[发明专利]一种基于决策树的隧道全断面爆破方案的推理方法

权利要求书

1.一种基于决策树的隧道全断面爆破方案的推理方法，其特征在于，具体步骤包括：

获取爆破数据集并进行预处理；

基于C4.5算法计算数据集的期望信息、信息增益，以及信息增益率；

根据数据集的计算结果构建决策树并进行验证；

根据构建的决策树的节点信息，利用编程语言开发决策树的推理程序模块；

根据构建的决策树和推理程序模块，对爆破方案进行逻辑分析和自动化推理，得到最终推理方案。

2.根据权利要求1所述一种基于决策树的隧道全断面爆破方案的推理方法，其特征在于，所述获取爆破数据集并进行预处理的具体方法是，通过对采集的数据集按照不同的属性和类别进行整理，并根据实际需要输出对应的文件格式。

3.根据权利要求1所述一种基于决策树的隧道全断面爆破方案的推理方法，其特征在于，所述基于C4.5算法计算数据集的期望信息、信息增益，以及信息增益率的具体步骤包括：

首先获取数据集D及其第k类样本所占的比例p_k(1,2,3...)，得到数据集D的期望信息为：

其中，Ent(D)为信息熵，表示信息熵越小，数据集D的纯度越高；

再利用数据集D中获取的属性a∈{a1,a2,a3,...,ax}进行划分，得到x个分支节点，根据信息熵公式分别算出不同的分支的信息熵Ent(D_x)；

根据信息增益公式计算样本数多的分支占有比例比重，所述信息增益公式为：

其中，D^x表示在属性a中取值为ax的所有样本的集合，V表示在属性a下面的分支数量，v表示属性a下面的第v个分支；

再利用由信息增益公式得到的信息增益高的属性，根据信息增益率进行判别选择；

所述信息增益率公式为：

其中，

4.根据权利要求1所述一种基于决策树的隧道全断面爆破方案的推理方法，其特征在于，所述根据数据集的计算结果构建决策树并进行验证的具体步骤包括：

首先比较计算得到的数据集各项属性的信息增益值，将信息增益值最大的属性作为根节点；

再按照根节点的属性值计算分类下的各个数据集的信息增益率，将信息增益率最大的属性作为下一级节点；

重复上述步骤直至该节点的信息增益值为零时，将该节点作为叶节点，构建完成；

最后对决策树后剪枝处理进行验证。

5.根据权利要求1所述一种基于决策树的隧道全断面爆破方案的推理方法，其特征在于，所述根据构建的决策树的节点信息，利用编程语言开发决策树的推理程序模块的具体步骤包括：

获取决策树各个节点的属性值、属性名称、判别号码，以及子节点信息；

根据上述信息利用编程语言建立基于决策树的推理程序模块；

根据得到的推理程序模块将决策树的信息进行输出，生成当前的决策树。

6.根据权利要求1所述一种基于决策树的隧道全断面爆破方案的推理方法，其特征在于，所述根据构建的决策树和推理程序模块，对爆破方案进行逻辑分析和自动化推理，得到最终推理方案的具体步骤包括：

根据决策树和推理程序模块，对当前爆破方案的所有信息依次进行推理程序模块的程序操作，并依次输出决策树各个阶段的信息进行逻辑分析和自动化推理，直至得到符合用户要求的爆破方案。