云模型推理規(guī)則論文：基于云模型的推理規(guī)則在空氣質(zhì)量預(yù)報中的應(yīng)用.doc

云模型推理規(guī)則論文：基于云模型的推理規(guī)則在空氣質(zhì)量預(yù)報中的應(yīng)用摘要：本文簡要介紹了云模型的基本概念，以2008年滁州市空氣質(zhì)量數(shù)據(jù)為樣本，根據(jù)我國城市空氣質(zhì)量日報分級標(biāo)準(zhǔn)建立推理規(guī)則，構(gòu)造規(guī)則發(fā)生器，確定空氣質(zhì)量級別。實(shí)驗結(jié)果表明基于云模型的推理規(guī)則能有效地對空氣質(zhì)量進(jìn)行預(yù)報。 關(guān)鍵詞：云模型 推理規(guī)則 空氣質(zhì)量預(yù)報 中圖分類號：P457文獻(xiàn)標(biāo)識碼：A文章編號：1007-9416（2011）05-0101-03 Abstract: This paper briefly introduces the basic concept of cloud model, the samples are based on the data of chuzhou air quality in 2008.The reasoning generators are developed to predict the air quality, and the results show that the reasoning rules can effectively predict the air quality. Key words: cloud modelreasoning rulesair quality prediction 我國學(xué)者李德毅教授在傳統(tǒng)模糊集理論和概率統(tǒng)計的基礎(chǔ)上提出了定性定量不確定性轉(zhuǎn)換模型云模型，它把定性概念的模糊性和隨機(jī)性完全集成到一起，構(gòu)成定性和定量相互間的映射，作為知識表示的基礎(chǔ)。而城市大氣污染預(yù)報的一個重要特征是其不確定性，這種不確定性來源于各種行為和過程的隨機(jī)性、對系統(tǒng)狀態(tài)認(rèn)識的不充分、或者相關(guān)信息資料的不完善。本文將用于解決不確定性問題的云模型應(yīng)用到城市空氣質(zhì)量預(yù)報中，取得了良好的效果。 1、云模型簡介 1.1 云的基本概念 設(shè)是一個論域是與相聯(lián)系的語言值。 中的元素對于所表達(dá)的定性概念的隸屬度（或稱與的相容度）是一個具有穩(wěn)定傾向的隨機(jī)數(shù)，隸屬度在論語上的分布稱為隸屬度，簡稱為云。 在0，1中取值，云是從論域到區(qū)間0，1的映射，即 云用期望Ex（Expected value）、熵Ex（Entropy）和超熵He（Hyper entropy）這三個數(shù)字特征來整體表征一個概念。期望值Ex是概念在論域中的中心值，完全隸屬于該定性概念或者說是這個概念量化的最典型樣本點(diǎn)；熵En是定性概念模糊度的度量，其值越大，概念所接受的數(shù)值范圍越大，概念越模糊；超熵He是熵的不確定度量，即熵的熵，反映了在數(shù)域空間代表該語言值的所有點(diǎn)的不確定度的凝聚性，即云滴的凝聚度，超熵越大，云滴的離散度越大，隸屬度的隨機(jī)性越大，云的“厚度”也越大。 1.2 正態(tài)云模型1 正態(tài)分布廣泛存在于自然現(xiàn)象、社會現(xiàn)象、科學(xué)技術(shù)以及生產(chǎn)活動中，在實(shí)際中遇到的許多隨機(jī)現(xiàn)象都服從或近似服從正態(tài)分布。 正態(tài)云的生產(chǎn)算法如下： 所以對于論域中的定性概念有貢獻(xiàn)的定量值主要落在區(qū)間Ex-3En,Ex+3En，因此完全可以忽略該區(qū)間之外的定量值對此定性概念的貢獻(xiàn)。在設(shè)計云模型的推理規(guī)則庫及云模型控制器時，應(yīng)運(yùn)用此規(guī)則，忽略上述區(qū)間以外的輸入，以增加推理庫的有效性。不難看出，對于某一定性概念或知識，其相應(yīng)的云模型中位于Ex-3En,Ex+3En之外的云滴元素為小概率事件，忽略并不影響云模型整體特征。 2、基于云模型的不確定性推理 2.1 云發(fā)生器 云的生成算法可以用軟件的方式實(shí)現(xiàn),也可以固化成硬件實(shí)現(xiàn),稱為云發(fā)生器(CloudGenerator)。 云發(fā)生器有正向云發(fā)生器和逆向云發(fā)生器兩種。正向云發(fā)生器是指由云的數(shù)字特征產(chǎn)生云滴；逆向云發(fā)生器則是由云滴確定云的三個數(shù)字特征值。 