道路结冰分类预报

三基于C4.5决策树方法的道路积冰预报预警模型

3.1 方法

决策树算法是数据挖掘中重要的分类方法，目的是从归档的数据库中得到决策步骤，发现规则、模式和知识。根节点、分支以及叶节点是决策树的必要组成部分。其中，每个内部节点表示在一个属性上的检测，每个分支代表一个检测的输出，每个树的叶节点代表一个类或者类分布。C4.5算法是一种常用的决策树算法，这种算法通过特殊处理方式可以恰当地选择每个节点上的属性变量。决策树的结构是由每个节点在属性上的检测决定的。在任意给定的节点中，C4.5算法根据能够带来最大信息增益的属性拆分样本，第一次拆分确定样本子集，随后通常根据另一个属性进行下一次拆分。最后重新检验，将那些对模型没有显著贡献的样本子集进行修剪和剔除。这一算法的理论基础是信息论中熵的概念，目标是找到保持分类最小差异性所需最低限度的信息。令S 为包括s 个数据样本的训练集，s i 为s 中属于第i 类的样本个数，即∑==m

i i S s 1。此时训练集S 的信息(熵)定义为： ()∑

=⎥⎦⎤⎢⎣⎡=m

i i i s s lb s s S H 1-（3.1） 接着通过属性A 将信息S 分为{S1，S2，…,Sn } ()()∑==n j j

S H s s A S H 1

（3.2） 信息增益为：

()()()A S H A

S G A S R =（3.3） 其中：

()()()

A S H S H A S G -=（3.4） 3.2预报预警模型的构建

选取京沪高速19个测站中比较有代表性的三站进行建模，其中选取

2010-2014年经过处理后的逐日冬季的数据作为训练集，将2015年的数据作为测试集用以验证。选取信息增益最大的属性对总样本进行划分，一直递归调用

到每个划分中的样本属于同一类别，从而构成决策树。接着对决策树进行剪枝处理，以确保模型不过度拟合，从而提高模型的鲁棒性，选取枝叶点最小样本数大小作为是否剪枝的依据（选取总样本数的％5）。

预报因子主要选取日降水量、积雪、以及日最高和最低气温。首先对积雪深度、日降水量、日最低气温、日最低道路气温等数据进行处理；接着通过2.1节所述的阈值条件筛选出道路积冰的分类数据集；第三部将上述数据作为模型输入变量，道路是否结冰最为模型目标变量进行建模（可选用SPSS Modeler

软件），从而得到预报规则集；最后利用未参与计算的数据对模型进行验证。