基于模糊粗糙集的氣象預(yù)測(cè)CBR系統(tǒng).pdf

1、災(zāi)害性天氣的預(yù)報(bào)和警示在人們的生產(chǎn)、生活中具有舉足輕重的地位。天氣的歷史數(shù)據(jù)和預(yù)報(bào)員的經(jīng)驗(yàn)往往對(duì)氣象預(yù)測(cè)的結(jié)果起著重要作用,通常預(yù)報(bào)員可以根據(jù)當(dāng)前的天氣情況和歷史上相似的天氣進(jìn)行比較,從而對(duì)當(dāng)前的天氣進(jìn)行預(yù)測(cè)。因此如何建立一個(gè)包含預(yù)報(bào)員經(jīng)驗(yàn)總結(jié)、歷史天氣范例分析、歷史天氣檔案等各種信息的綜合天氣范例庫,并在此基礎(chǔ)上對(duì)綜合天氣范例庫的簡化、相似檢索等方面進(jìn)行研究,具有重要的理論意義和工程實(shí)用價(jià)值。
　　 本文將模糊粗糙集理論應(yīng)用于

2、范例推理(CBR,Case Based Reasoning)系統(tǒng)中,對(duì)范例檢索過程中的屬性約簡算法、權(quán)重分配算法、以及相似檢索算法都做了詳細(xì)的分析與深入探討,在此基礎(chǔ)上,設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于模糊粗糙集的氣象預(yù)測(cè)CBR系統(tǒng)。
　　 本文的主要工作如下:
　　 1.介紹范例推理和模糊粗糙集的相關(guān)理論知識(shí),并對(duì)其中的核心技術(shù)進(jìn)行詳細(xì)的分析和比較。
　　 2.深入探討屬性約簡和權(quán)重分配算法,并對(duì)傳統(tǒng)的屬性約簡算法的不足:

3、如適用范圍較小,約簡后仍存在冗余等問題進(jìn)行深入的研究,給出一種基于模糊粗糙集的屬性約簡和權(quán)重分配算法。該算法以模糊相似關(guān)系代替經(jīng)典粗糙集中的等價(jià)關(guān)系,在模糊環(huán)境下重新定義了屬性重要度的概念,擴(kuò)大了算法的適用范圍,并且將權(quán)重確定問題轉(zhuǎn)化為模糊粗糙集理論中屬性重要性的評(píng)價(jià)問題,在一定程度上克服了傳統(tǒng)權(quán)重確定主觀性太大的不足,實(shí)驗(yàn)結(jié)果表明,該方法是有效的。
　　 3.范例檢索與匹配是實(shí)現(xiàn)范例推理的關(guān)鍵,本文利用最近相鄰算法和相似度量理