基于BP典型相关分析和多变量SOM聚类的区划算法研究

摘要

针对目前气候区划变量较少、信息利用不充分、较少考虑气候变化影响等问题，基于机器学习和现代统计方法，提出一种数据驱动的区划算法.首先，基于Mann-Kendall检验和滑动t检验计算主变量的突变点，把研究时期进行分段；然后，基于BP典型相关选取协变量，并建立多变量SOM聚类算法，实现不同阶段的气候区划；最后，结合气候区概况来分析区划结果的实际意义，以及气候变化对气候区划的影响.实验结果表明：所提的区划算法有别于主变量的等值线分区以及人为确定阈值，而是根据SOM聚类，由数据驱动来确定区域个数以及分区，数据利用率高，区划过程更加客观合理；无需在区划过程中考虑气候背景，而是在算法过程中包含多层协变量和气候变化的影响，能够有效提高区划效率和可靠性.

关键词

区划 / Mann-Kendall检验 / BP典型相关分析 / 多变量SOM聚类