基于蚁群聚类的历史灾害分级方法摘要:针对历史灾害记录的描述性、简约性问题，提出一种基于蚁群聚类的历史灾害分级方法。利用灰色关联分析方法对灾害数据进行归一化处理后，再通过蚁群自动聚类的结果来划分历史灾害的等级，以避免人为的主观任意性干扰。通过与其他分级方法的性能对比，实验结果证明该方法具有较高的精确性和实用性。关键词:历史灾害；分级；聚类；蚁群算法；灰色关联分析historicaldisasterclassificationmethodbasedonantcolonyclusteringjiazhi.juan1*,huming.sheng2,liusi21.schoolofcomputerscienceandtechnology,wuhanuniversityoftechnology,wuhanhubei430070,china;2.networkcenter,zhengzhounormaluniversity,zhengzhouhenan450044,chinaabstract:aimingatthedescriptivenessandparsimonyproblemsofhistoricaldisasterrecordsahistoricaldisasterclassificationmethodwhichbasedonantcolonyclusteringisproposedinthispaper.thedisasterdataarenormalizedbyusinggrayrelationalanalysisapproach,andthenthelevelsofhistoricaldisastersaredividedbytheresultsofantcolonyautomaticclustering,soastoavoidthearbitraryman-madeinterference.incomparisonwithotherclassificationmethodsinperformance,experimentalresultsshowthatthismethodhashighaccuracyandpracticality.concerningthedescriptionandsimplicityofhistoricaldisasterrecords,ahistoricaldisasterclassificationmethodbasedonantcolonyclusteringwasproposedinthispaper.thedisasterdatawerenormalizedbyusinggrayrelationalanalyticalapproach,andthenthelevelsofhistoricaldisastersweredividedbytheresultsofantcolonyautomaticclustering,soastoavoidthearbitraryman.madeinterference.incomparisonwithotherclassificationmethodsinperformance,theexperimentalresultsshowthatthismethodhashigherprecisionandpracticality.keywords:historicaldisaster;classification;clustering;antcolonyalgorithm;grayrelationalanalysis0引言我国历史文化悠久，历代正史中都有关于灾害发生、危害情况---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---的记载，形成了一个序列长、内容丰富的资料库，这些历史灾害信息对我们认识灾害、研究灾害和减轻灾害有着非常重要的参考价值，国内外灾害研究者都对此给予了高度评价。2011年5月国家减灾委发表了《国家自然灾害空间信息基础设施总体构思》主旨报告［1］，进一步把历史灾害信息平台作为我国灾害空间信息系统建设的重要组成部分。然而由于古代科技水平的限制，长期以来灾害记录一直处于定性描述阶段，这使得对历史灾害信息的还原、提取、量化难度很大，基于现代翔实灾害记录的各类灾害分级方法因而难以套用于历史灾害记录。现代灾害记录中的各种灾害属性如伤亡人数、受灾面积、倒房数量、直接经济损失等作为灾害分级方法的重要依据，都有着客观准确的统计结果，量化程度很高，可比性较强；然而历史灾害记录的各项灾害属性则以描述性语言为主，并且存在大量属性值缺失，可比性较差。例如一条典型的洪涝灾害记录：“十二月戊戌，开封府陈留等六县水灾，诏免其田租”，仅包含了灾种，时间，地点，政府响应等信息，既未提及伤亡人数，也未提及倒房数量，而经常作为灾害分级关键属性的“直接经济损失”更无从得出，数据量化难度很高，这使得现有的一些历史灾害分级方法人为观念介入较多，难以令人信服，而基于现代灾害记录的分级方法［2-5］则适应性较差，神经网络［6］则因为其较强的逼近非线性函数的能力、模式识别能力以及分类能力，成为理论上较为适用的方法，但是由于历史灾害记录的特殊性，神经网络必须先通过专家人工分级的结果进行训练，依然无法摆脱对主观因素的依赖。鉴于此，本文尝试用另一种思路即先聚类再分级的方法来解决历史灾害分级问题，目前已有学者提出相关的模糊聚类［7-8］、灰色聚类［9-10］等灾害聚类分级方法，然而这些方法仍离不开人为的参数干预，如...