跨流域引水的国际经验

有史以来,水权在决定人类定居格局中发挥重要作用。水资源是决定社会持久发展的自然制约因素。近几十年来,由于人口的迅速增长和工农业的高度发展,在全世界范围内加剧了对水资源的需求。由此产生的水资源局部短缺,要求从远距离的水资源较丰富地区向人口密集而水资源受制约的地区引水。由于跨流域引水工程在技术、经济、社会、环境等方面影响很大,是非常复杂的系统工程,因此国际上近代许多大型跨流域引水方案的共同特点是:长期的研究、不断的反复、巨额的投资和对环境影响日益增长的担心。一般情况是,研究技术上和经济上的可行性相对来说比较容易,真正的问题在于政府和社会的可接受性.但从长远看,随着人口的不断增长和社会经济的持续发展,由水量多余地区向缺水地区引水,仍是全面开发利用水资源的一个重要方面。     

单要素模糊推理模型在跨流域水库引水调度中的运用研究

针对引滦入津工程中于桥水库在引水过程中的不合理性,笔者提出在引水时应考虑水库预报来水,并结合水文中长期预报方法,建立推理方程,确定水库面临时段后期的入库来水量。计算方法采用单要素模糊推理方法,计算时段为月,结合推理法则,得出了具有一定精度的入库水量预报值,可为调度者在实际决策时提供依据。     

基于改进PSO算法的跨流域水库群联合调度图优化

针对跨流域水库群优化调度具有高维非线性和动态性的特点,提出一种改进粒子群优化算法用于跨流域水库群引(调)水与供水联合调度图的求解.该算法针对基本粒子群优化算法易陷入局部最优且进化后期收敛速度慢的缺陷,引入交叉和变异策略、模拟退火策略和反射边界策略,以增加种群的多样性并提高算法的进化速度和全局搜索能力.数值测试证明了该算法用于求解高维复杂优化问题的有效性,实例研究也表明该算法提高了整个系统的供水与引水效益,是一种优化复杂水库群联合调度高效实用的方法.     

数据挖掘中关联规则和决策树的应用

关联规则应用最频繁的是在零售部门,尤其是超市。以某超市一天中的商品销售记录为例来说明关联规则的应用,从中发现客户的购买模式和消费习惯。决策树分类方法的应用中,对于汽车销售公司的客户定位进行了分析,区分了男性和女性的偏好。销售公司可以据此对客户进行具体定位,促进销售。     

跨流域引水实现优水优用的尝试

为解决城市缺水、缓解水资源紧张,合理开发利用和保护水资源,汤河水库已利用两次跨流域引水实现优质优用。探索出解决水资源短缺,提高水资源利用率的最好途径。     

管理分类规则的广义决策树

为了将传统的决策树无法管理的、由各种分类算法所发现的大量的有意义的规则进行有效的存储、剪裁和使用 ,提出了广义决策树结构。它将传统决策树的结构进行扩展 ,能够以较少的存储代价管理所发现的所有分类规则 ,且易于表达规则之间的关系。提出了有效的优化策略。以此树为基础 ,将决策树分类算法与基于关联规则的分类算法进行了概括统一 ,并提出了相应的算法。实验结果证明 ,广义决策树克服了传统决策树的缺点 ,并且适宜于维护、剪裁以及快速搜索大量的分类规则     

跨流域水电站群中长期调度计划研究

以跨流域水电站群中长期调度计划问题为研究主题，讨论了实用上的简化，在此基础上，通过大系统的分解协调和决策者交互方式的补充，来实现综合的决策支持算法，其充分考虑了决策者对处理问题过程的参与.针对西北电网中的三大流域，八个水电站这一实例进行了分析计算，该算法可以提高跨流域水电站群间的补偿效益，使调度计划出力过程相对平稳，符合了合理制定调度计划的应用要求.     

基于决策树的神经网络规则抽取方法

将从神经网络中抽取一个可理解的模型视为一个归纳学习任务 ,其中 ,目标概念就是神经网络表达的功能 ,所生成的可理解模型是一个能很好近似神经网络的决策树 .在这个过程中 ,应用了决策树归纳学习的优化原则 ,使得生成的决策树能最简洁、准确地描述神经网络学到的知识 .实验证明 ,生成的决策树可以很好地近似神经网络 ,且比用传统方法生成的决策树具有更好的分类精度 ,同时NNtoDT算法也保持了具有较好的通用性和可扩充性的特性 .     

