CN107231668A

CN107231668A - 基于灰度关联分析的森林火灾下传输机制模型

Info

Publication number: CN107231668A
Application number: CN201710370554.4A
Authority: CN
Inventors: 王颖; 谭三清; 张贵
Original assignee: Central South University of Forestry and Technology
Current assignee: Central South University of Forestry and Technology
Priority date: 2017-05-23
Filing date: 2017-05-23
Publication date: 2017-10-03

Abstract

本发明涉及基于灰度关联分析的森林火灾下传输机制模型，属于传输机制技术领域；确定森林火灾扑救期间信号传输基站是否需要调度；需要调度的情况下了解森林火灾扑救环境情况；通过主判决因素成对比较和子判决因素成对比较确定主判决因素权重和子判决因素权重；确定最底层要素对目标的总权重；计算每个信号传输基站的灰色关联度；判决；不需要调度的情况下了解信号传输基站特性；定义理想信号传输基站；无量纲化处理；计算每个信号传输基站的灰色关联度；判决。运用智能决策机制对森林火灾中的基站进行最佳筛选，再进行切换，从而保障火灾中的信息传输，灰色关联有计算量较小、结果准确等特点；可以优化移动监测节点在森林火灾扑救过程中的传输机制。

Description

基于灰度关联分析的森林火灾下传输机制模型

技术领域

本发明涉及基于灰度关联分析的森林火灾下传输机制模型，属于传输机制技术领域。

背景技术

在移动监测节点工作时，需要对基站进行测量。当移动监测节点监测到合适的基站时，再对信号进行切换。然而森林火灾现场的情况复杂多变，影响信号质量的因素增多，因此运用智能决策机制对森林火灾中的基站进行最佳筛选，再进行切换，从而保障火灾中的信息传输，是监测与预警中的重要一环。

将具有一部分明确信息而另一部分信息模糊的系统称为灰色系统。在国内，灰色系统理论的发展比较晚，目前看来研究的空间很大。灰色系统理论是以不确定系统为研究对象，对象的特点为只有小样本且缺乏相关信息，主要通过对己知部分的信息数据进行开发和提取，从而相对精准地对整体系统的运行规律进行描述。

灰色关联是系统因子与主行为之间的不确定性关联，或者指事物与事物之间的不确定性关联。灰色关联分析是一种因素分析方法，它将整体系统中抽象部分的因素提取，进行量化分析后，再求出各因素之间的关联度。关联度则是通过对各个抽象因素的曲线几何形状的相似程度进行比较来判断得出的，关联度越大的各因素的几何形状序列就越相似，而几何形状差异越大的意味着关联度越小。灰色关联分析实际上是一种整体比较，将拥有系统特征的因子序列提取出来进行预算，然后将反映系统特征的各个因素与其进行对比后得出关联性的结论。

中国邓聚龙教授首次提出了灰色理论的概念。他从未知参数和不完全确定参数的系统进行研究，得到许多数据进行累加后是一系系列相类似的拟合指数曲线变化的规律曲线。

灰色系统理论面世来因为独特的优势在国内被很多学者接受和研充，其发展势头比较迅猛。刘思峰等学者将灰色系统理论的应用范围做了进一步的拓展。灰色系统理论在农业抗旱中也有实际应用的例子。灰色系统特征在农业生产所依赖的天气情况中也显得比较明显，王龙昌等学者使用灰色理论设计了某地区不同情况下干旱天气的防灾害模型，实际应用中取得了不错的效果，这为农业防旱灾进而实现増产提出了一种新思路和途径。在通信系统抗干扰性能的研究中使用灰色系统聚类分析进行抗干扰性能的定量分析也取得了良好的应用成果。

发明内容

本发明的目的在于针对现有技术的缺陷和不足，提供一种设计合理，可以优化移动监测节点在森林火灾扑救过程中的传输机制，且可保障火灾中信息传输的基于灰度关联分析的森林火灾下传输机制模型。

