基于粗糙集的森林火灾预警规则提取方法

《基于粗糙集的森林火灾预警规则提取方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于粗糙集的森林火灾预警规则提取方法森林火灾预警信息表的确定本项目中，结合考虑了目前国内外森林火灾预警系统对影响因子的选取，我们选取降水量、湿度、温度、风速、土壤含水率、蒸发量、光照等因子为监测对象。在森林火灾预警中，将其作为决策信息表的条件属性。森林火灾风险值表示实际火险状态，火灾发生的可能性，我们将其划分为三等级：正常、高和危险，火险等级的划分有利于防火部门依据预报的等级来部署防火力量，制定扑救对策。森林火灾风险值是该决策信息表的决策属性。表5-1森林火灾预警决策信息表样本条件属性火灾风险值温度降水量湿度蒸发量风速土壤含水量光照U1U2U3U4U5U6U7U8U9U1

2、0U11U12U13U14U15U16U17U18高低低较高高高高较高较高低低低低低低高高高高低低较高高较高较高高高较高低低低较高较高高低低高低较高较高较高高较高较高高低低低低较高较高高低低高低较高高较高较高较高高较高高较高高高较高较高较高高高低高高高高较高较高高高高较高高高高低低较高较高高低低较高较高较高较高较高较高较高低低低较高较高高较高较高高低低较高高较高高高较高较高低高低高较高低高较高正常危险危险高正常正常正常高高危险危险高高高高正常高高二进制区分矩阵的建立改进后的二进制区分矩阵的构造方法构造二进制区分矩阵，其中t为对象数，m为条件属性数，对于任意两对象xk和xp，

3、cj∈C，具体构造如下：前m列的元素构造为：第m+1列的元素构造为：（式2）其中i是矩阵M的行值，由（式2）惟一确定；j值对应对象的条件属性。这样对象对xk和xp唯一对应一个i值，同时i的值也惟一确定对象xk和对象xp。森林火灾预警模型森林火灾预警信息表的属性约简森林火灾风险值的发生是各个影响因子相互作用的结果，但是，在这众多影响森林火灾风险值的因素中，有些因素是相关的，有可能只通过一部分必要的属性就可以推断出结论。通过属性约简算法，将森林火灾决策信息表中不重要的属性约简掉，留下对森林火灾风险值影响重要的属性，从而达到简化信息表的目的，减少处理数据，提高预警效率。算法需解决

4、的关键问题：（1）将决策信息表S构造相应的二进制区分矩阵；（2）对二进制区分矩阵进行属性约简前的预处理；（3）求决策信息表S的核属性；（4）求属性重要度。森林火灾预警信息表的属性约简（算法描述）输入：一致决策表系统S=(U,CD,V,f)，M为条件属性数，N为决策属性数，T为对象数输出：该一致决策表的一个属性约简step1：构造二进制区分矩阵；setp2：对二进制区分矩阵进行约简前的预处理；step3：得出核属性；step4：计算每个属性重要度值；step5：以m[X+1][Y+1]的值来判断是否约简完成，如果m[X+1][Y+1]的值为0，说明约简结束。While(m[X

5、+1][Y+1]!=0){寻找到属性重要度值最大的属性加入到简约属性集合中；}step6：输出简约属性集合，算法结束。构造二进制区分矩阵N-S图属性约简前的预处理N-S图求核属性的N-S图求属性重要度N-S图试验结果及分析决策信息表5-1经过属性约简后，得到约简后的决策信息表如表5-2所示。如表5-2所示。表5-2约简后的森林火灾预警决策信息表样本条件属性火灾风险值温度降水量湿度土壤含水量U1U2U3U4U5U6U7U8U9U10U11U12U13U14U15U16U17U18高低低较高高高高较高较高低低低低低低高高高高低低较高高较高较高高高较高低低低较高较高高低低高低较高

6、较高较高高较高较高高低低低低较高较高高低低高低低较高较高较高较高较高较高较高低低低较高较高高较高较高正常危险危险高正常正常正常高高危险危险高高高高正常高高从表5-2结果可知，蒸发量、风速、光照等均为冗余属性，而{温度，降水量，湿度，土壤含水率}为条件属性仅有的一个最小约简，在决定森林火灾风险值中起到非常重要的作用，这样，可以指导我们在实际检测中，对温度、降水量、湿度、土壤含水率的检测及结果要密切注意、科学分析。表5-2约简后的决策信息表森林防火预警规则提取通过值约简去掉决策表中的冗余信息，最终提取最简规则，为火灾预警提供辅助决策依据。算法需解决的关键问题：（1）求决策信息表

7、的属性重要度；（2）求决策信息表的核值属性；（3）删除重复冗余规则。森林防火预警规则提取（算法描述）算法描述输入：一致决策表系统S=(U,C输入：一致决策表系统S=(U,C∪D,V,f)，M为条件属性数，N为决策属性数，T为对象数输出：该一致决策表的最简规则step1：初始化red[T]（用于保存值约简后的属性）、d[T][M+2]（用于保存基于某对象的区分矩阵）、d1[T][M+2]（用于保存在同一决策等价类中对象的区分矩阵）、d2[T][M+2]（用于保存在不在同一决策等价类中对象的区分矩阵）、ident[T]