[发明专利]基于随机森林预测污水水质数据的方法及系统

权利要求书

1.一种基于随机森林预测污水水质数据的方法，其特征在于，包括以下步骤：

在原始训练集中有放回地随机抽取样本，构建若干样本集；

根据样本集的样本以及每个样本所属的污水指标属性选择分裂属性，依据分裂属性对样本集进行训练形成决策树；

根据建立的多个决策树整合构建随机森林；

获取待分类数据放入随机森林进行分类，根据环境因素变量采用投票方式得出未来一段时间的污水水质数据的预测结果。

2.根据权利要求1中所述的基于随机森林预测污水水质数据的方法，其特征在于，所述根据样本集的样本以及每个样本所属的污水指标属性选择分裂属性，包括以下步骤：

选择样本属性中信息增益最大的属性为分裂属性。

3.根据权利要求2中所述的基于随机森林预测污水水质数据的方法，其特征在于，所述选择样本属性中信息增益最大的属性为分裂属性，具体包括以下步骤：

获取样本集中任意样本分类的期望信息和按特定属性划分的子集的熵；

根据获取的信息求得该特定属性的信息增益；

获取样本集中其他属性的信息增益；

选择信息增益最大的属性作为样本集的分裂属性。

4.根据权利要求3中所述的基于随机森林预测污水水质数据的方法，其特征在于，所述获取样本集中任意样本分类的期望信息的计算公式为：

I(s₁,s₂,……,s_m)＝∑P_ilog2(p_i)(i＝1,……,m)，

其中，I(s₁,s₂,……,s_m)为期望信息，S为当前选中的样本集，m为S的分类数目，P_i≈|S_i/S|，C_i为某分类标号，P_i为任意样本属于类C_i的概率，S_i为分类C_i上的样本数；

所述获取按特定属性划分的子集的熵的计算公式为：

E(A)＝∑(s_1j+……+s_ij)/s*I(s_1j,……,s_ij)，

其中，E(A)为按属性A划分的子集的熵，A为当前选定的特定属性，s_ij为样本集S按属性A划分为j个子集s₁,s₂,……,s_j中子集s_j的类C_i的样本数；

信息增益的计算公式为：Gain(A)＝I(S₁,S₂,……,S_m)E(A)。

5.根据权利要求1中所述的基于随机森林预测污水水质数据的方法，其特征在于，所述获取待分类数据放入随机森林进行分类，根据环境因素变量采用投票方式得出未来一段时间的污水水质数据的预测结果，包括以下步骤：

根据随机森林采用投票方式得出分类结果，其中，每个决策树根据输入环境因素变量的分类结果计算公式为：

$H\left(x\right)=\underset{Y}{max}\underset{i=1}{\overset{k}{\Σ}}I\left(h_i\right(x)=Y),$

其中，H(x)表示随机森林分类结果，h_i(x)是单个决策树分类结果，Y表示分类目标，I(·)为示性函数，x为输入的环境因素变量。