[發明專利]一種空間計算操作的人工智能優化方法

在審

• 申請號: 202010971187.5
• 申請日: 2020-09-16
• 公開（公告）號: CN112181642A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 樂鵬;高凡;龔健雅;姜良存;張明達;胡磊
• 申請（專利權）人: 武漢大學
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06K9/62;G06N20/00
• 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: 羅飛

本發明公開了一種空間計算操作的人工智能優化方法，該方法包括：通過運用機器學習中特征選擇技術包括RReliefF、平均精度減少、平均不純度減少、遞歸特征消除和包裹式遺傳算法，以及回歸模型訓練技術包括CART回歸樹、隨機森林、梯度上升回歸和支持向量回歸，構建最優計算強度預測模型，嵌入并優化高性能地理計算過程。結果提供了一個機器學習技術預測地學應用計算強度的應用方法，本發明以傳統GIS空間計算操作中的多邊形空間相交為例，證明了提出方法的可行性以及高效性。

技術領域

本發明涉及人工智能和高性能地理計算技術領域，具體涉及一種空間計算操作的人工智能優化方法。

背景技術

近三十年，已有大量研究將并行計算技術應用于土地利用、水文模擬、智能交通、國家電網及減災應急等大型地學問題中。然而現有軟件都趨向于采用頂層的并行化工具來粗粒度地對復雜的地學功能進行封裝使其簡單易用，不考慮地理空間數據和算法的特征，使得無法充分利用已有的硬件條件。其中，幾何空間分析是GIS領域最常用的分析操作，然而隨著矢量數據的規模不斷增長，傳統串行方法耗時過長已無法滿足決策者的需求。

本申請發明人在實施本發明的過程中，發現現有技術的方法，至少存在如下技術問題：

現有技術中已提出的面向GIS幾何空間分析的并行化框架比如SpatialHadoop和SpatialSpark，忽略或只是簡單評估并行過程中子任務的計算強度，但矢量數據作為一種空間數據，其空間分布通常不規律并具有相當的異質性，導致并行過程中子任務的計算強度易出現嚴重不均，引發負載失衡以及性能瓶頸。

因此，現有技術中的方法存在空間計算操作效率不高的技術問題。

發明內容

本發明提出一種空間計算操作的人工智能優化方法，是一種采用人工智能技術對傳統空間計算操作進行優化的方法，具體地說是一種基于機器學習預測計算強度保證并行過程中的負載均衡，實現對傳統GIS幾何空間分析操作并行化策略的優化，保證并行效率達到0.75以上，解決了現有技術中的方法存在空間計算操作效率不高的技術問題。

為了解決上述技術問題，本發明提供了一種空間計算操作的人工智能優化方法，包括：

S1：基于數據并行策略從空間數據中挖掘出候選特征，其中，空間數據為矢量多邊形數據；

S2：基于矢量多邊形數據生成樣本數據，其中，樣本數據以基于候選特征計算的值為特征向量，以每個網格執行空間相交操作的時間作為標簽，矢量多邊形數據按照不同網格大小進行劃分；

S3：采用機器學習特征選擇算法從生成的樣本數據中，剔除冗余特征，選擇出目標特征，并基于目標特征構成最優特征子集；

S4：將S2中生成的樣本數據和S3中的最優特征子集輸入機器學習回歸訓練模型中，以預設指標作為模型精度指標，采用10-折交叉驗證得到不同模型的泛化性能，選擇預測精度最高的模型作為計算強度預測模型；

S5：將計算強度預測模型嵌入并優化高性能地理計算過程，執行并行空間計算操作。

在一種實施方式中，S1具體包括：

基于數據并行的策略，采用空間網格劃分方法對空間數據進行分解，對每個網格內的所有多邊形進行候選特征挖掘，其中，挖掘出的候選特征包括圖層一網格內多邊形數量、圖層一網格內多邊形頂點數量、圖層一網格內多邊形中心點分布方差、圖層二網格內多邊形數量、圖層二網格內多邊形頂點數量、圖層二網格內多邊形中心點分布方差以及圖層一和圖層二網格內所有多邊形中心點取均值后的歐式距離，圖層一和圖層二分別對應需要進行空間計算操作的多邊形。

在一種實施方式中，候選特征還包括參考點的個數。

在一種實施方式中，S3具體包括：