气象观测数据区间值属性约简算法

　　针对气象观测数据采集目的性弱、数据冗余度较高以及观测数据区间化中单值较多、等价类划分精度低的问题，提出一种基于遗传算法的气象观测数据区间值属性约简算法（ MOIvGA）。首先，通过改进区间值相似度，使其能够同时适用于单值等价关系判断和区间值相似度分析；其次，通过改进自适应遗传算法，提高其收敛性；最后，通过仿真实验证明，相对于运行自适应遗传属性约简（ ACAv）算法求解最优值，所提算法迭代代数减少了22代；在区间长度为th降水分类中，基于依赖度的区间值决策表入一约简（ MOIvCA）平均分类准确率比RJvD算法提高了6.3%，对无雨的预测准确率提高了7. 13%；同时约简后的属性子集显著提高了分类准确率。由此可见，MOIvGA在区间值气象观测数据分析中能够提高收敛速度以及分类准确率。