决策树C4_5算法在天然气输差分析中的应用_张德政.pdfVIP

决策树C4.5 算法在天然气输差分析中的应用 张德政 李天驰 阿孜古丽 (北京科技大学计算机系,北京 ) 100083 摘 要 分类器是数据挖掘的一种基本方法。文章首先介绍了分类器的基本概念和决策树构建思路,然后讲述了在天然 气信息数据库的基础上如何建立决策树分类器(用 语言)和寻找影响输差较大的因素,从而得出一些实用的预测输 Java 差的规则。 关键词 天然气数据 输差分析 数据挖掘 分类器 决策树C4.5 文章编号 ( ) 文献标识码 中图分类号 1002-8331-200623-0208-03 A TP311 ZhangDezheng Li Tianchi Aziguli ( , ) Beijing100083 : Abstract ( ) using Java language : , , , , naturalgasdataanalysison measuringerrordata miningclassifierdecision tree C4.5 Keywords 目前,随着采集输井站和用户的不断增多,以及天然气管 标签属性也就是训练集的类别标记。一个具体的样本的形式可 网的不断延伸、扩张,天然气采输配管网系统内部的采输差越 以表示为(,,…, ;),其中 表示字段值,表示类别。 vv vc v c 1 2 n i 来越难以控制。由于目前输差监控网络不能完全有效地监控输 构建决策树的算法很多,其中最具代表性的是 和 ID3C4.5 差,当每日采气量与输气量出现较大差异时,往往不能及时判 算法,鉴于本文构造的原始训练集中的实例所拥有的属性大多 断哪一条管线或与哪一个用户之间出现了采输差,这不仅造成 是连续值,所以采用的具体算法为 的 ,它的思想 QuinlanC4.5 了计量人员工作上的被动,还使分公司蒙受了很大的经济损 大致如下:将给定训练集作为决策树的根节点,训练集中的记 失。因此,一旦管网输差出现后,很难分析判断问题出在哪里, 录具有标识类别的字段;利用增益比例来寻找节点上具有最大 在解决输差的问题上盲目且受主观因素的影响。 信息量的字段或分割属性,根据分割属性不同取值建立该节点 数据挖掘提供了进行输差分析的环境,数据挖掘的多种方 的若干分支,并为所有分支子集建立对应的节点;在每个分支 法可用来进行输差分析。本文将着重介绍如何用决策树分类器 子集中重复建立下层分支和节点,直到节点中所有记录的类别 方法,在天然气公司建立的生产数据库和销售数据库以及计量 都相同为止。这样便生成一棵完整的决策树,然后把决策树的 数据库的基础上寻找影响输差较大的因素,从而得出一些实用 节点分裂过程转化为“如果…那么…”的规则