列S，選擇參數(shù)R;

輸出:通過重要點(diǎn)構(gòu)成序列SC;

步驟:(1)i=find_first_importmt_point(SC);

(2)if I＜N and vi≥v1then i=find_minimum(i);

(3)while i＜N do

(4){i=find_maximum(i)}

(5)if i＜N then i=find_minmum(i)

以此表示，此算法只要掃描一次序列，在分段過程中進(jìn)行簡單對比計(jì)算，不需要復(fù)雜的最小二乘法計(jì)算。并且此算法支持序列在線選擇。

以算法所獲得的重要點(diǎn)集，能夠?qū)崿F(xiàn)序列的逐段線性化，以此得出通過線段所表示的趨勢變化特征模式構(gòu)成的序列集合SC。圖5為序列分段。

圖5 序列分段

3.3 數(shù)據(jù)并行挖掘

在數(shù)據(jù)挖掘過程中不僅要考慮速度，還要考慮最近數(shù)據(jù)挖掘中挖掘，其結(jié)果的精準(zhǔn)性比靜態(tài)數(shù)據(jù)挖掘結(jié)果要差，所以要盡量提高挖掘結(jié)果。充分考慮此點(diǎn)問題，在數(shù)據(jù)挖掘過程使用并行挖掘方法，其思想為:

假如具有N+1個(gè)處理器，其中0屬于主處理器。假如TPSS具有K個(gè)基本窗口。算法在全新基本窗口中產(chǎn)生之后刪除傳統(tǒng)窗口，之后觸發(fā)模式分析。在第一次執(zhí)行算法的時(shí)候，通過挖掘模式創(chuàng)建前綴樹，并且將其在頻發(fā)模式中使用，創(chuàng)建互聯(lián)之后到處理機(jī)1中保存。之后每次觸發(fā)算法，在處理器2，．．N中對此數(shù)據(jù)進(jìn)行處理，然后創(chuàng)建互聯(lián)后繼樹，之后和處理機(jī)1中的后繼樹進(jìn)行合并，并行實(shí)現(xiàn)模式挖掘，對頻繁模式前綴樹進(jìn)行更新，以頻繁模式前綴樹實(shí)現(xiàn)模式庫的封信［7］。圖6為并行挖掘模型。

圖6 并行挖掘模型

算法步驟為:

1)在SIRST中尋找最早的基本窗口線段序列;

2)對序列中每類線段序列Cidi出現(xiàn)次數(shù)進(jìn)行計(jì)算;

3)實(shí)現(xiàn)SIRST中字?jǐn)?shù)的遍歷，并且將葉子節(jié)點(diǎn)中Cidi相應(yīng)的tagj進(jìn)行修改成為tagj－Num。

在每次模式分析之后，處理器0就會對頻繁模式進(jìn)行收集，對前綴樹中的頻發(fā)模式進(jìn)行更新，之后對前綴樹進(jìn)行檢查，并且將滿足規(guī)測需求的頻繁模式到模式庫中發(fā)送實(shí)現(xiàn)模式庫更新，之后對模式前綴樹進(jìn)行調(diào)整。以此表示，每次分析序列能夠使算法效率得到提高，并且還能夠?qū)Ψ治鰰r(shí)序列完整性進(jìn)行保障，是模式庫更新頻率得到降低。

4 算法驗(yàn)證

將以上所分析的算法通過Weka數(shù)據(jù)挖掘工具實(shí)現(xiàn)驗(yàn)證，安裝Weka工具。Weka自身是以Java所編寫的，本文使用可擴(kuò)展及開放的集成開發(fā)工具Eclipse。算法驗(yàn)證的過程為:

將Weka打開，在預(yù)處理面板中加載本文所選擇的地震前兆數(shù)據(jù)。之后切換到Cluster面板中，單機(jī)Choose按鈕，就能夠到下拉菜單中實(shí)現(xiàn)DFCM算法的導(dǎo)入。單擊文本輸入框，在所彈出的對象編輯器中使epsilon參數(shù)設(shè)置為0.5。之后單擊Ignore，在彈出的Select窗口中選擇time屬性，關(guān)閉此窗口。在Result中右擊結(jié)果列表中的新添加條目，在彈出的菜單中選擇簇分配可視化菜單，Weka就會彈出可視化窗口，可視化界面的結(jié)果利用坐標(biāo)選擇不同測項(xiàng)，以此顯示所有的結(jié)果。

根據(jù)以上步驟，通過多次的參數(shù)選擇，將DFCM兩個(gè)關(guān)鍵參數(shù)進(jìn)行反復(fù)的設(shè)置對比，以臺站測試需求，每年使監(jiān)測儀器調(diào)整為相對零值，并且每年的數(shù)據(jù)分布形態(tài)相同，實(shí)驗(yàn)聚類數(shù)量為6，閾值為0.5。圖7為聚類結(jié)果。

圖7 聚類結(jié)果

通過圖7可以看出來，中間的黃色部分?jǐn)?shù)據(jù)為聚類質(zhì)心群，以顏色對數(shù)據(jù)程度進(jìn)行區(qū)分，黃色為0.8～1.0，淺黃色為0.6～0.8，此種顏色的數(shù)據(jù)為此簇類?；疑珵?.4～0.6，淺藍(lán)色為0.2～0.4，其隸屬簇權(quán)值較大，標(biāo)記藍(lán)色數(shù)據(jù)為0.0～0.2，此屬于此類以外數(shù)值，以此為相對孤立值。

對測項(xiàng)進(jìn)行總結(jié)，2012年～2017年的數(shù)據(jù)異常結(jié)果詳見表1。

表1 前兆數(shù)據(jù)的檢測結(jié)果

本文一共選擇了十三個(gè)測項(xiàng)中的十二測項(xiàng)數(shù)據(jù)實(shí)現(xiàn)分析，為2791天的數(shù)據(jù)記錄，以實(shí)驗(yàn)過程選擇聚類結(jié)果較好的參數(shù)閾值0.3和0.5實(shí)現(xiàn)結(jié)果羅列，得到前兆數(shù)據(jù)處理結(jié)果。通過結(jié)果分析，其中2231、2232、2241、2242、2243、2244、9140的檢測結(jié)果良好，從聚類時(shí)間分析，六年的數(shù)據(jù)記錄時(shí)間為395.53 s。以此表示，從時(shí)間及結(jié)果方面，本文所研究的方法具有實(shí)際意義［8］。

5 結(jié)束語

地震前兆數(shù)據(jù)觀測項(xiàng)較多，并且種類較為繁多，跨越的時(shí)間較短，來自于不同技術(shù)系統(tǒng)。另外，因?yàn)榉N種原因，導(dǎo)致目前實(shí)際數(shù)據(jù)集較為混亂。實(shí)現(xiàn)此數(shù)據(jù)的聯(lián)合使用及長時(shí)間的數(shù)據(jù)分析，傳統(tǒng)數(shù)據(jù)分析方法已經(jīng)無法滿足需求。大數(shù)據(jù)分析思路為使用前兆數(shù)據(jù)提供了全新的模式，通過此全新的思路，和地震前兆觀測物理意義相互結(jié)合，能夠從其中挖掘有用的規(guī)律及信息，對于前兆觀測地震及研究其他地震問題都有重要的現(xiàn)實(shí)意義。通過大數(shù)據(jù)研究思想，能夠?qū)η罢讛?shù)據(jù)傳統(tǒng)使用及研究模式進(jìn)行創(chuàng)新，不管是前兆數(shù)據(jù)推廣使用，還是使用其進(jìn)行科學(xué)研究，都是有意義的嘗試。