多粒度粗糙集模型及其在霾與氣象要素相關(guān)性分析上的應(yīng)用研究.pdf

1、針對(duì)霾與氣象要素存在怎樣的相關(guān)性這一研究問(wèn)題，本文致力于探討和挖掘出霾與哪些氣象要素存在多大的相關(guān)性，提出一種決策屬性重要度不一致多粒度粗糙集模型，并基于此建立霾與氣象要素相關(guān)性分析模型，滿足利用氣象領(lǐng)域中涉及霾的氣象觀測(cè)數(shù)據(jù)進(jìn)行霾與哪些氣象要素存在多大相關(guān)性分析的需要。論文主要工作和創(chuàng)新點(diǎn)如下：
　　(1)針對(duì)在氣象領(lǐng)域中涉及霾的氣象觀測(cè)數(shù)據(jù)具有數(shù)據(jù)量大和存在連續(xù)值現(xiàn)象，論文提出一種基于信息熵和不一致率的數(shù)據(jù)離散化算法。首先，針

2、對(duì)連續(xù)型數(shù)據(jù)的離散化問(wèn)題，本文在研究基于信息熵的離散化算法基礎(chǔ)上，給出屬性離散化不一致率計(jì)算方法，并基于屬性離散化不一致率對(duì)基于信息熵的離散化算法中的合并區(qū)間條件進(jìn)行改進(jìn)，以消除手動(dòng)設(shè)置屬性離散化不一致率閾值的主觀性影響和降低離散點(diǎn)個(gè)數(shù)。其次，針對(duì)在大數(shù)據(jù)下，執(zhí)行離散化算法的時(shí)間效率問(wèn)題，本文將改進(jìn)的離散化算法進(jìn)行并行化處理，并在Hadoop平臺(tái)下實(shí)現(xiàn)，以提高算法運(yùn)行效率。
　　(2)針對(duì)在氣象領(lǐng)域中，一方面涉及霾的氣象數(shù)據(jù)集具有

3、屬性個(gè)數(shù)多、數(shù)據(jù)不完備特點(diǎn)。另一方面，有霾和無(wú)霾時(shí)氣象要素的變化及各自所包含的噪聲數(shù)據(jù)存在差異，實(shí)際分析時(shí)需要將有霾和無(wú)霾兩種類(lèi)別分別進(jìn)行分析，即需要將決策屬性值的重要度看成不一致。再考慮到現(xiàn)有的多粒度粗糙集模型具有生成規(guī)則泛化能力較強(qiáng)的優(yōu)點(diǎn)，變精度粗糙集模型具有一定容錯(cuò)能力，論文結(jié)合這兩種粗糙集模型提出一種決策屬性重要度不一致多粒度粗糙集模型，并以此構(gòu)建面向霾與氣象要素的相關(guān)性分析模型。首先，論文給出決策屬性重要度不一致多粒度粗糙集模

4、型的定義。其次，基于該多粒度粗糙集模型提出啟發(fā)式粒度約簡(jiǎn)算法。所提出的粒度約簡(jiǎn)算法，能根據(jù)決策類(lèi)的重要度不同設(shè)置不同的變精度閾值，以便消除與決策系統(tǒng)中目標(biāo)概念相關(guān)性不大的粒度，降低粒度空間的冗余性。最后，提出一種基于置信度的規(guī)則提取算法，以提取滿足給定置信度的分類(lèi)規(guī)則集。通過(guò)該規(guī)則集實(shí)現(xiàn)對(duì)霾與哪些氣象要素存在給定置信度下的相關(guān)性的分析，為相應(yīng)的決策者提供決策支持。
　　(3)在真實(shí)氣象觀測(cè)數(shù)據(jù)集上對(duì)上述提出的改進(jìn)的離散化算法和基于