[发明专利]基于改进决策树算法的降水预测方法

权利要求书

1.一种基于改进决策树算法的降水预测方法，其特征在于，具体包括如下步骤：

1)收集数年各地的气象数据，以及相应的降水等级数据；

2)对所得到的气象数据进行归一化处理，得到相应的归一化数据集，对归一化数据集按比例进行划分为训练集与测试集；归一化过程，采用[0,1]归一化，即将原始数据映射到[0,1]区间中；

3)将训练集带入到改进后的决策树网络中进行训练，将测试集代入到训练完毕后的决策树模型中，检验训练结果，最后将待测数据输入到训练完毕后的决策树网络进行预测，输出结果，评定其降水等级；

所述改进后的决策树网络是将原决策树算法中采用信息熵来进行属性的选择，选择最大属性进行分支，修改为采用自变量平均影响值来进行选择，即根据属性对结果的影响大小来进行选择，选择影响程度最大的属性进行分支，改进步骤如下：

3.1)首先，将归一化后的所有训练集M带入到BP网络中进行训练，在BP网络训练终止后，将训练集M中每一自变量特征在其原值的基础上分别增加10％和减少10％构成两个新的训练样本M₁和M₂；

3.2)然后，将M₁和M₂分别作为仿真样本，利用BP网络进行仿真，得到两个仿真结果A₁和A₂，求出A₁和A₂的差值，即为变动该自变量后对输出产生的影响变化值；

3.3)最后将影响变化值按观测例数平均得出该自变量对于BP网络输出的结果值，将其记为MIV值；

3.4)按照上面步骤依次算出各个自变量的MIV值，最后根据MIV绝对值的大小为各自变量排序，得到各自变量对BP网络输出影响相对重要性的位次表，从而判断出输入特征对于BP网络结果的影响程度，然后选择影响程度最大的属性进行分支。