[發明專利]一種耦合遺傳算法和神經網絡的土壤污染物含量插值方法

有效

• 申請號: 202110525032.3
• 申請日: 2021-05-14
• 公開（公告）號: CN113159219B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 尹光彩;陶琳;陳幸玲;朱航海;何澤琛
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/12;G06N3/04
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 陳新勝

本發明公開了一種耦合遺傳算法和神經網絡的土壤污染物含量插值方法，包括：場地采樣，獲取樣本數據；對獲取的樣本數據進行預處理，獲得初始種群數量N；判斷初始生物種群數量N的值是否為1，是，則算法結束，用相關系數和RMSE檢驗RBM神經網絡模型；否則，執行下一步驟；聚類分析，將樣本數據和新個體數據分配到每個種群中，構建新種群；對每個種群實施遺傳算法，產生新個體，獲得待檢驗的新種群；對每個種群構建RBF神經網絡模型，評價新個體的優劣，接收或拒絕新個體；更新整個生物群落，縮小種群數量N，并判斷N值是否為1，是則算法結束，用相關系數和RMSE檢驗RBM神經網絡模型。

技術領域

本發明涉及計算機、數據挖掘、土壤學、生態學技術領域，尤其涉及一種耦合遺傳算法和神經網絡對場地土壤重金屬含量進行空間數據插值分析的方法。

背景技術

現有地統計法是一類與地理位置相關的插值方法，主要有反距離法、克里格法、樣條函數法等。這類方法的共同特征是，用插值點附近的觀測值數據來加權計算插值數據，距離插值點近的觀測值獲得較高的加權系數，距離較遠的觀測值的加權系數偏小，同時，各種地統計法要滿足不同的插值約束條件。

這類插值法的插值數據僅與插值點的地理位置、觀測值數據有關，沒有綜合考慮插值點、觀測點的其他地理要素，例如pH值、土壤粒度、高程、有機質等。以場地土壤污染物為例，相鄰地點的場地土壤污染物含量與pH值、土壤顆粒、有機質、附近污染源、降水、建筑物是相關的。地統計法忽略了這些相關的地理要素。

此外，地統計法對場地土壤污染物含量進行插值時，存在一些缺陷，例如出現少量的負數值、場地邊界上無法插值等現象。用克里金插值污染物含量時可能出現奇異矩陣，導致插值數據過大，偏離正常范圍太遠。

本發明采用遺傳算法和RBF神經網絡構建一個場地土壤污染物含量插值方法，綜合觀測點的pH值、有機質、土壤顆粒等地理要素與環境要素進行插法，能夠克服地統計法的缺陷。

發明內容

為解決上述技術問題，本發明的目的是提供一種耦合遺傳算法和RBF神經網絡模型的場地土壤污染物含量插值方法。

本發明的目的通過以下的技術方案來實現：

一種耦合遺傳算法和神經網絡的土壤污染物含量插值方法，包括以下步驟：

步驟A場地采樣，獲取樣本數據；

步驟B對獲取的樣本數據進行預處理，獲得初始種群數量N，N1；

步驟C判斷初始生物種群數量N的值是否為1，是，則算法結束，用相關系數和RMSE檢驗RBM神經網絡模型；否則，執行步驟D；

步驟D聚類分析，將樣本數據和新個體數據分配到每個種群中，構建新種群；

步驟E對每個種群實施遺傳算法，產生新個體，獲得待檢驗的新種群；

步驟F對每個種群構建RBF神經網絡模型，評價新個體的優劣，接收或拒絕新個體；

步驟G更新整個生物群落，縮小種群數量N，并判斷N值是否為1，是則算法結束，用相關系數和RMSE檢驗RBM神經網絡模型；否則，繼續執行步驟D；

步驟H算法結束，計算樣本數據及其模擬數據，得出相關系數和RMSE值，評價RBF神經網絡模型的插值性能。

與現有技術相比，本發明的一個或多個實施例可以具有如下優點：

能夠避免地統計法產生的負數值、過大或過小的奇異插值，樣本數據與模擬數據的相關系數更高，均方根誤差更小。

附圖說明

圖1是耦合遺傳算法和神經網絡的土壤污染物含量插值方法流程圖；

圖2是RBF神經網絡結構示意圖。

具體實施方式