[發明專利]一種集聚分布型地理要素的自適應空間抽樣方案設計方法

有效

• 申請號: 201110449615.9
• 申請日: 2011-12-29
• 公開（公告）號: CN102567523A
• 公開（公告）日: 2012-07-11
• 發明（設計）人: 劉耀林;劉殿鋒;何建華;焦利民
• 申請（專利權）人: 武漢大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N3/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

技術領域

本發明涉及一種自適應空間抽樣方案設計方法，尤其是涉及一種集聚分布型地理要素的自適應空間抽樣方案設計方法。

背景技術

地理要素包括自然地理要素和人文地理要素，在空間上主要呈現規則、隨機和集群等分布方式。規則和隨機分布的地理要素相對較多，如土壤屬性、地形和水文等，其空間變異特征和分布規律能夠采用已有的基于模型和基于設計的方法進行擬合，因此相關研究與應用較為廣泛。而對于部分空間分布呈現集聚性的地理要素，反映其空間變異結構的樣點通常趨近于集群分布，且具有明顯的分布中心或分布軸線，如稀疏樹種、傳染病和土壤點源污染等，傳統的抽樣方法將導致集聚而不存在抽樣目標區域內的抽樣單元入樣概率增加，稀疏而存在抽樣目標區域內的抽樣單元入樣概率減小，從而使得抽樣方案不具有代表，無法準確估計抽樣精度。傳統的集聚性地理要素空間抽樣主要應用定性分析法進行樣點布設，但是該類方法過于依賴專家的認知水平，缺少對樣本精度和代表性的客觀評價機制。基于此，發展一種定量化的，能充分估計點群的集聚分布性的抽樣方法成為學者們的共識。

與傳統抽樣方法相比，適應性抽樣方法(Adaptive?cluster?sampling，ACS)具有原理簡單、方便操作的特性，主要適用于抽樣目標稀少、具有聚類特征的總體，樣點與其周圍鄰近的抽樣單元具有較高的同一性可能，典型的應用為稀有動物或者生態資源的空間抽樣調查或者傳染病空間分布趨勢估計等。但是，適應性抽樣的抽樣效率受到樣本空間單元大小、初始樣本大小和選取周圍樣本方法等主觀因素的影響較大，并且對實際抽樣中樣本的分布特征要求較為嚴格，樣點選擇規則過于簡化，實際抽樣中在樣本的分布特征變化較大的復雜地理區域應用效果一般。

微粒群算法通過模擬鳥類的捕食行為求解復雜問題，具有框架開放、搜索速度快、結構簡單、易于實現的特點，自提出后被廣泛應用于模型參數優化、分類、資源優化配置、電力系統優化、圖像處理和機器人智能領域等。其開放的算法框架包括目標函數、約束體系和搜索策略，能夠通過設定不同的目標函數和約束體系滿足空間聚類和空間優化等不同需求。因此，采用微粒群算法對適應性抽樣方法進行改進，優化其初始樣點選擇和加密樣點選擇策略，有利于提高集聚型指標的抽樣樣點代表性和抽樣精度，從而推動適應性聚類算法在集聚性地理要素空間抽樣領域的應用。

發明內容

本發明主要是解決現有技術所存在的技術問題；提供了一種操作簡單、智能化程度高、具有自組織、自學習的能力，適用于具有集聚分布特征的地理要素指標的空間抽樣，可有效保持樣點的集聚特征，提高抽樣樣點的代表性和抽樣精度的一種集聚分布型地理要素的自適應空間抽樣方案設計方法。

本發明的上述技術問題主要通過下述技術方案得以解決：

一種集聚分布型地理要素的自適應空間抽樣方案設計方法，其特征在于，包括以下步驟：

步驟1，選取地理要素作為抽樣指標，選取抽樣指標的預采樣樣點數據，確定抽樣單元和抽樣框；

步驟2，采用Voronoi分析方法分析步驟1中的預采樣樣點數據，判斷抽樣指標是否具有空間集聚性分布特征；若有，執行步驟3，否則，中斷所有步驟；

步驟3，輸入微粒群聚類算法參數和類別數，利用微粒群聚類算法對完成步驟2的預采樣樣點數據進行聚類分析，得到聚類中心作為抽樣指標的初始抽樣樣點；

步驟4，輸入二進制微粒群優化算法參數，利用二進制微粒群優化算法對步驟3生成的初始抽樣樣點進行樣點加密，得到集聚型地理要素的抽樣方案。

本發明的特點是通過于適應性抽樣方法進行集聚型地理要素的抽樣方案設計，通過微粒群算法改進了傳統適應性聚類抽樣方法的初始樣點和加密樣點選擇策略，保證了指標的空間集聚性分布特征，提高了抽樣樣點的代表性；以極大類間距準則和最小克里金方差為優化目標，采用抽樣可達性、分布中心/分布軸線吸引性和抽樣費用作為樣點布設的條件約束，提高了抽樣樣點布設過程的自組織性和合理性；采用微粒群聚類算法和二進制微粒群優化算法進行問題求解，提高了方法效率，減少了抽樣方案設計的時間。本發明方法繼承了適應性聚類抽樣方法和微粒群算法的特性，具有操作簡單、自組織、自學習的能力，智能化程度高，適用于具有集聚分布特征的地理要素指標的空間抽樣，可有效保持樣點的集聚特征，提高抽樣樣點的代表性和抽樣精度。

在上述的一種集聚分布型地理要素的自適應空間抽樣方案設計方法，所述的步驟3具體操作方法如下：

步驟3.1，構建微粒群聚類算法中微粒與聚類中心的映射關系；