[發明專利]一種基于堆疊降噪自動編碼算法的紅樹林生態健康評價方法

有效

• 申請號: 201810281244.X
• 申請日: 2018-04-02
• 公開（公告）號: CN108510191B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 王楷;熊慶宇;梁山;姚政;陸旺;余星;朱奇武;劉通
• 申請（專利權）人: 重慶大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26;G06N3/04;G06N3/08
• 代理公司: 重慶縉云專利代理事務所(特殊普通合伙) 50237
• 代理人: 王翔

1.一種基于堆疊降噪自動編碼算法的紅樹林生態健康評價方法，其特征在于，主要包括以下步驟：

1)確定紅樹林生態保護區；

2)建立紅樹林生態指標數據集；

將η年內所述紅樹林生態保護區利用傳感與圖像技術采集到的紅樹林生態指標數據信息I作為數據集X；

將η年內所述生態保護區人工采集的紅樹林生態指標數據信息II作為數據集Y；

3)對數據集X和數據集Y進行預處理；所述預處理主要包括去噪和歸一化；記數據集X歸一化后的數據集為R₁；

4)利用堆疊降噪自動編碼算法對數據集X中的數據進行訓練，得到數據集V；

5)建立紅樹林生態指標預測模型；

建立紅樹林生態指標預測模型的主要步驟如下：

5.1)設計層數為p的反向決策算法；所述反向決策算法主要包括輸入層、過渡層和輸出層；所述輸入層的層數為1；所述過渡層的層數為p-1；所述輸出層的層數為1；

將數據集V和數據集Y作為所述紅樹林生態指標預測模型的訓練集D；訓練集D如下所示：

D＝{(V₁，Y₁)，(V₂，Y₂)……(V_m，Y_m)}； (1)

式中，V_i為數據集V的第i行；Y_i為數據集Y的第i行；

5.2)將數據集V作為特征輸入；

5.3)記第i層和第j層之間的權重為W_ij；第j層的偏置為θ_j；

其中，W_ij∈[-1,0]；θ_j∈[-1,0]；

5.4)第j層的輸入I_j如下所示：

式中，W_ij為第i層和第j層之間的權重；θ_j為第j層的偏置；O_i為第i層的輸出；i為層次序號；j為層次序號；

第j層的輸出O_j如下所示：

式中，I_j為第j層的輸入；j為層次序號；

通過第j層的輸入I_j和第j層的輸出O_j前向傳遞，得到第一層的訓練結果為S₁；

5.5)將S₁作為下一層的輸入層；定義誤差函數Err1_j；誤差函數Err1_j如下所示：

式中，W_jk為第j層和第k層之間的權重；O_j為第j層的輸出；j為層次序號；k為層次序號；

權重改變量ΔW_ij如下所示：

ΔW_ij＝(l)Err1_jO_i； (5)

式中，O_i為第i層的輸出；i為層次序號；(l)為學習系數；Err1_j為誤差函數；

偏置改變量Δδ_j如下所示：

Δθ_j＝(l)Err1_j； (6)

式中，j為層次序號；(l)為學習系數；Err1_j為誤差函數；

重復步驟5.3)和步驟5.4)，得到第2層的訓練結果S₂；

5.6)重復步驟5.3)至步驟5.5)p-1次，最終得到第p層，即輸出層的輸出結果Y₁；

5.7)對于輸出層，定義誤差函數Err2_j；

Err2_j＝O_j(I-O_j)(1-O_j)； (7)

式中，O_j為第j層的輸出；j為層次序號；

在負梯度方向，以最小Err2_j和最小θ_j為基礎值，利用公式(8)和公式(9)調整權重W_ij和偏置θ_j；

W′_ij＝W_ij+ΔW_ij； (8)

式中，W_ij為第i層和第j層之間的權重；ΔW_ij為權重改變量；W'_ij為調整后第i層和第j層之間的權重；

θ′_j＝θ_j+Δθ_j； (9)

式中，θ_j為第j層的偏置；Δθ_j為偏置改變量；θ′_j為調整后第j層的偏置；

5.8)判斷調整后第i層和第j層之間的權重W′_ij是否低于閾值ε₁；判斷調整后第i層和第j層之間的偏置θ′_j是否低于閾值ε₂；

5.9)若W′_ij≥ε₁，則將W′_ij的值作為W_ij值，重復公式(8)，重新得到調整后第i層和第j層之間的權重W′_ij，并重復步驟5.8)；

若θ′_j≥ε₂，則將θ′_j的值作為θ_j值，重復公式(9)，重新得到調整后第i層和第j層之間的偏置θ′_j，并重復步驟5.8)；

若W′_ij＜ε₁和θ′_j＜ε₂同時成立，則訓練結束，得到紅樹林生態指標預測模型；

6)利用所述紅樹林生態指標預測模型、數據集V和紅樹林生態健康評價等級判定表，對所述紅樹林生態保護區內紅樹林未來生態健康狀況進行預測。