基于量子粒子群的粗糙集屬性約簡算法及流域站網分析.pdf

1、實現(xiàn)江河水資源的科學利用和發(fā)展，需要對流域各類水文監(jiān)測站點采集的數(shù)據(jù)進行深入的分析，以了解流域的內在規(guī)律和各種特征之間的內在聯(lián)系。一方面由于監(jiān)測站點的觀測設備和觀測條件的不同，很多河流沒有系統(tǒng)完整的數(shù)據(jù)，又有很多河流采集的數(shù)據(jù)資料冗長復雜，為研究和應用帶來了困難;另一方面監(jiān)測站點的布設大多由經驗選定位置，可能出現(xiàn)監(jiān)測站點的分布不能反映流域特征的情況，或是分布過于密集，出現(xiàn)重復建設的情況。因此采集的流域信息存在復雜性、主觀性和不確定性的特

2、征，需要不確定性分析和數(shù)據(jù)約簡的方法對流域信息進行處理。
　　 傳統(tǒng)的粗糙集屬性約簡算法存在各種的限制和不足，在流域數(shù)據(jù)約簡中的應用存在問題，本文在應用粗糙集屬性約簡算法對流域數(shù)據(jù)進行約簡的同時，引入量子粒子群算法對粗糙集屬性約簡算法進行改進，得到新的屬性約簡模型，并結合實例將模型應用于流域數(shù)據(jù)的約簡中，驗證模型的效果，為流域數(shù)據(jù)約簡提供了一種可行方法。本文的研究內容主要包括以下幾個方面:
　　 1)系統(tǒng)介紹粗糙集理論相

3、關概念和各類屬性約簡算法，分析各類屬性約簡算法在流域數(shù)據(jù)約筒應用中的不足，結合粗糙集理論的特征，引入量子粒子群算法對屬性約簡算法進行優(yōu)化。
　　 2)從粒子編碼、適應度函數(shù)設計、粒子更新和粒子編碼轉化幾個方面對基于量子粒子群算法的屬性約簡模型的建立進行了詳細的闡述，并通過實例和標準UCI數(shù)據(jù)集對模型的正確性和運算效率進行了分析和驗證。
　　 3)將基于量子粒子群算法的屬性約簡模型應用于流域數(shù)據(jù)約簡中，對于某流域，用7個水

4、文監(jiān)測站點代表原來14個水文監(jiān)測站點的特征，并通過BP神經網絡預測驗證了結果的有效性。約簡結果提高了流域水文數(shù)據(jù)的利用率，同時對水文監(jiān)測站點的合理布設提供了一個方面的參考。
　　 論文的創(chuàng)新點主要包括以下幾方面:
　　 1)將量子粒子群算法引入對粗糙集屬性約簡進行優(yōu)化，根據(jù)粒子群本身的特性結合粗糙集的知識得到了基于量子粒子群算法的屬性約簡模型。
　　 2)將基于量子粒子群算法的屬性約簡模型應用于流域數(shù)據(jù)約簡，為流