摘要：雷电灾害是一种自然灾害，有着极其严重的破坏力，对居民的人身安全和财产安全构成极大威胁。随着科学技术的发展，对雷电预警的研究也随之增多。本文想通过分析雷电中心的移动趋势来进行雷电的预警，进而为防雷减灾提供支持。

首先，由于闪电定位仪的误差，本文对数据进行筛选，得到误差较小的数据集。选取湖南省某一天中雷电活动最频繁的几个小时内的雷电数据，并每10分钟划分一个时间段，为后续聚类做准备。

其次，基于时空序列的聚类算法对雷电中心进行分析，运用了传统的K-means和DBSCAN聚类算法，得到不同时间段上雷电活动的聚类簇和雷电中心的地理坐标。对比传统聚类算法的优点与不足，提出一种基于雷电问题改进的DBSCAN算法，并同样得到不同时间段上雷电活动的聚类簇和雷电中心的地理坐标。

最后，进一步分析雷电中心的移动趋势，运用LSTM神经网络算法根据雷电中心的移动和影响因素的影响预测出下一个时间段上的雷电中心的地理位置。对误差的分析，得到的预测结果与真实值的欧氏距离小于0.1度。

关键词：雷电；聚类算法；改进的DBSACAN算法；LSTM神经网络

目录

摘要

Abstract

1 绪论-1

1.1 项目的研究背景及意义-1

1.2 雷电预警发展的现状-1

1.3 本文主要研究内容-2

2 雷电数据的处理-3

2.1筛选数据-3

2.2 划分时间段-3

3 雷电中心的确定-6

3.1聚类算法的选择-6

3.1.1K-means算法-6

3.1.2 DBSCAN算法-8

3.1.3 总结-15

3.2 基于雷电活动改进的DBSCAN算法-15

（一）基于雷电活动改进的DBSCAN算法描述-15

（二） 基于雷电活动改进DBSCAN算法确定雷电中心的流程-16

（三） 实际结果展示-17

24.1临近雷电预测的现状-22

4.2 LSTM神经网络对临近雷电预测-22

4.2.1 雷电中心数据的处理-23

4.2.2 搭建神经网络预测数据-24

4.3 LSTM神经网络对临近雷电的预测误差分析-26

5 总结-27

5.1 本文完成工作情况-27

5.2 有待解决的问题-27

5.3 展望-27

参考文献-28