[发明专利]一种用于典型事件预测预报的多征兆增信方法

说明书

本发明属于信息技术及其应用领域，具体涉及一种用于典型事件预测预报的多征兆增信方法，根据事件的发生机理和相关领域特征，利用大数据分析方法发现与其有关的影响因素集合、每个影响因素对事件的支持度集合以及每个影响因素的显现程度集，根据事件的发生机理、相关领域特征和对事件精确预测的难易程度，构建预测事件发生概率的计算模型来计算典型事件发生的概率，从而给出事件预测预报结果。本发明通过大数据挖掘理论找到与某种典型事件相关的自然现象和人为因素，从而建立一个完整的预测该事件的多征兆增信方法，以解决灾害预警、天气预报、病变预测、故障诊断等具有多种迹象和前兆信息的典型事件预测预报问题。

技术领域

本发明属于信息技术及其应用领域，具体涉及一种用于典型事件预测预报的多征兆增信方法。

背景技术

对于灾害预警、天气预报、病变预测、故障诊断等典型事件，都有相关的因素，而且这些因素表现得征兆越多表明事件发生的可能性与大，其预测结果就越可信。但是，目前常用的多因素、多证据数据融合和评价方法，如：加权平均法、层次分析法、可拓识别、D-S证据理论等方法及其改进等，都是面向证据冲突情况下的评价和识别问题给出的某种解决方案，无法体现″种种迹象表明，要发生某种事件″的基本原理。

同时，对于支持典型事件时间的多征兆、多证据或多现象问题，还没有一个方法能够利用这些多征兆、多证据或多现象的有用信息去增强对事件预测结果的可信度。

因此，提供一种用于典型事件预测预报的多征兆增信方法，以解决该类具有多种迹象和征兆信息的典型事件预测预报问题，是十分必要的。

发明内容

本发明的目的在于解决上述现有技术中存在的无法利用典型事件的多征兆信息进行完整可靠的预测预报难题，提供一种用于典型事件预测预报的多征兆增信方法，充分利用大数据挖掘理论，建立完整的预测体系。

本发明是通过以下技术方案实现的：

一种用于典型事件预测预报的多征兆增信方法，包括以下步骤：

(1)设该典型事件为E，根据事件E的发生机理和相关领域特征，利用大数据分析方法发现与其有关的影响因素集合，S＝{s₁，s₂，...}；

(2)设S中每个影响因素对事件E的支持度集合P＝{p₁，p₂，...}(0＜p_i≤1，i＝1，2，...)；

(3)设S中每个影响因素的显现程度为Q＝{q₁，q₂，...}(0≤q_i≤1，i＝1，2，...)，若q_i＝0说明s_i无显现，若q_i＝1说明s_i已充分显现；

(4)根据事件E的发生机理、相关领域特征和对事件E精确预测的难易程度，构建预测事件E发生概率F的计算模型：F＝F(s₁，p₁，q₁，s₂，p₂，q₂，...)；

(5)根据监测到的各种影响因素的显现程度Q＝{q₁，q₂，...}计算典型事件E发生的概率，从而给出事件E预测预报结果。

进一步的，支持度P_n计算公式为：P_n＝P_n-1+p_n-P_n-1×p_n。

进一步的，步骤(4)中事件E的发生概率F为一个取值范围为[0，1]的实数。

同时，要求F需满足下列技术特征：