[發明專利]一種水質遙感多模型協同反演的權重集結優化方法及裝置

在審

• 申請號: 201710972600.8
• 申請日: 2017-10-18
• 公開（公告）號: CN107885909A
• 公開（公告）日: 2018-04-06
• 發明（設計）人: 冶運濤;尚毅梓;曹引;梁犁麗;龔家國;趙紅莉;成建國;周剛;蔣云鐘;王建華;王浩
• 申請（專利權）人: 中國水利水電科學研究院
• 主分類號: G06F17/50
• 分類號: G06F17/50;G01N21/17
• 代理公司: 北京潤澤恒知識產權代理有限公司11319
• 代理人: 莎日娜

1.一種水質遙感多模型協同反演的權重集結優化方法，其特征在于，包括：

獲取研究區域中多個水質采樣點處水體的水質參數，并獲取采集水樣時水體的表觀光學量數據和固有光學量數據，以及覆蓋所述研究區域的衛星遙感數據，其中，所述表觀光學量數據包括離水輻亮度、歸一化離水輻亮、反射率、遙感反射比中至少一種；所述固有光學量數據包括吸收系數和散射系數；

根據所述水質參數、表觀光學量數據、固有光學量數據以及衛星遙感數據，建立多個候選水質遙感反演模型，根據精度評價指標選取多個水質遙感反演模型進入遴選模型集合；

利用選用的模型賦權方法，計算所述遴選模型集合中每個水質遙感反演模型的權重，所述模型賦權方法包括數據同化、熵權法、集對分析、貝葉斯模型平均、人工神經網絡、粒子群優化算法、遺傳算法中至少兩種；

利用權重集結方法對選用的模型賦權方法計算的遴選模型集合中水質遙感反演模型的權重進行集結優化，得到遴選模型集合中各個水質遙感反演模型的最優權重。

2.根據權利要求1所述的方法，其特征在于，所述精度評價指標包括決定系數、均方根誤差、平均絕對百分誤差、相對誤差、納什效率系數中至少一種。

3.根據權利要求1所述的方法，其特征在于，所述權重集結方法包括博弈論集結模型方法。

4.根據權利要求1所述的方法，其特征在于，在所述利用權重集結方法對選用的模型賦權方法計算的遴選模型集合中水質遙感反演模型的權重進行集結優化，得到遴選模型集合中各個水質遙感反演模型的最優權重之后，所述方法還包括：

利用所述最優權重建立最優水質遙感反演組合模型，并采用所述最優水質遙感反演組合模型對水質進行反演。

5.根據權利要求1所述的方法，其特征在于，在所述利用權重集結方法對選用模型賦權方法計算的遴選模型集合中水質遙感反演模型的權重進行集結優化，得到遴選模型集合中各個水質遙感反演模型的最優權重之后，所述方法還包括：

利用最優權重建立的最優水質遙感反演組合模型對水質參數進行模擬預測，并對模擬預測結果的不確定性進行量化。

6.一種水質遙感多模型協同反演的權重集結優化裝置，其特征在于，包括：

數據獲取模塊，用于獲取研究區域中多個水質采樣點處水體的水質參數，并獲取采集水樣時水體的表觀光學量數據和固有光學量數據，以及覆蓋所述研究區域的衛星遙感數據，其中，所述表觀光學量數據包括離水輻亮度、歸一化離水輻亮度、反射率、遙感反射比中至少一種；所述固有光學量數據包括吸收系數和散射系數；

模型選取模塊，用于根據所述水質參數、表觀光學量數據、固有光學量數據以及衛星遙感數據，建立多個候選水質遙感反演模型，根據精度評價指標選取多個水質遙感反演模型進入遴選模型集合；

權重計算模塊，用于利用選用的模型賦權方法，計算所述遴選模型集合中每個水質遙感反演模型的權重，所述模型賦權方法包括數據同化、熵權法、集對分析、貝葉斯模型平均、人工神經網絡中至少兩種；

最優權重得到模塊，用于利用權重集結方法對選用的模型賦權方法計算的遴選模型集合中水質遙感反演模型的權重進行集結優化，得到遴選模型集合中各個水質遙感反演模型的最優權重。

7.根據權利要求6所述的裝置，其特征在于，所述精度評價指標包括決定系數、均方根誤差、平均絕對百分誤差、相對誤差、納什效率系數中至少一種。

8.根據權利要求6所述的裝置，其特征在于，所述權重集結方法包括博弈論集結模型方法、相對熵集結模型方法。

9.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

預測值計算模塊，用于在所述利用權重集結方法對選用的模型賦權方法計算的遴選模型集合中水質遙感反演模型的權重進行集結優化，得到遴選模型集合中各個水質遙感反演模型的最優權重之后，利用所述最優權重建立最優水質遙感反演組合模型，并采用所述最優水質遙感反演組合模型對水質進行反演。

10.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

模擬預測模塊，用于在所述利用權重集結方法對選用的模型賦權方法計算的遴選模型集合中水質遙感反演模型的權重進行集結優化，得到遴選模型集合中各個水質遙感反演模型的最優權重之后，對利用最優權重建立的最優水質遙感反演組合模型對水質參數進行模擬預測，并對模擬預測結果的不確定性進行量化。