[发明专利]一种基于互联网的气象预警方法

摘要

本发明涉及一种基于互联网的气象预警方法，所述方法选择决策树算法作为气象预警算法，所述决策树算法用信息增益率代替信息增益来选择属性，决策树建造过程中进行剪枝，能够完成对连续的属性的离散化处理，能够对缺省数据进行处理。本发明利用决策树算法作为气象预警算法。由于决策树算法具有简单、可伸缩性强等优点，所以决策树算法应用最为广泛，它可以运用于各种数据集，这种算法是将从一组无序、无规则、混乱的数据集中使用递归方式，自顶向下的归纳成一组以树形结构表示的分类规则，从而可以轻松将具有相同列的数据集高效的划分出类别。正因为决策树分类技术具有强大的预测功能。

主权项

一种基于互联网的气象预警方法，其特征为：所述方法选择决策树算法作为气象预警算法，所述决策树算法用信息增益率代替信息增益来选择属性，决策树建造过程中进行剪枝，能够完成对连续的属性的离散化处理，能够对缺省数据进行处理，具体方法为：第一步，形成决策树的生成算法；第二步，将一个地区的气象历史记录作为气象数据训练集，预警类别评估步骤如下:对气象数据训练集 T 各项属性数据进行预处理，形成气象预警决策树的训练集；计算各个属性的信息增益和信息增益率，通过信息增益率来选择需要检验的属性，集合S的熵为:其中:代表S中属于类的样本数，k 个可能的类中的一个，|S|表示集合S中的样本数，那么对训练集T按离散属性x划分为T1，T2，…，Tn的n个子集，检验离散属性x的输出可通过相应子集的熵的加权和求取: T为按照离散属性x进行分区的集合，离散属性x的信息增益率为: GainRatio(x) = Gain(x)/Split_Info(x)， Gain(x) = Info(T)－Infox(T) 表示分区前后的集合的熵的差(或增益)； 挑选具有最高信息增益率的属性作为决策树的根节点； 在剩下的候选属性中选择具有最高增益率的属性作为当前分叉节点，递归直到形成决策树模型；从构造的气象预警决策树中提取分类规则，对新的数据集分类；决策树中，非叶子节点均为数据集的属性名，其分支为该属性所有种类的属性值，叶子节点则为决策类别，因此，可知决策树中有多少个叶子节点，就有多少条规则，其一般表示形式如下：IF属性1=“属性值1” AND属性2=“属性值2” AND...AND属性N=“属性值N”THEN 决策类别，其中“属性1”即为决策树的根节点，“属性值1”为属性1中的一类属性值，“属性2”为第二层子树的根节点，同理，“属性N”是第N层的子树根节点，“决策类别”是叶子节点，对应于数据集中类别一列，是最终的决策结果。