[發(fā)明專利]基于CART決策樹(shù)的水華預(yù)警方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201710501068.1
• 申請(qǐng)日: 2017-06-27
• 公開(kāi)（公告）號(hào): CN107301513A
• 公開(kāi)（公告）日: 2017-10-27
• 發(fā)明（設(shè)計(jì)）人: 劉云翔;吳浩;徐琛;李曉丹
• 申請(qǐng)（專利權(quán)）人: 上海應(yīng)用技術(shù)大學(xué)
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06Q50/26;G06K9/62
• 代理公司: 上海漢聲知識(shí)產(chǎn)權(quán)代理有限公司31236
• 代理人: 胡晶

技術(shù)領(lǐng)域

本發(fā)明涉及水環(huán)境保護(hù)技術(shù)領(lǐng)域，具體地，涉及基于CART決策樹(shù)的水華預(yù)警方法和裝置。

背景技術(shù)

由于大量城鎮(zhèn)污水和工農(nóng)業(yè)廢水流入江、河、湖泊等水體，使得水體的污染負(fù)荷不斷增加，造成水華事件頻發(fā)。為了更好的對(duì)富營(yíng)養(yǎng)化的水體進(jìn)行監(jiān)測(cè)和管理，許多研究者提出了通過(guò)建立水華預(yù)警模型來(lái)對(duì)水體的水華進(jìn)行預(yù)測(cè)。

決策樹(shù)(Classification And Regression Tree，CART)是1984年由Breiman、Friedman、Olshen、Stone提出的算法。CART算法采用一種二分遞歸分割的技術(shù)，與基于信息熵的算法不同，CART算法對(duì)每次樣本集的劃分計(jì)算GINI系數(shù)，其中，GINI系數(shù)是度量數(shù)據(jù)分區(qū)或者是樣本集E的不純程度，GINI系數(shù)越小則劃分越合理。CART算法總是將當(dāng)前樣本集分割為兩個(gè)子樣本集，使得生成的決策樹(shù)的每個(gè)非葉結(jié)點(diǎn)都只有兩個(gè)分枝。因此CART算法生成的決策樹(shù)是結(jié)構(gòu)簡(jiǎn)潔的二叉樹(shù)。CART決策樹(shù)既可以用來(lái)做分類樹(shù)也可以用來(lái)做回歸樹(shù)。但是，傳統(tǒng)的CART算法存在著計(jì)算量大和運(yùn)行時(shí)間長(zhǎng)的問(wèn)題。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于CART決策樹(shù)的水華預(yù)警方法和裝置。

第一方面，本發(fā)明提供一種基于CART決策樹(shù)的水華預(yù)警方法，包括：

選取K個(gè)影響水華的影響因子，分別計(jì)算所述K個(gè)影響因子與預(yù)設(shè)的決策屬性(葉綠素a濃度)之間的相關(guān)系數(shù)；其中，K為大于0的整數(shù)；

根據(jù)所述相關(guān)系數(shù)的值從K個(gè)影響因子中選取T個(gè)影響因子，所述T個(gè)影響因子作為影響水華的條件屬性，其中T為大于0且小于等于K的整數(shù)；

基于Fayyad邊界點(diǎn)判定定理，獲取數(shù)據(jù)集中每個(gè)條件屬性對(duì)應(yīng)的GINI系數(shù)；其中，所述數(shù)據(jù)集是指：從不同水體環(huán)境中檢測(cè)到的參數(shù)所構(gòu)成的數(shù)據(jù)集合；

根據(jù)所述GINI系數(shù)確定每個(gè)條件屬性的分割點(diǎn)；

根據(jù)所述分割點(diǎn)和相關(guān)系數(shù)遞歸構(gòu)建決策樹(shù)；

基于所述決策樹(shù)對(duì)水體進(jìn)行水華預(yù)警。

可選地，所述K個(gè)影響因子與預(yù)設(shè)的決策屬性之間的相關(guān)系數(shù)的計(jì)算公式如下：

式中：表示第i個(gè)條件屬性A_i與預(yù)設(shè)的決策屬性B之間的相關(guān)系數(shù)，A_i表示第i個(gè)條件屬性，i為大于等于1且小于等于K的整數(shù)，B表示預(yù)設(shè)的決策屬性，Cov(A_i,B)表示A_i與B的協(xié)方差，D(A_i)表示A_i的方差，D(B)表示B的方差。

可選地，所述基于Fayyad邊界點(diǎn)判定定理，獲取數(shù)據(jù)集中每個(gè)條件屬性對(duì)應(yīng)的GINI系數(shù)，包括：

假設(shè)根據(jù)任一條件屬性A將所述數(shù)據(jù)集E劃分為兩個(gè)子集E₁和E₂，則所述條件屬性A對(duì)應(yīng)數(shù)據(jù)集E的GINI系數(shù)的計(jì)算公式如下：

其中：

式中：GINI_A(E)表示E在A屬性下的基尼指數(shù)，表示子集E₁在集合E中的比例，GINI(E₁)表示E₁的基尼指數(shù)，表示子集E₂在集合E中的比例，GINI(E₂)表示E₂的基尼指數(shù)，GINI(E)表示E的基尼指數(shù)，p_i表示E中元組屬于決策屬性最終分類結(jié)果的概率，m表示決策屬性數(shù)據(jù)集分類的個(gè)數(shù)。

可選地，所述根據(jù)所述GINI系數(shù)確定每個(gè)條件屬性的分割點(diǎn)，包括：

根據(jù)GINI系數(shù)最小原則來(lái)為每個(gè)條件屬性獲取分割點(diǎn)，所述GINI系數(shù)最小原則是指當(dāng)基于任一條件屬性將所述數(shù)據(jù)集分割成兩個(gè)子集時(shí)，使得所述條件屬性關(guān)于所述數(shù)據(jù)集的GINI系數(shù)最小；

將所述GINI系數(shù)最小時(shí)的分割點(diǎn)作為所述條件屬性的分割點(diǎn)。

可選地，所述根據(jù)所述分割點(diǎn)和相關(guān)系數(shù)遞歸構(gòu)建決策樹(shù)，包括：

A1：選取數(shù)據(jù)集中相關(guān)系數(shù)最大的條件屬性作為第1層的節(jié)點(diǎn)；將所述條件屬性作為根節(jié)點(diǎn)；

A2：令N的初始值為1；

A3：根據(jù)所述N層節(jié)點(diǎn)的條件屬性對(duì)應(yīng)的分割點(diǎn)確定位于第N+1層的數(shù)據(jù)子集，所述N+1層的數(shù)據(jù)子集中相關(guān)系數(shù)最大的條件屬性作為第N+1層的節(jié)點(diǎn)；

A4：判斷位于第N+1層的數(shù)據(jù)子集是否存在可分割的條件屬性，若存在可分割的條件屬性，則令N的值自增1，返回執(zhí)行A3，若不存在可分割的條件屬性，則執(zhí)行A5；