(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211277183.2 (22)申请日 2022.10.19 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区南 山街道崇文 路2号 (72)发明人 张晓霞　张蓬浩　王国胤　 (74)专利代理 机构 重庆辉腾律师事务所 5 0215 专利代理师 王海军 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06N 3/12(2006.01) (54)发明名称 一种基于粗糙集和结构风险最小化的空气 质量预测方法 (57)摘要 本发明涉及一种基于粗糙集和结构风险最 小化的空气质量预测方法， 包括： 获取与空气质 量相关的环 境参数样本数据； 建立空气质量评价 体系对从气象监测站点获取的环境参数样本数 据进行等级评价创建空气质量指数决策表； 根据 空气质量指数决策表利用粗糙集理论和结构风 险最小化理论计算条件属性子集的经验误差和 条件属性子集与决策属性的互信息； 并利用遗传 算法计算得出最优条件属性子集， 将最优条件属 性子集中的条件属性作为粗糙集分类器的条件 属性以目标监测点的环境参数数据对空气质量 进行预测， 本发 明通过粗糙集理论结合结构风险 最小化的预测模 型， 在不降低预测精确度的前提 下， 同时兼顾模型的复杂性， 增强了预测的稳定 性和鲁棒 性。 权利要求书2页 说明书7页 附图2页 CN 115471011 A 2022.12.13 CN 115471011 A 1.一种基于粗 糙集和结构风险最小化的空气质量预测方法， 其特 征在于， 包括： S1： 从气象监测站点获取与空气质量相关的环境 参数样本数据； S2： 建立空气质量评价体系对从气象监测站点获取的环境参数样本数据进行等级评价 得到环境 参数样本的空气质量指数等级； S3： 根据环境参数样本数据将与空气质量相关的环境参数作为条件属性， 以环境参数 样本的空气质量指数等级作为决策属性创建空气质量指数决策表； S4： 根据空气质量指数决策表中的条件属性生成有限个条件属性子集， 并利用粗糙集 理论和结构风险最小化理论计算条件属 性子集的经验误差和条件属 性子集与决策属 性的 互信息； S5： 根据条件属性子集的经验误差和条件属性子集与决策属性的互信息利用遗传算法 计算得出最优条件属性子集； S6： 将最优条件属性子集中的条件属性作为粗糙集分类器的条件属性以目标监测点的 环境参数数据对空气质量进行 预测， 得到空气质量结果。 2.根据权利要求1所述的一种基于粗糙集和结构风险最小化的空气质量预测方法， 其 特征在于， 所述利用粗糙集理论和结构风险最小化理论计算条件属性子集的经验误差和条 件属性子集与决策属性的互信息包括： S41： 根据粗 糙集理论得到空气质量指数决策表的决策信息系统； S42： 根据决策信息系统中决策属性子集D关于条件属性子集B的依赖度， 计算条件属性 子集的经验误差； S43： 根据结构风险最小化准则引入互信息正则化函数计算条件属性子集与决策属性 的互信息 。 3.根据权利要求2所述的一种基于粗糙集和结构风险最小化的空气质量预测方法， 其 特征在于， 所述条件属性子集的经验误差包括： Remp(B)＝1‑γB(D) 其中， |·|表示集合的基数， 即集合内元素的个数； U/IND(B)＝{X1， X2，…， Xn}表示由条 件属性子集B导出的一个划分， Xi表示该划分中的一个 等价类， [x]D表示由决策属性D导 出的 一个划分为U/I ND(D)。 4.根据权利要求2所述的一种基于粗糙集和结构风险最小化的空气质量预测方法， 其 特征在于， 所述条件属性子集与决策属性的互信息包括： I(B； D)＝H(D) ‑H(D|B) 其中H(D)为决策属性D的信息熵， H(D|B)为条件属性子集B关于决策属性D的条件信息 熵， I(B； D)表示属性子集B与决策属性D的互信息 。 5.根据权利要求1所述的一种基于粗糙集和结构风险最小化的空气质量预测方法， 其 特征在于， 所述根据条件属性子集的经验误差和条件属性子集与决策属性的互信息利用遗 传算法计算得 出最优条件属性子集包括： S51： 将条件属性子集进行编码， 并将编码后的条件属性子集作为遗传算法的初始染色权　利　要　求　书 1/2 页 2 CN 115471011 A 2体种群； S52： 根据条件属性子集的经验误差和条件属性子集与决策属性的互信息计算条件属 性子集的期望误差； S53： 利用遗传算法的选择、 交叉和变异算子对初始染色体进行处理得到交叉变异染色 体， 其中， 选择算子 选用轮盘赌方法， 交叉算子采用单点交叉， 变异算子采用基本位变异； S54： 将交叉变异后的染色体作为遗传算法下一 次迭代的初始染色体， 并重复执行步骤 S52‑S54直至达到预设的迭代次数为止； 将期望误差最小的条件属性子集作为最优条件属 性子集。 6.根据权利要求1所述的一种基于粗糙集和结构风险最小化的空气质量预测方法， 其 特征在于， 所述条件属性子集的期望误差包括： min Rreg(B)＝Remp(B)+α I(B； D)； 其中， min  Rreg(B)表示属性子集B的期望误差， Remp(B)表示子集B的经验误差， I(B； D)表 示属性子集B与决策属性D的互信息， α 作为超参数， α ≥0 。 7.根据权利要求1所述的一种基于粗糙集和结构风险最小化的空气质量预测方法， 其 特征在于， 所述与空气质量相关的环境参数包括： 包括PM2.5、 PM10、 S02、 NO2、 CO、 O3、 TSP、 DF。 8.根据权利要求1所述的一种基于粗糙集和结构风险最小化的空气质量预测方法， 其 特征在于， 所述空气质量评价体系参照国家标准 《GB  3095‑2012》 为依据划分优、 良、 轻度污 染、 中度污染、 重度污染和严重污染六个空气质量指数等级， 建立空气质量指数等级评价体 系。权　利　要　求　书 2/2 页 3 CN 115471011 A 3