基于决策树的消防火灾等级模型研究.pdfVIP

日量玉蛋E歪噩E目 基于决策树的消防火灾等级模型研究 ◆侯忠辉1刘亮亮2杜浸2’3 O引曹 事件比大概率事件包含的信息量大。如果某一个事件是“百年一 随着消防一体化信息化建设的高速发展，借助于先进的信息 遇”，而另一件事情“习以为常”，前者包含的信息量肯定大。我 化手段，消防灭火救援业务更加科学高效，对于消防管理来说， 们引进信息论中关于信息量的计算方法，用如下公式度量某事件 防火灭火是核心，对于灭火救援来说，火灾等级是关键。火灾等 ai的信息熵： 级，是衡量火灾大小的一个标准，反映的是火灾的大小，以及火 灾危险性的大小，火灾等级也影响了灭火救援过程以及灭火预案 酬-酏)蝇志 的制定。灭火救援中，由接警获取火灾发生的详细信息，决策者 其中p他)代表事件^发生的概率。假设相互独立的属性 或者专家根据获取的火灾信息判断火灾发生的等级并且根据火 灾发生的等级调派救援车辆。 -p-妒ll，一，-I，它们中仅有一个发生，则其熵计算如下： 国内对于火灾等级的划分，各地消防都有不同的方法，在公 (2) 安部的火灾统计中也没有明确火灾等级的概念。根据2007年6 陆聊～～一．1)‘丢酗)。丢酏)1．‘。高 月26日公安部下发的《关于调整火灾等级标准的通知》，新的火 灾等级标准由原来的特大火灾、重大火灾、一般火灾三个等级调 整为特别重大火灾、重大火灾、较大火灾和一般火灾四个等级。 类中，假设训练警情数据样本S，某个属性A可以划分为n个不 特别重大火灾：造成30人以上死亡，或者100人以上重伤，或 同的类别写psp一，％，si是s中属性A的值。其信息熵为： 者1亿元以上直接财产损失的火灾。重大火灾：造成10人以上 30人以下死亡，或者50人以上loo人以下重伤，或者5000万元 以上1亿元以下直接财产损失的火灾。较大火灾：造成3人以上 酬一∑斜x蜘删 (3) 则属性A对样本集合S信息增益定义为： lO人以下死亡，或者10人以上50人以下重伤，或者l000万元 以上5000万元以下直接财产损失的火灾。一般火灾：造成3人 蛐㈤一嘶删一∑鬻·晰删‘-I■l (4) 以下死亡，或者lO人以下重伤，或者1000万元以下直接财产损 由此可见熵值最小的，其信息增益臼血(sj^)最大，Q岫晦A) 失的火灾。(注：“以上”包括本数，“以下”不包括本数。) 越大，说明其对分类提供的信息越多。我们选择信息增益 火灾等级的定量分析与决策，本质上是分类决策的问题，对 于分类问题，国内外已经提出了一系列的分类模型，如决策树 G劬畋s，A)最大的属性作为当前分支属性。极端情况下，由于属 (Decjsion Tree)、贝叶斯网络(BavesNe锕ork)、神经网络(Neural 性A分类的子集的目标属性单一，则有：翻删-砌纳啊(詈)， Net、vork)、K-I}每近法(KNearestNeighbollr)、支持向量机(Support 肯定选择属性A。 Vector Machine)等分类算法。分类的目的是根据数据集的特点 ID3算法就是计算信息增益的大小并将其作为是否分支属性 构造一个分类函数或者分类模型，运用此函数