2.2 單規(guī)則推理 單條件單規(guī)則可形式化表示為：If A then B。式中，A、B分別為定性概念，例如在規(guī)則“如果挑食，則營養(yǎng)不良”中，A表示定性概念“挑食”，B表示定性概念“營養(yǎng)不良”。把一個前件云發(fā)生器和一個后件云發(fā)生器進(jìn)行連接就可以構(gòu)造出單條件規(guī)則，稱為單條件單規(guī)則發(fā)生器。 單條件單規(guī)則發(fā)生器中，當(dāng)前件論域中某一特定的輸入值x激活CGA時，CGA隨機(jī)地產(chǎn)生一個確定度。這個值反映了x對此定性規(guī)則的激活強(qiáng)度，而確定度又作為后件云發(fā)生器CGB的輸入，隨機(jī)地產(chǎn)生一個云滴。如果x激活的是前件的上升沿，則規(guī)則發(fā)生器輸出的對應(yīng)著后件概念的上升沿，反之亦然。 2.3 多規(guī)則推理 一般的單條件多規(guī)則形式化地表示為：if ， 。其中、分別為規(guī)則前件和后件的語言值。 3、實(shí)例 3.1 數(shù)據(jù)準(zhǔn)備 目前我國所采用的空氣指數(shù)的分級標(biāo)準(zhǔn)是：(1)空氣污染指數(shù)(API)50點(diǎn)對應(yīng)的污染物濃度為國家空氣質(zhì)量日均值一級標(biāo)準(zhǔn)，即空氣質(zhì)量“優(yōu)”；(2)API100點(diǎn)對應(yīng)的污染物濃度為國家空氣質(zhì)量日均值二級標(biāo)準(zhǔn)即空氣質(zhì)量“良”；(3)API200點(diǎn)對應(yīng)的污染物濃度為國家空氣質(zhì)量日均值三級標(biāo)準(zhǔn)，即空氣質(zhì)量“輕度污染”；(4)API更高值段的分級對應(yīng)于各種污染物對人體健康產(chǎn)生不同影響時的濃度限值，API500點(diǎn)對應(yīng)于對人體產(chǎn)生嚴(yán)重危害時各項污染物的濃度。目前計入空氣污染物的因素主要有SO2、NO2和PM10（可吸入顆粒物）。 本文以2008年度滁州市環(huán)境監(jiān)測站對全市每日空氣質(zhì)量監(jiān)測的數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，該市環(huán)境空氣監(jiān)測采用了空氣自動站的監(jiān)測方法，在滁州市設(shè)立了3個測點(diǎn)，分別為監(jiān)測站、老年大學(xué)、人大賓館測點(diǎn)。本文選擇3個監(jiān)測點(diǎn)的平均數(shù)據(jù)為實(shí)驗數(shù)據(jù)。按我國采用的空氣指數(shù)的分級標(biāo)準(zhǔn)進(jìn)行分類。 3.2 建立推理規(guī)則 根據(jù)上述分類標(biāo)準(zhǔn)結(jié)合實(shí)地數(shù)據(jù)，發(fā)現(xiàn)該市2008年空氣質(zhì)量日報級別只有“優(yōu)”、“良”、“輕度污染”三個級別，未出現(xiàn)“中度污染”和“重度污染”的情況。而影響該市空氣質(zhì)量的污染物均為PM10，由于空氣質(zhì)量的好壞取決于各種污染物中危害最大的污染物的污染程度，因此本實(shí)驗僅將PM10作為規(guī)則前件，把 API值作為輸出值，根據(jù)API值確定對應(yīng)的空氣質(zhì)量級別，由空氣質(zhì)量分類標(biāo)準(zhǔn)建立推理規(guī)則如下： 規(guī)則1：如果PM10含量小于等于0.05，那么空氣質(zhì)量為“優(yōu)”； 規(guī)則2：如果PM10含量大于0.05小于等于0.15，那么空氣質(zhì)量為“良”； 規(guī)則3：如果PM10含量大于0.15小于等于0.35，那么空氣質(zhì)量為“輕度污染”。 將各級規(guī)則前件的輸入值和規(guī)則后件的輸出值分別運(yùn)用逆向云發(fā)生器得到對應(yīng)級別的數(shù)字特征，列表如下： 通過以上數(shù)字特征，再利用正向云發(fā)生器得到規(guī)則前件和規(guī)則后件的云圖，如圖3所示。從圖中我們可以對各條規(guī)則有個較為直觀的認(rèn)識。 3.3 算法實(shí)現(xiàn) 算法輸入：規(guī)則前件和規(guī)則后件，一個特定的輸入 X。 算法輸出：規(guī)則輸出值Y ?？梢匀蝹€隨機(jī)輸出，也可以取多個隨機(jī)輸出。 算法過程： (1) 對于X,先判斷它激活幾條規(guī)則,若 ，則 激活第 條規(guī)則。 （2）若