[發明專利]一種生態系統碳交換影響因素提取方法及系統

有效

• 申請號: 201110367896.3
• 申請日: 2011-11-18
• 公開（公告）號: CN102495919A
• 公開（公告）日: 2012-06-13
• 發明（設計）人: 薛月菊;陳漢鳴;王楷
• 申請（專利權）人: 華南農業大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種生態系統碳交換影響因素提取方法，其特征在于包括以下步驟：

1）從碳通量數據觀測站中獲取碳通量樣本的屬性數據；

2）輸入由步驟1）獲得的碳通量樣本的屬性數據，確定屬性數據的隸屬函數并計算各個屬性隸屬度，提取環境因子集重要度，獲得與碳通量相關的環境因子集；

3）將步驟2）獲得的環境因子集中的各個環境因子分別運用神經網絡進行建模仿真，得出碳通量環境因子提取率。

2.根據權利要求1所述生態系統碳交換影響因素提取方法，其特征在于所述碳通量屬性數據的數據類型包括：連續的、缺失的、標稱值的、離散的、序數的、數值型、字符型數據。

3.根據權利要求1所述生態系統碳交換影響因素提取方法，其特征在于所述步驟2）具體包括：

21）根據獲取的碳通量數據樣本的屬性數據，對碳通量數據樣本進行數據預處理；

22）設置相關系數閾值，相關系數閾值范圍為[0.9，0.95]；?

23）分別計算各個屬性間相關系數值；將計算后的各個屬性間的相關系數值與步驟22）設置的相關系數閾值進行比較判定，如果屬性間相關系數值大于相關系數閾值時，則將該環境因子剔除，小于相關系數閾值時則保留該環境因子，獲得環境因子集；

24）將步驟23）保留獲得的環境因子集通過隸屬度函數進行映射，求出各屬性數據的模糊上近似集、模糊下近似集和模糊粗糙集正域值，通過模糊粗糙集正域計算出條件屬性子集對決策屬性重要度；

25）通過基于混合蛙跳的模糊粗糙集約簡算法或基于重要度的模糊粗糙集快速約簡算法，對屬性進行組合，通過適應度函數，計算屬性組合的適應度，當屬性適應度達到最大時，滿足停止搜索條件，輸出保留的環境因子。

4.根據權利要求3所述生態系統碳交換影響因素提取方法，其特征在于所述步驟25）的基于混合蛙跳的模糊粗糙集約簡算法具體實現如下，

如果???????????????????????????????????????????????，則更新條件屬性子集；直至遍歷所有條件屬性組合后，小于或等于時，則為步驟25）所述的最大屬性適應度；是指更新的條件屬性子集適應度；是指更新之前條件屬性子集適應度；

其中；式中、為取值（0，1）的系數，為條件屬性個數，為約簡后屬性個數，為約簡后條件屬性子集對決策屬性重要度；

所述步驟25）的基于重要度的快速模糊粗糙集約簡算法的實現步驟包括：

251）通過單屬性分析出各個屬性重要度，統計屬性個數，將屬性按照條件屬性對決策屬性重要度由大到小排列；取其中條件屬性個數的前1/3作為第一次嘗試約簡集；計算約簡集對決策屬性的重要度，記錄為；

252）計算所有條件屬性對決策屬性的重要度，判斷與的關系，如果等于，則剔除中重要度最小的條件屬性，直至滿足，則停止剔除中的條件屬性；

253）如果不等于，則需要添加條件屬性到中，重新計算添加了條件屬性的重要度，直至滿足，則停止添加條件屬性，輸出結果。

5.根據權利要求1所述生態系統碳交換影響因素提取方法，其特征在于所述步驟3）具體包括：

31）輸入約簡后碳通量樣本的屬性數據；

32）輸入約簡前碳通量樣本的屬性數據；

33）分別計算約簡前碳通量樣本的屬性數據樣本預測值、約簡后碳通量樣本的屬性數據樣本預測值與碳通量屬性數據實測值的相關性；

34）通過約簡前所有條件屬性相對于決策屬性重要度和約簡后條件屬性集相對于決策屬性的重要度的比值，求得信息保留率；函數為：?；其中，P為條件屬性，Q為決策屬性，x為樣本，U為總樣本；

35）計算約簡后屬性個數和約簡前環境因子個數，約簡后屬性個數與約簡前環境因子個數的比值為碳通量環境因子提取率。

6.根據權利要求5所述生態系統碳交換影響因素提取方法，其特征在于，所述步驟33）是利用神經網絡來建立仿真模型，計算訓練集和測試集的相關度、均方根誤差、訓練集和測試集平均絕對誤差。