地震前兆大数据可视化相似度评价技术研究

发布时间：2025-06-28 04:04

　　 在web环境中,降采样是解决地震前兆观测大数据可视化中数据显示过于密集和用户交互体验差的一种常用方法。为解决常用降采样算法不能同时保留原数据整体趋势和峰谷细节问题,提出了一种基于最大三角形算法的地震前兆大数据可视化解决方案。为评估此采样算法对基于原始观测数据可视化方案的影响,还提出了一种基于哈希算法的图像相似度评价算法。以17万条地震前兆观测数据为实验数据,对比研究了均值、最大值、最小值、中位数和最大三角形算法(LTTB)等多种采样算法,并使用图像哈希算法对降采样前后的折线图进行相似度评价。实验结果表明,LTTB算法不仅具有较低的时间复杂度,而且能保持原有数据形态和峰谷细节信息,非常适合于地震前兆大数据可视化展示。

【文章页数】：5 页

【部分图文】：

图1 实验流程图

以地电场观测数据为例，设置不同的降采样率，选取不同压缩大小的图像、不同的降采样方式进行实验比较。以pHash计算汉(海)明距离为核心的实验流程图如图1所示。先将降采样前后的折线保存为图像格式，再通过感知哈希算法计算哈希值，最后哈希值转化为汉明距离，通过汉明距离来量化采样前后的折....

图2 采样率为0.001的降采样前后数据形态图

由图2可以看出，经过LTTB算法降采样后的折线形状与原始图像最为相似。本文使用pHash作为评价指标，不同的采样率实验结果如表1。前文提到，2张图像的汉明距离越小代表图像越相似。从图2可以看出，使用了LTTB算法降采样后同时保留了细节体现和整体趋势。由表1可以看出，在不同采样率....

图3 采样率为0.1的降采样前后数据形态图

前文提到，2张图像的汉明距离越小代表图像越相似。从图2可以看出，使用了LTTB算法降采样后同时保留了细节体现和整体趋势。由表1可以看出，在不同采样率下，使用pHash算法判定LTTB算法降采样后的折线图与原折线图的汉明距离均是最小，佐证了图2的结果。而且当图像压缩尺寸越大时，不....

图4 图像尺寸与p Hash汉明距离关系图

从图4中可观察到，降采样算法的效果是可以量化分析的，LTTB算法降采样后的折线图与原折图的距离均小于其他常用降采样后的折线图与原折图的距离，并且随着图像尺寸的增加，这两种距离值的差距越来越明显。实验结果说明，从效果上，LTTB算法的降采样和常用降采样算法相比，LTTB能在保持整体....

本文编号：4054396