云模型推理规则论文：基于云模型的推理规则在空气质量预报中的应用.docVIP

云模型推理规则论文：基于云模型的推理规则在空气质量预报中的应用 摘要：本文简要介绍了云模型的基本概念，以2008年滁州市空气质量数据为样本，根据我国城市空气质量日报分级标准建立推理规则，构造规则发生器，确定空气质量级别。实验结果表明基于云模型的推理规则能有效地对空气质量进行预报。 　　关键词：云模型 推理规则 空气质量预报 　　中图分类号：P457文献标识码：A文章编号：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 　　我国学者李德毅教授在传统模糊集理论和概率统计的基础上提出了定性定量不确定性转换模型—云模型，它把定性概念的模糊性和随机性完全集成到一起，构成定性和定量相互间的映射，作为知识表示的基础。而城市大气污染预报的一个重要特征是其不确定性，这种不确定性来源于各种行为和过程的随机性、对系统状态认识的不充分、或者相关信息资料的不完善。本文将用于解决不确定性问题的云模型应用到城市空气质量预报中，取得了良好的效果。 　　1、云模型简介 　　1.1 云的基本概念 　　设是一个论域是与相联系的语言值。 　　中的元素对于所表达的定性概念的隶属度（或称与的相容度）是一个具有稳定倾向的随机数，隶属度在论语上的分布称为隶属度，简称为云。 　　在[0，1]中取值，云是从论域到区间[0，1]的映射，即 　　云用期望Ex（Expected value）、熵Ex（Entropy）和超熵He（Hyper entropy）这三个数字特征来整体表征一个概念。期望值Ex是概念在论域中的中心值，完全隶属于该定性概念或者说是这个概念量化的最典型样本点；熵En是定性概念模糊度的度量，其值越大，概念所接受的数值范围越大，概念越模糊；超熵He是熵的不确定度量，即熵的熵，反映了在数域空间代表该语言值的所有点的不确定度的凝聚性，即云滴的凝聚度，超熵越大，云滴的离散度越大，隶属度的随机性越大，云的“厚度”也越大。 　　1.2 正态云模型1 　　正态分布广泛存在于自然现象、社会现象、科学技术以及生产活动中，在实际中遇到的许多随机现象都服从或近似服从正态分布。 　　正态云的生产算法如下： 　　所以对于论域中的定性概念有贡献的定量值主要落在区间[Ex-3En,Ex+3En]，因此完全可以忽略该区间之外的定量值对此定性概念的贡献。在设计云模型的推理规则库及云模型控制器时，应运用此规则，忽略上述区间以外的输入，以增加推理库的有效性。不难看出，对于某一定性概念或知识，其相应的云模型中位于[Ex-3En,Ex+3En]之外的云滴元素为小概率事件，忽略并不影响云模型整体特征。 　　2、基于云模型的不确定性推理 　　2.1 云发生器 　　云的生成算法可以用软件的方式实现,也可以固化成硬件实现,称为云发生器(CloudGenerator)。 　　云发生器有正向云发生器和逆向云发生器两种。正向云发生器是指由云的数字特征产生云滴；逆向云发生器则是由云滴确定云的三个数字特征值。 　　2.2 单规则推理 　　单条件单规则可形式化表示为：If A then B。式中，A、B分别为定性概念，例如在规则“如果挑食，则营养不良”中，A表示定性概念“挑食”，B表示定性概念“营养不良”。把一个前件云发生器和一个后件云发生器进行连接就可以构造出单条件规则，称为单条件单规则发生器。 　　单条件单规则发生器中，当前件论域中某一特定的输入值x激活CGA时，CGA随机地产生一个确定度。这个值反映了x对此定性规则的激活强度，而确定度又作为后件云发生器CGB的输入，随机地产生一个云滴。如果x激活的是前件的上升沿，则规则发生器输出的对应着后件概念的上升沿，反之亦然。 　　2.3 多规则推理 　　一般的单条件多规则形式化地表示为：if ， 。其中、分别为规则前件和后件的语言值。 　　3、实例 　　3.1 数据准备 　　目前我国所采用的空气指数的分级标准是：(1)空气污染