勾志竟，宫志宏，徐 梅，刘布春

(1.天津市气象信息中心，天津 300074; 2.天津市气候中心，天津 300074; 3.中国农业科学院 农业环境与可持续发展研究所，北京 100081)

0 引 言

随着科技的进步，气象部门获取数据的途径也越来越多，收集并产生的气象数据呈指数级增长。如何将数据挖掘技术应用到气象预报预测和气象灾害预测等方面[1-3]，从海量的气象数据中挖掘有价值的信息，成为气象行业研究的重点。传统的数据处理方法已经不能很好地处理海量数据，挖掘数据内部规律时更为乏力，而数据挖掘算法与分布式处理框架[4]的出现为挖掘海量气象数据提供了一种新的思路。

陈正威[5]在Hadoop平台上运用预处理有向无环图和支持向量机(PDAG-SVM)算法对降水量做出预测，该方法在预测精度和预测效率上都取得了令人满意的结果；王昊等[6]提出了一种Hadoop平台下基于离散贝叶斯网络的数据挖掘改进算法，预测精度明显高于目前短期气候预测中采用的朴素贝叶斯算法；张晨阳等[7]提出基于Hadoop的计算等价类的数据约简算法与朴素贝叶斯分类算法，该并行数据挖掘方案可以有效处理海量气象数据，并具有良好的扩展性；Lv Zhenhua等[8]提出了并行K-means算法，并用于遥感图像的分类；李莉等[9]基于Spark平台提出并行K-means算法对气候区进行划分，对气象领域研究有重要现实意义。

从目前的相关研究可以看出，学者们不断对海量数据挖掘方法进行研究和优化，而聚类算法作为数据挖掘的重要方法，将其与分布式处理框架相结合[10-12]处理海量数据成为数据挖掘领域越来越活跃的研究方向。……