为实现上述目的，本发明采用的技术方案是：它包含以下步骤：

1、确定森林火灾扑救期间信号传输基站是否需要调度；

1.1、需要调度的情况下了解森林火灾扑救环境情况；

1.11通过主判决因素成对比较和子判决因素成对比较确定主判决因素权重和子判决因素权重；

1.12确定最底层要素对目标的总权重；

2、计算每个信号传输基站的灰色关联度；

3、判决；

1.2、不需要调度的情况下了解信号传输基站特性；

1.21、定义理想信号传输基站；

1.22、无量纲化处理；

2、计算每个信号传输基站的灰色关联度；

3、判决；

1.3、不需要调度的情况下也可以直接进行判决。

作为优选，所述步骤1.11中评价因素权重的计算如下：

设有m个参数{c₁，c₂，…，c_m}影响基站的选择，每次选取两个参数c_i和c_j,以a_ij表示c_i和c_j对基站的选择影响程度的比值，因此得到两两比较判断矩阵：A＝(a_ij)_m+n,A中元素应满足如下条件：

对得到的判断矩阵用特征根法求出评价因素的权重。其过程为：首先求判断矩阵A的特征根

AZ＝λ_maxZ

通过归一化计算得到全局权重Z_O＝{Z_a，Z_b，Z_e，Z_f，Z_g}，局部权重和Z₁＝{Z_j，Z_h}和Z₂＝{Z_j，Z_k},因为主观确定了判断矩阵，因此需要对判断矩阵的一致性进行检查；采用判断矩阵的一致性指标PI与同阶次的平均随机一致性指标UI之比，来判断矩阵A的一致性是否可接受

式中n—判断矩阵A的阶数当，A的一致性可接受，否则调整A。

经过上述的准备现可以确定评价参数权重，即由：

各评价参数的权重为:Z＝{Z_a，Z_b，Z_c，Z_f，Z_g，Z_h，Z_i，Z_j，Z_k}。

作为优选，所述步骤2中用灰色关联分析法选择最佳基站进行切换：

森林中选出是个有效带评价的基站，将这10个基站中m个指标列成矩阵，根据灰色关联度，依据灰色关联度选择最佳基站切换。

本发明实际应用时：当灾害事故发生时，指挥调度系统通过灰度关联算法对基站信号强度、火灾现场温度、火灾现场湿度、火灾现场烟雾浓度、火灾区域范围、火灾与基站的距离、受干扰程度、森林地势、消防员人数等影响基站选择因素进行综合分析，最终辅助指挥中心能够快速、合理的进行指挥。

应用灰度关联算法的具体的过程如下：

首先确定选择模型，将基站作为备选方案记为：Y＝{y₁，y₂，...，y_n}表示n可选基站。将火灾发生的基站信号强度、火灾现场温度、火灾现场湿度、火灾现场烟雾浓度、火灾区域范围、火灾与基站的距离、受干扰程度、森林地势、消防员人数等影响方案选择的因素作为判决准则，记为:C＝{c₁，c₂，...，c_m}表示m个判决指标(影响选择的因素)的集合。最终目标是选择最佳基站，进行切换工作。

其次确定选择因素对总目标的权重，分析评价系统中各基本要素之间的关系，建立系统的层次结构，将同层次的各要素与上层要素中的准则进行重要性对比，构建判断矩阵；再由判断矩阵计算两者的相对权重，进行一致性检验；最后进行对总目标权重的计算。得序列g₂＝0.4。

接下来对参考数列和比较数列进行无量纲化处理，由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，不便于比较，或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行无量纲化的数据处理。下一步为求灰色关联系数，即先确定Y_X＝{y_x(d₁)，y_x(d₂)，...，y_x(d_x)}为理想序列，然后根据相关公式计算每个评价序列的关联系数ξ_ij,从而得到会关联系数矩阵：

最后求关联度依据Q＝H*Z^T,求出关联度G。根据关联度的大小选择最佳基站。

采用上述结构后，本发明有益效果为：本发明所述的基于灰度关联分析的森林火灾下传输机制模型，运用智能决策机制对森林火灾中的基站进行最佳筛选，再进行切换，从而保障火灾中的信息传输，灰色关联有计算量较小、结果准确等特点；可以优化移动监测节点在森林火灾扑救过程中的传输机制。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的传输机制模型图；

