基于量子粒子群的粗糙集屬性約簡算法及流域站網(wǎng)分析.pdf

1、實現(xiàn)江河水資源的科學(xué)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(jìn)行深入的分析，以了解流域的內(nèi)在規(guī)律和各種特征之間的內(nèi)在聯(lián)系。一方面由于監(jiān)測站點的觀測設(shè)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(fù)雜，為研究和應(yīng)用帶來了困難;另一方面監(jiān)測站點的布設(shè)大多由經(jīng)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(fù)建設(shè)的情況。因此采集的流域信息存在復(fù)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(jìn)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(yīng)用存在問題，本文在應(yīng)用粗糙集屬性約簡算法對流域數(shù)據(jù)進(jìn)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(jìn)行改進(jìn)，得到新的屬性約簡模型，并結(jié)合實例將模型應(yīng)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(nèi)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(guān)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(yīng)用中的不足，結(jié)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(jìn)行優(yōu)化。
　　 2)從粒子編碼、適應(yīng)度函數(shù)設(shè)計、粒子更新和粒子編碼轉(zhuǎn)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(jìn)行了詳細(xì)的闡述，并通過實例和標(biāo)準(zhǔn)UCI數(shù)據(jù)集對模型的正確性和運(yùn)算效率進(jìn)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(yīng)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(jīng)網(wǎng)絡(luò)預(yù)測驗證了結(jié)果的有效性。約簡結(jié)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(shè)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(jìn)行優(yōu)化，根據(jù)粒子群本身的特性結(jié)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(yīng)用于流域數(shù)據(jù)約簡，為流