粗糙集理论研究及其在隧道病害预测中的应用

《粗糙集理论研究及其在隧道病害预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文摘要摘要：数据挖掘是致力于数据分析和理解、揭示数据内部蕴藏知识的技术，它成为未来信息技术应用的重要目标之一。租糙集作为新生的数学工具，在许多方面克服了传统数据分析理论显现出的诸多不足，成为数据挖掘重要工具之一。本文主要对基于粗糙集的属性约简算法作了深入研究，分析主要算法的优缺点，提出一些改进意见。重点提出一种新的属性约简算法：(1)该算法在生成可分辨矩阵的过程中，直接随机选取属性构成约简超集，避免对可分辨矩阵的存储，解决空间复杂度问题；(2)在约简超集的基础上，使用基于信息熵的启发式搜索方法去除冗余属性，保证算法完备性，在一定程度上减小时间复杂度

2、。文章以实验证明算法的有效性。隧道病害防治是非常复杂的问题，目前使用的人工分析方法大多局限于具体的工程条件或病害类型，缺乏系统性和科学性。本文结合大量隧道病害的历史数据和相关背景知识，提出对隧道病害进行预测的一系列数据挖掘方法，综合预测隧道可能发生的病害，挖掘病害潜在原因。首先，根据挖掘目标选取隧道基础数据和隧道秋检数据为研究对象，使用传统的统计分析方法核实数据质量；给出数据集成方法，合并隧道基础信息与病害信息；最后建立基于粗糙集改进约简算法和决策树的病害等级预测模型，在2005年成都铁路局隧道数据实验的基础上，对模型进行优化调整。实验证明模型对病害

3、的预测率达70％以上，模型输出规则可为专家分析病害潜在原因提供参考意见。文章最后总结在实验中发现目前隧道防治存在的问题，有针对性的提出一些改进意见，完善病害防治工作。关键词：数据挖掘；粗糙集；属性约简；决策树；隧道病害分类号：TP31lABSTRACTABSTRACT：Dataminingisatechniquethataimstoanalyzeandunderstandlargesourcedataandrevealknowledgehiddeninthedata．Ithasbeenviewedasanimportantevolutionininf

4、ormationprocessing．Insomeaspectsroughsetovercomesmanydeficienciesintraditionaldataanalysis，soithasbeenthemostimportantdataminingtoolthathavebeenwidelyused．Thispapermakeadetmlstudyofattributereductalgorithmsandsummarizesthecharactersofmainalgorithms．Especiallyanowreductmethodwhi

5、chcombinesthediscemibifitymatrixandsearchwayofheuristicalgorithmisintroduced．Firstwhencomputingthediscernibilitymatrix，itselectattributerandomlyfromcurrenttermandaddittoreduetsetwhichCanobtainsuperreductset，sincethere’Snoneedtosavethematrixwhichovercometheextensitydifficulty；th

6、eneliminateirrelevantattributebyse彻chingsupersetaccordingtothewayofheqh--isticalgorithm．Sothismethodguaranteeitcangetreductsetandreducesearchspace．Throughdataexperimenttheadvantagesandvalidityareproved．PreventioncontrolprojectontunneldamageisSOcomplicatedthatthemethodadoptedpre

7、sentlywhichdependsonmanualbasislacksofsystematism．Afterstudyonbackgroundknowledgeabouttunnelanddamage，thispaperemploystechniquesofdataminingonhistoricaltunneldata,SOtheinherentlawCanbeexcavatedandthedamagerankCanbepredicted．Thetechniquesrangsfromdatapretreatmenttoclassification

8、based011roughsetanddecisiontree．Additionallythepaperre