[發明專利]一種森林資源管理的變異函數參數擬合的優化方法

有效

• 申請號: 201611121281.1
• 申請日: 2016-12-08
• 公開（公告）號: CN106815551B
• 公開（公告）日: 2019-09-10
• 發明（設計）人: 朱靜;王博;勾志楠;石砦;顧相平;鄭雋
• 申請（專利權）人: 新疆農業大學;河海大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06Q10/04;G06Q50/02;G06N3/00
• 代理公司: 貴陽睿騰知識產權代理有限公司 52114
• 代理人: 谷慶紅

技術領域

本發明屬于變異函數優化技術領域，具體來講是涉及一種森林資源管理的變異函數參數擬合的優化方法。

背景技術

森林資源是林業生產的物質基礎，森林資源狀況是衡量林業工作成效最重要的標志。森林在發展過程中因受人為經營活動和自然因素影響，森林資源始終處于消長動態變化之中，因此，必需加強對森林資源的管理與監督，建立科學有效的管理體系。森林資源管理的對象主要是林地、林木、野生動植物以及森林環境。

變異函數是指區域化變量增量平方的數學期望，即區域化變量增量的方差。典型變異函數曲線分為拋物線型(連續型)、線性型、間斷型(塊金型)、隨機型(純塊金型)、轉變型，它們代表了具有不同連續性和隨機性的地質體參數的變化性特點。實際計算的實驗變異函數2γ*(h)是在以向量h相隔的N對點的兩個觀測值間增量平方的平均值，即2γ*(h)＝1N(h)∑N(h)i＝1〔Z(xi+h)Z(xi)〕22γ*(h)為增量方差之半，又叫半變異函數，簡稱變異函數。

支持向量回歸法主要是通過升維后，在高維空間中構造線性決策函數來實現線性回歸，用e不敏感函數時，其基礎主要是e不敏感函數和核函數算法。若將擬合的數學模型表達多維空間的某一曲線，則根據e不敏感函數所得的結果，就是包括該曲線和訓練點的“e管道”。在所有樣本點中，只有分布在“管壁”上的那一部分樣本點決定管道的位置。這一部分訓練樣本稱為“支持向量”。為適應訓練樣本集的非線性，傳統的擬合方法通常是在線性方程后面加高階項。此法誠然有效，但由此增加的可調參數未免增加了過擬合的風險。支持向量回歸算法采用核函數解決這一矛盾。用核函數代替線性方程中的線性項可以使原來的線性算法“非線性化”，即能做非線性回歸。與此同時，引進核函數達到了“升維”的目的，而增加的可調參數是過擬合依然能控制。支持向量機中的一大亮點是在傳統的最優化問題中提出了對偶理論，主要有最大最小對偶及拉格朗日對偶。

在處理森林資源管理的變異函數參數時在低維空間向量集通常難于劃分，解決的方法是將它們映射到高維空間。但這個辦法帶來的困難就是計算復雜度的增加，而核函數正好巧妙地解決了這個問題。也就是說，只要選用適當的核函數，就可以得到高維空間的分類函數。在確定了核函數之后，由于確定核函數的已知數據也存在一定的誤差，考慮到推廣性問題，因此必須對變異函數的參數在擬合過程中進行優化，使其數值無限接近最適值。

發明內容

本發明解決的技術問題是提供了一種森林資源管理的變異函數參數擬合的優化方法，其主要是在森林資源管理過程中將對應的變異函數的參數在擬合過程中通過多重數據分析處理，使用粒子群優化、支持向量回歸等優化方法，以此達到變異函數的取值范圍更加精確化的效果。

本發明的技術方案如下：

一種森林資源管理的變異函數參數擬合的優化方法，主要包括以下步驟:

(1)通過衛星獲取森林資源的遙感影像，對所述的遙感影像進行預處理，獲取預處理后的遙感影像數據，對抽樣區域采用計算機終端進行數據統計及量化處理；

(2)針對得到的森林資源的數據進行數據粒子群優化，采用K均值劃分方法對變量參數集進行劃分聚類，獲得數據集的聚類結果，根據適應度值公式對變量參數進行擬合；

(3)將變量參數集的具體數據值與最優適應度值在允許誤差范圍內生成特征矢量及用于反映抽樣區域空間特征的特征矢量，利用支持向量回歸法對抽樣區域多維的特征矢量進行變異函數參數擬合的優化。

進一步的，所述的數據統計及量化處理是指根據遙感影像將預處理得到的遙感影像與預先存儲的位置矢量數據進行疊加，生成森林遙感影像地理信息圖，使用計算機終端對信息圖的數據統計，將需要數據分析的區域進行坐標格網劃分，形成的網格單元按照對應比例的列為單位數值，在所述的區域內選擇固定區域進行抽樣，抽樣區域的具體形狀沒有要求，以能準確的獲取抽樣區域數據為準，不局限抽樣區域的維度，然后利用插值法探索分析區域的數據的空間變異結構，擬合生成各個變量參數的理論變異函數，所述的變量參數是根據實際生產需要轉化對應生成的。