基于决策树算法的洪水水位预报模型.pptVIP

基于决策树算法的洪水水位预报模型 汇报人：孟丽媛 研究意义与背景 基于决策树算法的洪水预报 实例研究 随着观测手段的发展与时间的推移，水文系统已积累了大量的水文历史数据，这些数据是各种客观因素作用的结果，包含了大量信息，其中就包括一些在模型中难以考虑但又很有意义的水文现象形成因素。有效利用这些数据，并从中提取对洪水预报有用的信息，是一项非常有意义的工作。 数据挖掘(Data Mining，DM)，是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的复杂过程，而决策树分类模型即是数据挖掘技术中用来解决分类问题的一种方法，近年来也被应用于水文领域中。 采用决策树方法，根据历史水文数据库中的可用信息分析规律得出知识，以对未来的洪水进行类别判断。 研究意义与背景 决策树模型 决策树(见图1)的基本算法是贪心算法，采用自顶向下的递归方式构造决策树。它以样本为基础进行归纳学习．其表现形式就是一个类似流程图的树形结构。 决策树的生成是一个从根节点开始、由上向下的递归过程，一般采用分而治之的方法，通过不断地将训练样本分割成子集来构造决策树。树的构造通常包括利用训练集生成决策树与对决策树进行剪枝两个步骤。算法的核心问题就是属性选择和剪枝策略：属性选择要求在每个结点选取要分类效果最好的属性．传统的属性选择标准有信息增益(information gain)、信