图2是本发明中判决因素间的层次关系图。

具体实施方式

下面结合附图对本发明作进一步的说明。

参看如图1和图2所示，本具体实施方式采用的技术方案是：

1、确定森林火灾扑救期间信号传输基站是否需要调度；

1.1、需要调度的情况下了解森林火灾扑救环境情况；

1.12确定最底层要素对目标的总权重；

2、计算每个信号传输基站的灰色关联度；

3、判决；

1.2、不需要调度的情况下了解信号传输基站特性；

1.21、定义理想信号传输基站；

1.22、无量纲化处理；

2、计算每个信号传输基站的灰色关联度；

3、判决；

1.3、不需要调度的情况下也可以直接进行判决。

其中，关联度性质分析为：关联系数ξ_oi(k)的值受最大绝对差和最小绝对差的限制，一旦数据序列中改变某极小值或个极大值，便会改变相关系数。因此，一个自变量(比较序列)与一个因变量(参考序列)单独计算的关联度和几个自变量(比较序列)与一个因变量(参考序列)同时计算的关联度不同。

x_i和x_o在时刻k的绝对差决定了关联系数ξ_oi(k)的值。如果x_i与x_o的单位不同，即空间的相对位置不同或作图比例尺不同，都会影响的ξ_oi(k)值。因此在利用公式计算之前，应对其进行无量纲化预处理，将数据无单位化。

在灰理论中不能对序列本身求关联度，因为最大绝对差不能为0，否则公式中的分母为0。

当最大绝对差等于|x_o(k)-x_i(k)|时，关联系数最小，而且当最小绝对差的极限值达到0时，这种情况下，关联度取得最小值当其达到最小绝对差时，关联系数此时最大，ξ_oi(k)＝1，因此可得

所述步骤1.11中评价因素权重的计算如下：

设有m个参数{c₁，c₂，...，c_m}影响基站的选择，每次选取两个参数c_i和c_j,以a_ij表示c_i和c_j对基站的选择影响程度的比值，因此得到两两比较判断矩阵：A＝(a_ij)_m+n,A中元素应满足如下条件：

本算法采用1—9标度法作为a_ij的标度方法。c_i与c_j的比值相等时a_i取1,当两者的比值较强时a_ij取3,当两者的比值强时,a_ij取5,当两者的比值很强时a_ij取7,当两者的比值绝对强时a_ij取9。

依据不同层次的评价参数，得到三个判断矩阵。分别是

基站信号强度(a)、

火灾现场温度(b)、

火灾现场湿度(e)、

火灾现场烟雾浓度(f)、

火灾区域范围(g)的全局比较判断矩阵，

以及火灾与基站的距离(j)、

受干扰程度(h)的局部判断矩阵

和森林地势(i)、

消防员人数(k)的局部判断矩阵。对得到的判断矩阵用特征根法求出评价因素的权重。其过程为：首先求判断矩阵A的特征根

AZ＝λ_maxZ

式中λ_max-A的最大特征值Z-λ_max对应的特征向量接下来将得到的W归一化得到权重向量通过归一化计算得到全局权重Z_O＝{Z_a，Z_b，Z_e，Z_f，Z_g}，局部权重和Z₁＝{Z_j，Z_h}和Z₂＝{Z_j，Z_k}，因为主观确定了判断矩阵，因此需要对判断矩阵的一致性进行检查。采用判断矩阵的一致性指标PI与同阶次的平均随机一致性指标UI之比，来判断矩阵A的一致性是否可接受

式中n-判断矩阵A的阶数当，A的一致性可接受，否则调整A。

经过上述的准备现可以确定评价参数权重，即由：

式中t-评价目标树中参数的祖先数

I_i-评价参数c_j在最底层得到的权值

b_ji-参数c_j的第i个祖先在层次单排序中所得到的权值

则各评价参数的权重为：Z＝{Z_a，Z_b，Z_c，Z_f，Z_g，Z_h，Z_i，Z_j，Z_k}。

森林中选出是个有效带评价的基站，将这10个基站中m个指标列成矩阵，则有：

这列矩阵为代评价矩阵。

设Y₀为理想基站序列，即若指标最大值最好，则取最大值，若指标最小值最好，则取最小值，得到理想序列为：

Y₀＝{y₀(c₁)，y₀(c₂)，...，y₀(c_m)}

对于极大参数：

对于极小参数：

其中u_j＝max{y₁(j)，y₂(j)，...，y_n(j)},I_j＝min{y₁(j)，y₂(j)，...，y_n(j)}。

设理想序列与评价序列的值分别为和ξ_ij为评价序列Y_i的评价指标Y_j之间的灰色关联系数。则得到：

其中ρ为分辨系数，0<ρ<1，一般取0.5。

由于本模型只考虑极大和极小两种情况，则通过计算得出矩阵

接下来根据公式Q＝H*Z^T求得灰色关联度，根据灰色关联度，依据灰色关联度选择最佳基站切换。

应用灰度关联算法的具体的过程如下：

接下来对参考数列和比较数列进行无量纲化处理，由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，不便于比较，或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行无量纲化的数据处理。下一步为求灰色关联系数，即先确定Y_X＝{y_x(d₁)，y_x(d₂)，...，y_x(d_m)}为理想序列，然后根据相关公式计算每个评价序列的关联系数ξ_ij,从而得到会关联系数矩阵：

