云模型推理規則論文：基于云模型的推理規則在空氣質量預報中的應用摘要：本文簡要介紹了云模型的基本概念，以2008年滁州市空氣質量數據為樣本，根據我國城市空氣質量日報分級標準建立推理規則，構造規則發生器，確定空氣質量級別。實驗結果表明基于云模型的推理規則能有效地對空氣質量進行預報。 關鍵詞：云模型 推理規則 空氣質量預報 中圖分類號：P457文獻標識碼：A文章編號：1007-9416（2011）05-0101-03 Abstract: This paper briefly introduces the basic concept of cloud model, the samples are based on the data of chuzhou air quality in 2008.The reasoning generators are developed to predict the air quality, and the results show that the reasoning rules can effectively predict the air quality. Key words: cloud modelreasoning rulesair quality prediction 我國學者李德毅教授在傳統模糊集理論和概率統計的基礎上提出了定性定量不確定性轉換模型云模型，它把定性概念的模糊性和隨機性完全集成到一起，構成定性和定量相互間的映射，作為知識表示的基礎。而城市大氣污染預報的一個重要特征是其不確定性，這種不確定性來源于各種行為和過程的隨機性、對系統狀態認識的不充分、或者相關信息資料的不完善。本文將用于解決不確定性問題的云模型應用到城市空氣質量預報中，取得了良好的效果。 1、云模型簡介 1.1 云的基本概念 設是一個論域是與相聯系的語言值。 中的元素對于所表達的定性概念的隸屬度（或稱與的相容度）是一個具有穩定傾向的隨機數，隸屬度在論語上的分布稱為隸屬度，簡稱為云。 在0，1中取值，云是從論域到區間0，1的映射，即 云用期望Ex（Expected value）、熵Ex（Entropy）和超熵He（Hyper entropy）這三個數字特征來整體表征一個概念。期望值Ex是概念在論域中的中心值，完全隸屬于該定性概念或者說是這個概念量化的最典型樣本點；熵En是定性概念模糊度的度量，其值越大，概念所接受的數值范圍越大，概念越模糊；超熵He是熵的不確定度量，即熵的熵，反映了在數域空間代表該語言值的所有點的不確定度的凝聚性，即云滴的凝聚度，超熵越大，云滴的離散度越大，隸屬度的隨機性越大，云的“厚度”也越大。 1.2 正態云模型1 正態分布廣泛存在于自然現象、社會現象、科學技術以及生產活動中，在實際中遇到的許多隨機現象都服從或近似服從正態分布。 正態云的生產算法如下： 所以對于論域中的定性概念有貢獻的定量值主要落在區間Ex-3En,Ex+3En，因此完全可以忽略該區間之外的定量值對此定性概念的貢獻。在設計云模型的推理規則庫及云模型控制器時，應運用此規則，忽略上述區間以外的輸入，以增加推理庫的有效性。不難看出，對于某一定性概念或知識，其相應的云模型中位于Ex-3En,Ex+3En之外的云滴元素為小概率事件，忽略并不影響云模型整體特征。 2、基于云模型的不確定性推理 2.1 云發生器 云的生成算法可以用軟件的方式實現,也可以固化成硬件實現,稱為云發生器(CloudGenerator)。 云發生器有正向云發生器和逆向云發生器兩種。正向云發生器是指由云的數字特征產生云滴；逆向云發生器則是由云滴確定云的三個數字特征值。 2.2 單規則推理 單條件單規則可形式化表示為：If A then B。式中，A、B分別為定性概念，例如在規則“如果挑食，則營養不良”中，A表示定性概念“挑食”，B表示定性概念“營養不良”。把一個前件云發生器和一個后件云發生器進行連接就可以構造出單條件規則，稱為單條件單規則發生器。 單條件單規則發生器中，當前件論域中某一特定的輸入值x激活CGA時，CGA隨機地產生一個確定度。這個值反映了x對此定性規則的激活強度，而確定度又作為后件云發生器CGB的輸入，隨機地產生一個云滴。如果x激活的是前件的上升沿，則規則發生器輸出的對應著后件概念的上升沿，反之亦然。 2.3 多規則推理 一般的單條件多規則形式化地表示為：if ， 。其中、分別為規則前件和后件的語言值。 3、實例 3.1 數據準備 目前我國所采用的空氣指數的分級標準是：(1)空氣污染指數(API)50點對應的污染物濃度為國家空氣質量日均值一級標準，即空氣質量“優”；(2)API100點對應的污染物濃度為國家空氣質量日均值二級標準即空氣質量“良”；(3)API200點對應的污染物濃度為國家空氣質量日均值三級標準，即空氣質量“輕度污染”；(4)API更高值段的分級對應于各種污染物對人體健康產生不同影響時的濃度限值，API500點對應于對人體產生嚴重危害時各項污染物的濃度。目前計入空氣污染物的因素主要有SO2、NO2和PM10（可吸入顆粒物）。 本文以2008年度滁州市環境監測站對全市每日空氣質量監測的數據為基礎數據，該市環境空氣監測采用了空氣自動站的監測方法，在滁州市設立了3個測點，分別為監測站、老年大學、人大賓館測點。本文選擇3個監測點的平均數據為實驗數據。按我國采用的空氣指數的分級標準進行分類。 3.2 建立推理規則 根據上述分類標準結合實地數據，發現該市2008年空氣質量日報級別只有“優”、“良”、“輕度污染”三個級別，未出現“中度污染”和“重度污染”的情況。而影響該市空氣質量的污染物均為PM10，由于空氣質量的好壞取決于各種污染物中危害最大的污染物的污染程度，因此本實驗僅將PM10作為規則前件，把 API值作為輸出值，根據API值確定對應的空氣質量級別，由空氣質量分類標準建立推理規則如下： 規則1：如果PM10含量小于等于0.05，那么空氣質量為“優”； 規則2：如果PM10含量大于0.05小于等于0.15，那么空氣質量為“良”； 規則3：如果PM10含量大于0.15小于等于0.35，那么空氣質量為“輕度污染”。 將各級規則前件的輸入值和規則后件的輸出值分別運用逆向云發生器得到對應級別的數字特征，列表如下： 通過以上數字特征，再利用正向云發生器得到規則前件和規則后件的云圖，如圖3所示。從圖中我們可以對各條規則有個較為直觀的認識。 3.3 算法實現 算法輸入：規則前件和規則后件，一個特定的輸入 X。 算法輸出：規則輸出值Y 。可以取單個隨機輸出，也可以取多個隨機輸出。 算法過程： (1) 對于X,先判斷它激活幾條規則,若 ，則 激活第 條規則。 （2）若