System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于模糊C均值聚类-博弈论组合赋权的航路点风险识别方法技术_技高网

基于模糊C均值聚类-博弈论组合赋权的航路点风险识别方法技术

技术编号:40331315 阅读:20 留言:0更新日期:2024-02-09 14:23
本发明专利技术公开了一种基于模糊C均值聚类‑博弈论组合赋权的航路点风险识别方法。首先,选定风险识别航路网络,从不同层面构建航路点风险评价指标体系;其次,采用面向主观经验的层次分析法和面向客观数据的熵权法对风险指标分别赋权;再次,基于博弈论组合赋权思想对风险指标进行权重线性优化组合确定各指标最佳权重并对航路点指标进行加权组合;最后,基于模糊C均值聚类划分航路点风险等级,以SSW为指标确定最佳聚类数,最终识别关键航路点。本发明专利技术指标体系更全面,多角度对指标进行赋权,博弈论组合赋权使评价结果更准确,基于模糊C均值聚类和SSW确定聚类数等方法使风险识别更具客观性。

【技术实现步骤摘要】

本专利技术涉及一种基于模糊c均值聚类-博弈论组合赋权的航路点风险识别方法,属于航路风险识别领域。


技术介绍

1、关键航路点产生风险,会产生波及效应,甚至破坏整个网络结构,带来大面积拥堵或者毁坏性后果。又因为航路网络的复杂性,识别关键航路点现在仍然是研究的热点问题。

2、当前对航路点的风险评价多以单一指标为主,多采用k-shell、中心性等拓扑结构指标或删除节点的方法,并未综合考虑多种因素对航路节点的风险影响。同时,在风险等级划分上,多依据主观经验判断,无数据支撑,缺乏客观性;航路点风险等级确定的形式较为单一,并未考虑多种因素的组合。因此,亟需提出一种多维度分析、多模型组合的方法对航路点进行风险识别。


技术实现思路

1、本专利技术提出一种基于模糊c均值聚类-博弈论组合赋权的航路点风险识别方法,通过该方法可以确定指定航路网范围内航路点的风险等级、识别关键航路点,从而减轻空中交通管制压力。步骤如下:

2、步骤1:选定风险评估的航路网络,对相应的ads-b数据及气象数据进行处理,从不同层面构建航路点风险评价指标体系并将指标无量纲化。

3、步骤2:选取面向经验的层次分析法和面向客观数据的熵权法对风险评价指标分别赋予不同权重。

4、步骤3:基于博弈论组合赋权思想对不同种赋权方法进行线性优化组合,得到指标综合权重,并对航路点的风险指标加权组合,得到各航路点的风险值。

5、步骤4:运用模糊c均值聚类方法基于风险评价指标体系对航路网中的航路点进行风险等级划分,根据组内误差平方和最小确定最佳聚类数,识别关键航路点。

6、步骤1具体包括:

7、选定航路网中n个航路点,导入ads-b数据、气象数据等并处理,从天气特征、流量特征、航路点抗毁性特征三个方面提取m个指标建立风险评价指标体系,并对指标进行无量纲化处理。

8、步骤2具体包括:

9、步骤2.1:采用面向经验的层次分析法(ahp),邀请专家对指标进行打分,构造对比矩阵,

10、

11、其中,ai代表指标i,采用1-9标度法,aij表示ai相较于aj的重要度。

12、步骤2.2:利用|λi-a|=0求得对比矩阵a的最大特征值λmax及其特征权向量w,进行层次单排序,得到各指标ahp法权重,随后进行一致性检验。

13、步骤2.3:导入n个航路点m个指标数据,采用熵权法,计算第i个指标第j项比重pij

14、

15、步骤2.4:计算第i个指标的熵值,得到第i个指标下n个数据的信息熵为

16、

17、若

18、步骤2.5:计算第i个指标权值ωi

19、

20、步骤3具体包括:

