[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

说明书

本发明公开了一种基于决策树的隧道全断面爆破方案的推理方法，具体方法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。本发明通过获取数据集基于C4.5算法构建决策树，并对决策树及推理程序模块进行建立后，进行逻辑分析和自动化推理，从而得到用户需要的理想的爆破方案。

技术领域

本发明涉及隧道爆破方案推理技术领域，特别涉及一种基于决策树的隧道全断面爆破方案的推理方法。

背景技术

近些年来，随着国内外铁路、公路和城市轨道交通等基础设施建设行业的高速发展，隧道工程开挖建设的任务愈发繁重。目前，在许多隧道开挖掘进的工程中，钻爆法扮演着非常重要的角色，因此，钻爆法施工的爆破设计工作成为了制约其发展的重要因素。

现有技术的不足之处在于，在隧道爆破方案的设计中，存在一些比较突出的问题，如：爆破方案仅凭经验设计，因设计人员的经验程度不同而有比较大的误差；对于一些新手，缺少一些辅助性的工具来进行爆破方案设计；爆破方案设计计算工作量非常大，设计速度和效率很低等。因此亟需一种便捷高效的爆破方案自动化推理方案，基于专家系统的决策树可以很好的解决这一问题。专家系统作为一种智能计算机程序系统，通过应用人工智能和计算机技术，根据某一领域的一个或多个专家提供的理论知识或生产经验，对特定领域内的实际生产问题进行逻辑分析和判断，以求解决只有人类专家才能解决的问题。

发明内容

本发明的目的克服现有技术存在的不足，为实现以上目的，采用一种基于决策树的隧道全断面爆破方案的推理方法，以解决上述背景技术中提出的问题。

一种基于决策树的隧道全断面爆破方案的推理方法，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。

作为本发明的进一步的方案：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。

作为本发明的进一步的方案：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：