基于空间向量遗传聚类的海洋环境监测数据分析*

周汝雁，陈中华，代岩岩，赵世亭，何世钧

（上海海洋大学信息学院，上海 201306）

0 引言

近几十年，人为排污活动加剧，进入河口地区的营养物质极大地促进了这些海域的初级生产，造成某些海区富营养化，导致海水的酸度增加，这些都将对海洋渔业生产和海洋生态环境产生巨大的影响［1］。虽然国家相关部门出台了污水排放的相关标准和法规，但有些单位仍向海水排放未经处理的污水，有些污水处理厂也向海水中排放水质超标的污水，因此，海水水质检测和水质变化情况监测对保护海洋环境有着深远的意义［2，3］。

针对海水水质监测的多参数数据分析的处理，监测中心接收到的数据都为海量数据，对于进一步的数据处理和控制措施的实施监测中心要花费较长的处理时间，因此，在进行异常情况确认和处理前首先要进行数据挖掘，从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、事先不知但又潜在有用的信息，聚类分析是数据挖掘的重要方法之一，而海洋环境参数的变化是渐进的，即便有国家海水水质标准，但水质状况的分析既要对多项指标进行综合评价，又具有模糊过渡的特点，因此，引入隶属度概念，采用模糊C均值（FCM）聚类方法进行分析更为合理，克服了硬性分类的不足［4］，但基于目标函数的FCM是一种局部寻优算法，存在对初始化敏感和难以获得全局最优解的缺陷，其聚类数目也是依照经验进行选取的……