[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

技術領域

本發明涉及數據挖掘及模糊粗糙集技術領域，尤其涉及一種生態系統碳交換影響因素提取方法及系統。

背景技術

對大氣二氧化碳的研究關系到人類可持續發展和對生態系統間規律的認識，目前國內外通過在各生態系統設立觀測站、建立碳塔來獲取碳通量數據。然而，由于碳塔造價不菲、容易受到環境和儀器故障等影響不能夠得廣泛推廣。并且，只有從碳通量觀測站數據和遙感數據中，挖掘各環境和氣象等因素與碳通量的關系，才有可能利用遙感圖像和地面氣象站等數據，研究區域的乃至全球的碳通量的時空模式。在數據分析上，國內外大多依靠統計學方法對生態學家認為重要的環境因子進行回歸分析或統計分析，其缺陷是依靠經驗對個別屬性進行分析，缺乏全面性和容易忽視重要規律；雖然，近年來，已經有一些學者通過人工智能方法對碳通量的規律及模式進行研究，但側重在對碳通量進行預測上，并未從影響碳通量環境因子的角度對其進行深入分析，其結果是導致預測模型復雜，且難以發現內在規律；另外，無法對不同生態系統的碳通量屬性數據進行統一分析，發現各自的異同點也是現階段存在的不足。

發明內容

本發明的目的在于提供一種能縮小研究與碳通量相關的生態因子范圍，降低分析難度，降低預測模型復雜度的生態系統碳交換影響因素提取方法。

本發明的另一目的在于提供一種方便實用的生態系統碳交換影響因素提取方法所用的系統。

為解決上述問題，本發明提出了一種生態系統碳交換影響因素提取方法，其包括以下步驟：

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。

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。

所述步驟2）具體包括以下步驟：

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）通過一種提出的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，通過評價函數計算組合后的屬性適應度，當屬性適應度達到最大時，使其滿足停止搜索條件，輸出保留的環境因子。

所述步驟25）的基于混合蛙跳算法的模糊粗糙集約簡優化算法，該方法是結合了基于模因進化的模因演算法和基于群體行為的粒子群算法兩種種群智能優化算法的優點，仿照青蛙覓食跳躍過程，通過種群青蛙的跳躍找到食物較多的地方，該算法具有概念簡單，調整的參數少，計算速度快，全局搜索尋優能力強，易于實現的特點。具體實現所屬步驟如下：

2511）隨機初始化種群，每個青蛙表示一個不同條件屬性子集，并對個體按適應值由大到小排序；

2512）通過青蛙子群中最好個體和最差個體的運算獲得新個體，計算新個體的屬性個數????????????????????????????????????????????????和模糊粗糙集重要度，從而獲得目標函數的適應度；

；

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；

2513）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。?

所述步驟25）的基于重要度的快速模糊粗糙集約簡算法，該方法是一種逆向約簡方式，通過屬性遞增方式進行屬性約簡，其優點是可以在保持信息量損失率的同時，大幅度提高約簡效率。具體實現步驟如下：