21、步骤3.1:采取具体不同特点的赋权方法,赋予m个指标l种不同的指标权重,则权重集合为ω={ω1,ω2,…,ωk}(k=1,2,…,l),

22、任一基础权重集为ωk={ωk1,ωk2,…,ωkm}(k=1,2,…,l)。

23、步骤3.2:对不同种赋权方法进行线性组合

24、

25、式中,ω为任意可能权重组合;αk为组合系数。

26、步骤3.3:基于最优化策略,对线性组合系数αk优化处理,使得ω与离差ωk最小,其函数表达式为:

27、

28、根据上式,求得最优化后的组合系数(α1,α2,…,αl),对其进行归一化处理,得到最优权重系数:

29、

30、将最优权重系数与其对应权重做乘积,得到最优综合权重:

31、

32、本专利技术使用两种赋权方法,因此l=2。

33、对各航路点风险指标加权组合,得到各航路点的风险值。

34、步骤4具体包括:

35、步骤4.1:对于n个航路点x={x1,x2,…xi…,xn},每组聚类中心cj(j=1,2,…,c),超参数m,一般为2,第i航路点隶属于cj的关系值为uij。运用模糊c均值聚类法将处理后的指标体系进行聚类,求解目标函数

36、

37、式中,||xi-cj||为第j个聚类中心与第i个航路点的欧几里德距离,

38、但该聚类方式需要预先确定聚类数,不同聚类数对应不同的聚类中心,呈现效果不同。

39、步骤4.2:为解决最佳聚类数的问题,采用组内误差平方和(ssw)确定最佳风险等级数c,表示为各分组内的组内误差平方和。

40、

41、式中,xab表示输入分组a的第b个航路点数据样本,表示分组a的航路点样本均值。当组内误差愈小时,聚类效果愈佳,但当聚类数过大,聚类效果将不再显著提升,此时应当停止聚类。

42、根据模糊c均值聚类方法识别出航路网中航路点的风险等级,确定关键航路点。

43、本专利技术所达到的有益效果:从不同层面建立航路点风险评价指标体系,综合考虑了使航路点产生风险的因素,更具全面性;采用面向主观经验的层次分析法和面向客观数据的熵权法对风险指标分别赋权,多角度对指标进行赋权,更具权威性;基于博弈论组合赋权思想对风险指标进行权重线性优化组合确定各指标最佳权重并对航路点指标进行加权组合,使评估结果更具准确性;运用ssw方法确定最佳聚类数,基于模糊c均值聚类识别航路点最佳风险等级,确定关键航路点,通过实际数据确定最佳结果,使风险识别更具客观性。

本文档来自技高网...

【技术保护点】

1.一种基于模糊C均值聚类-博弈论组合赋权的航路点风险识别方法,其特征在于:包括以下步骤:

2.根据权利要求1所述的一种基于模糊C均值聚类-博弈论组合赋权的航路点风险识别方法,其特征在于:步骤1具体包括:

3.根据权利要求1所述的一种基于模糊C均值聚类-博弈论组合赋权的航路点风险识别方法,其特征在于:步骤2具体包括:

4.根据权利要求1所述的一种基于模糊C均值聚类-博弈论组合赋权的航路点风险识别方法,其特征在于:步骤3具体包括:

5.根据权利要求1所述的一种基于模糊C均值聚类-博弈论组合赋权的航路点风险识别方法,其特征在于:步骤4具体包括:

【技术特征摘要】

1.一种基于模糊c均值聚类-博弈论组合赋权的航路点风险识别方法,其特征在于:包括以下步骤:

2.根据权利要求1所述的一种基于模糊c均值聚类-博弈论组合赋权的航路点风险识别方法,其特征在于:步骤1具体包括:

3.根据权利要求1所述的一种基于模糊c均值聚类-博弈论组合赋权的航路...

【专利技术属性】
技术研发人员:张洪海沈雪杜森周锦伦李一可钟罡
申请(专利权)人:南京航空航天大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1