本具体实施方式所述的基于灰度关联分析的森林火灾下传输机制模型，运用智能决策机制对森林火灾中的基站进行最佳筛选，再进行切换，从而保障火灾中的信息传输，灰色关联有计算量较小、结果准确等特点；可以优化移动监测节点在森林火灾扑救过程中的传输机制。

以上所述，仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims

1.基于灰度关联分析的森林火灾下传输机制模型，其特征在于：它包含以下步骤：

(1)、确定森林火灾扑救期间信号传输基站是否需要调度；

(1.1)、需要调度的情况下了解森林火灾扑救环境情况；

(1.11)、通过主判决因素成对比较和子判决因素成对比较确定主判决因素权重和子判决因素权重；

(1.12)、确定最底层要素对目标的总权重；

(2)、计算每个信号传输基站的灰色关联度；

(3)、判决；

(1.2)、不需要调度的情况下了解信号传输基站特性；

(1.21)、定义理想信号传输基站；

(1.22)、无量纲化处理；

(2)、计算每个信号传输基站的灰色关联度；

(3)、判决；

(1.3)、不需要调度的情况下也可以直接进行判决。

2.根据权利要求1所述的基于灰度关联分析的森林火灾下传输机制模型，其特征在于：所述步骤(1.11)中评价因素权重的计算如下：

<mrow> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>></mo> <mn>0</mn> <mo>,</mo> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <msub> <mi>a</mi> <mrow> <mi>j</mi> <mi>i</mi> </mrow> </msub> </mfrac> <mrow> <mo>(</mo> <mi>i</mi> <mo>&NotEqual;</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mi>i</mi> </mrow> </msub> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>m</mi> <mo>)</mo> </mrow> </mrow>

对得到的判断矩阵用特征根法求出评价因素的权重；其过程为：首先求判断矩阵A的特征根：

AZ＝λ_maxZ

<mrow> <mi>P</mi> <mi>I</mi> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&lambda;</mi> <mi>max</mi> </msub> <mo>-</mo> <mi>n</mi> </mrow> <mrow> <mi>n</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> </mrow>

式中n—判断矩阵A的阶数当，A的一致性可接受，否则调整A；

经过上述的准备现可以确定评价参数权重，即由：

各评价参数的权重为:Z＝{Z_a，Z_b，Z_c，Z_f，Z_g，Z_h，Z_i∑_jZ_k}。

3.根据权利要求1所述的基于灰度关联分析的森林火灾下传输机制模型，其特征在于：所述步骤(2)中用灰色关联分析法选择最佳基站进行切换。

4.根据权利要求1所述的基于灰度关联分析的森林火灾下传输机制模型，其特征在于：所述应用灰度关联算法的具体的过程如下：

首先确定选择模型，将基站作为备选方案记为：Y＝{y₁，y₂，...，y_n}表示n可选基站；将火灾发生的基站信号强度、火灾现场温度、火灾现场湿度、火灾现场烟雾浓度、火灾区域范围、火灾与基站的距离、受干扰程度、森林地势、消防员人数等影响方案选择的因素作为判决准则，记为:C＝{c₁，c₂，...，c_m}表示m个判决指标的集合；最终目标是选择最佳基站，进行切换工作；

其次确定选择因素对总目标的权重，分析评价系统中各基本要素之间的关系，建立系统的层次结构，将同层次的各要素与上层要素中的准则进行重要性对比，构建判断矩阵；再由判断矩阵计算两者的相对权重，进行一致性检验；最后进行对总目标权重的计算；得序列g₂＝0.4；

接下来对参考数列和比较数列进行无量纲化处理，由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，不便于比较，或在比较时难以得到正确的结论；因此在进行灰色关联度分析时，一般都要进行无量纲化的数据处理；下一步为求灰色关联系数，即先确定Y_X＝{y_x(d₁)，y_x(d₂)，...，y_x(d_m)}为理想序列，然后根据相关公式计算每个评价序列的关联系数ξ_ij,从而得到会关联系数矩阵：

最后求关联度依据Q＝H*Z^T,求出关联度G；根据关联度的大小选择最佳基站。