模糊决策树算法在降雨预测中的研究与应用

发布时间：2021-09-17 00:36

　　在21世纪的今天,国家经济的建设,社会的进步,人们的生活工作都和气象预报有着密切的关系,特别是对一些灾害性天气的及时准确的预报尤为重要。与此同时随着科学技术的快速发展,和气象观测技术的不断进步,积累了海量的气象数据,针对这些海量的、多样性的、多维性的、复杂的、连续型的气象数据高效而准确的挖掘出所蕴含的规律成为了现在气象研究所要解决的一个重要问题。基于决策树的分类算法是数据挖掘技术领域的一种重要分类方法,它能够非常方便地用图形化属性结构的方式表示挖掘结构。利用决策树归纳学习来产生相关规则,已经成为了知识获取中最常用而且有效的方法,是建立一个专家系统的有效途径。随着决策树的深入研究,尽管已经产生了很多构造相关决策树的方法,但是传统的清晰的决策树归纳学习却不能满足一个系统中不确定知识被自动获取的需求,为了在这种不确定（模糊）环境下达到相关知识集的自动获取,对模糊决策树归纳学习的研究已经成为一个当前的热点研究。本论文针对气象领域,以南方某地区局部的实际气象数据为研究对象,对该局部地区降雨进行决策分类。本论文研究的主要工作包括一下几个方面：1)对某地区局部气象数据,进行预处理,通过计算降雨量和其... 

【文章来源】：广东工业大学广东省

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
目录
CONTENTS
第一章 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 气象数据挖掘研究现状
        1.2.2 模糊决策树的研究现状
    1.3 本文课题研究的目标和内容
    1.4 论文结构
第二章 相关理论与技术
    2.1 模糊理论
        2.1.1 模糊集
        2.1.2 模糊集的表示
        2.1.3 隶属函数
    2.2 决策树算法概述
        2.2.1 决策树算法基本思想和特点
        2.2.2 几种常见的决策树算法
    2.3 模糊决策树分类算法
        2.3.1 模糊决策树的构建
        2.3.2 模糊决策树和决策树的区别
    2.4 小结
第三章 基于模糊决策树的气象数据分类建模
    3.1 气象数据说明
    3.2 气象数据预处理
        3.2.1 气象数据集成
        3.2.2 气象数据清洗
        3.2.3 气象数据属性选择
        3.2.4 气象数据规范化
    3.3 气象数据模糊化
    3.4 基于气象数据的模糊决策树建模
        3.4.1 模糊决策树算法
        3.4.2 构建实例
    3.5 增量学习
        3.5.1 基于Q统计的相似度计算
        3.5.2 增量学习模型
        3.5.3 增量学习建模算法
    3.6 小结
第四章 实验结果及分析
    4.1 实验环境
    4.2 实验数据集
    4.3 实验结果及分析
    4.4 小结
总结与展望
参考文献
攻读硕士学位期间从事的科研项目及发表的学术论文
致谢



本文编号：3397597