多粒度粗糙集模型及其在霾與氣象要素相關性分析上的應用研究.pdf

1、針對霾與氣象要素存在怎樣的相關性這一研究問題，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性分析模型，滿足利用氣象領域中涉及霾的氣象觀測數(shù)據進行霾與哪些氣象要素存在多大相關性分析的需要。論文主要工作和創(chuàng)新點如下：
　　(1)針對在氣象領域中涉及霾的氣象觀測數(shù)據具有數(shù)據量大和存在連續(xù)值現(xiàn)象，論文提出一種基于信息熵和不一致率的數(shù)據離散化算法。首先，針

2、對連續(xù)型數(shù)據的離散化問題，本文在研究基于信息熵的離散化算法基礎上，給出屬性離散化不一致率計算方法，并基于屬性離散化不一致率對基于信息熵的離散化算法中的合并區(qū)間條件進行改進，以消除手動設置屬性離散化不一致率閾值的主觀性影響和降低離散點個數(shù)。其次，針對在大數(shù)據下，執(zhí)行離散化算法的時間效率問題，本文將改進的離散化算法進行并行化處理，并在Hadoop平臺下實現(xiàn)，以提高算法運行效率。
　　(2)針對在氣象領域中，一方面涉及霾的氣象數(shù)據集具有

3、屬性個數(shù)多、數(shù)據不完備特點。另一方面，有霾和無霾時氣象要素的變化及各自所包含的噪聲數(shù)據存在差異，實際分析時需要將有霾和無霾兩種類別分別進行分析，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)則泛化能力較強的優(yōu)點，變精度粗糙集模型具有一定容錯能力，論文結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，并以此構建面向霾與氣象要素的相關性分析模型。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)式粒度約簡算法。所提出的粒度約簡算法，能根據決策類的重要度不同設置不同的變精度閾值，以便消除與決策系統(tǒng)中目標概念相關性不大的粒度，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規(guī)則集。通過該規(guī)則集實現(xiàn)對霾與哪些氣象要素存在給定置信度下的相關性的分析，為相應的決策者提供決策支持。
　　(3)在真實氣象觀測數(shù)據集上對上述提出的改進的離散化算法和基于