改进决策树的研究

提出了一种结合规则技术思想的决策树的改进方法，利用数据挖掘所产生的规则对决策树每个分支节点的分裂条件进行判断，即能限制决策树生长，又能帮助选择最优线路，从而使决策效率明显提高。     

黄河干流水库联合调度规则模型研究

通过水库联合调度模型计算，在求出水库群长期满意的运行策略基础上，分析影响决策水库放水流量的多种因素，归纳出黄河干流各水库调度规则模型。经联合调度运行的检验，获得较满意的结果。此规则模型可反映多种影响因素与水库放水流量之间的关系；结合径流和用水预报，可用于指导水库联合实施调度；有利于今后水库联调的自动控制和自动化管理。     

基于多变量决策树的不完备信息系统规则提取研究

不完备信息系统也有很多有用信息，可以得出支持决策的确定规则。基于决策树的完备信息系统规则提取方法很多，如比较有影响的ID3算法等，但是在不完备信息系统中应用决策树进行规则提取的方法还不是很多。本文提出用多变量决策树方法对不完备信息系统进行规则提取的方法，可以得出部分确定信息，方法简单易行。     

基于决策树的知识表示模型及其应用

针对数据挖掘过程中的数据库精炼问题,在分析现行属性约简方法的特点和不足的基础上,结合决策树算法操作简单、分类速度快的特点,通过知识的规则化描述以及规则族之间的相似性比较,建立了一种基于决策树的属性约简方法（简记为BD-RED）,讨论了规则族之间的相似性度量的可释化构建问题,给出了BD-RED的具体实施策略,并结合实例分析了BD-RED的性能。结果表明,BD-RED具有良好的结构特征和较强的可操作性,可以有效实现不同决策理念下的属性约简,适合不同类型的大规模数据库的属性约简。     

一种基于关联模式的完全决策规则的提取方法

针对基于粗糙集理论提取完全的决策规则是NP难问题,提出一种获取统计意义下的完全的简化规则的算法.该算法结合关联规则挖掘方法和粗糙集方法的优点,从决策表中提取出具有一定支持度和可信度阈值的决策规则,具有实际的应用意义.通过实例验证了算法的有效性.     

跨流域调水多Agent拓扑模型的复杂网络特性研究

南水北调东线水资源系统是天然系统与人工系统相结合的复合系统,具有特大时滞、半结构化和高度不确定性等特点。多源不确定信息的动态知识表示是建立该系统优化调度仿真模型．中的一个难点。采用复杂网络理论统计计算南水北调东线水资源复杂网络的平均路径长度,聚类系数和度分布情况,发现该网络无标度性不明显,具有小世界特性,为分析南水北调...     

决策树挖掘技术在手术诊断上的应用研究

在解决分类问题的各种方法中,决策树是比较常用的一种方法。基于决策树理论,在 ID3算法基础上提出基于悲观错误剪枝的后剪枝算法,并将其运用于医疗系统手术诊断的数据挖掘分析过程中,所得实验结果与专家诊断结果基本吻合,取得了较好的实际应用效果。     

基于部分支持度树的关联规则增量式更新算法

关联规则挖掘是数据挖掘技术的一种简单又很实用的方法,有着广泛的应用。该文利用部分支持度树的结构提出了对关联规则的增量式更新算法,用于解决向数据库中添加新的数据而最小支持度不发生变化时的关联规则更新问题。该算法有效地利用已挖掘的关联规则和保留的部分支持度树来改善性能,并且只需对新增数据库部分进行一遍扫描,从而进一步提高算法的效率。实验结果表明,该算法能有效地解决关联规则的更新问题,提升挖掘效率。     

数据挖掘之决策树方法概述

数据挖掘在科研和商业应用中正发挥着越来越重要的作用。分类器是数据挖掘的一种基本方法，决策树是一种最重要的分类器。本文介绍了分类器中的决策树方法及其优点，决策树表示法，决策树构造思想，并比较了各种重要的决策树算法。介绍了决策树算法的实现工具，决策树与数据仓库的结合，决策树的适用范围及应用，最后探讨了决策树的发展趋势。     

基于属性重要度的随机决策树学习算法

文章提出一种基于属性重要度的随机决策树构造算法ASRDT,该算法利用粗糙集理论计算每个属性的属性重要度,提升重要属性的影响因子,使得建树过程中随机选择属性时,不同属性之间的区分度得以体现,从而显著提高了算法的抗干扰能力,使ASRST在保持原有RDT算法优点的基础上,更具有良好的分类准确率及稳定性。     

决策树中ID3算法的研究

ID3算法是决策树分类方法的核心算法,文章论述了ID3算法的基本思想和实现方法,并对ID3算法的性能进行分析,发现该算法存在不足之处.针对ID3算法倾向于多属性值的缺点,引入了权值对算法进行改进,并通过试验对改进前后的算法进行比较,结果表明改进后的算法是有效的.