一种用于加密边坡监测数据的改进时空Kriging插值算法制造技术

本发明专利技术属于边坡变形监测数据处理技术领域，特别涉及一种用于加密边坡监测数据的改进时空Kriging插值算法，包括如下步骤：(1)确定编码方式；(2)种群初始化；(3)染色体的遗传交叉与变异；(4)交叉概率和变异概率的自适应优化；(5)目标函数的确定；(6)插值精度分析。本发明专利技术解决了传统时空插值方法在选择变异函数模型受主观因素和理论半变异函数的局限，以及参数估计较多的问题，并在充分考虑变形监测点时空相关性的基础上，提出一种改进自适应遗传算法(IAGA)与时空Kriging相结合的时空混合插值方法，提高了计算效率及插值数据的精度，增强其普适性和可靠性，能更好地拟合边坡表面变形监测点数据，有利于后续的边坡整体变形趋势及三维特征的分析。

An improved spatiotemporal Kriging interpolation algorithm for encrypting slope monitoring data

【技术实现步骤摘要】
一种用于加密边坡监测数据的改进时空Kriging插值算法
本专利技术属于边坡变形监测数据处理
，特别涉及一种用于加密边坡监测数据的改进时空Kriging插值算法。
技术介绍
边坡位移监测是建筑、矿业等相关领域的重要研究内容，其工程安全直接影响到人民的生命财产安全。但是对于矿山边坡变形监测及其稳定性分析而言，由于其受到经费、设备、技术水平以及观测环境等因素的制约，大部分小型矿山企业采用的都是传统测量手段，即使部分矿山企业采用测量机器人或GNSS等较为先进的设备，但依然很难获得大量、连续、均匀分布的时空变形监测数据，造成边坡变形趋势及稳定性分析产生偏差，导致对边坡施工及防治决策出现失误甚至错误。为弥补和克服边坡监测数据稀少(丢失)、不连续、不均匀等问题，准确分析露天矿边坡的整体变形趋势及其稳定性，这是矿山企业安全施工和管理中一个迫切需要解决的问题，并已成为国内外学者的研究热点。为弥补和克服边坡监测数据稀少(丢失)、不连续、不均匀等问题，很多学者采用线性插值法、拉格朗日(Lagrange)插值法、牛顿(Newton)插值法、Hermite插值法、反距离加权法和空间Kriging插值法等方法对监测数据进行插值，提高其完整性、连续性和均匀性。但随着研究的不断深入，大量的实践结果表明，上述研究方法仅考虑监测数据的时间属性存在一定的不足。研究实践表明，变形监测数据不仅与时间属性有关，而且还与空间属性也有关系，具有较强的时空相关性。为此，部分学者充分考虑监测点的时空相关性，采用时空插值模型对变形监测数据进行处理，如采用不均匀时空Kriging插值算法对滑坡位移进行分析；王建民采用高斯过程回归时空插值法以及Kriging时空插值法对监测数据进行了插值分析。但是现有技术方法在计算过程中存在所选变异函数模型受主观因素和理论半变异函数的局限性，以及参数估计较多的问题，导致其插值精度低、计算复杂效率低等缺点。
技术实现思路
本专利技术的目的是为了解决传统时空插值方法在选择变异函数模型受主观因素和理论半变异函数的局限，以及参数估计较多的问题，并在充分考虑变形监测点时空相关性的基础上，提出一种用于加密边坡监测数据的改进时空Kriging插值算法，其为一种改进自适应遗传算法(IAGA)与时空Kriging相结合的时空混合插值方法，以提高计算效率及插值数据的精度，增强其普适性和可靠性。本专利技术的目的是通过以下技术方案来实现，一种用于加密边坡监测数据的改进时空Kriging插值算法，包括如下步骤：S1：确定编码方式，根据矿山边坡的实际情况，将获得的各个时期的边坡监测数据进行时空Kriging变异函数时间序列编码，并按时期分组，每一组中都包含了某一个时段的空间变异函数类型和时间变异函数类型，并将历史数据分为t个时段，t≥1，t为自然数。S2：种群初始化，在初始变异函数的确定中，先确定起始变异函数时间序列，然后采用Hamilton改良圈算法对初始种群进行优化，获得父代；S3：染色体的遗传交叉与变异，根据样本的适应度大小确定种群优劣排序，适应度小的父本与适应度小的父本交配，适应度大的父本与适应度大的父本交配，然后根据Logistic混沌序列的方法确定交叉点的位置，最后对需要交叉配对的父代按照位置进行交叉操作；S4：交叉概率和变异概率的自适应优化，对遗传变异概率进行自适应改正；S5：目标函数的确定，边坡曲面的时空Kriging插值变异函数的时间序列染色体由T个时段组成，当修改某一时段的变异函数类型时，Kriging插值的性能将会发生相应变化，从而再寻求另外一组变异函数组序列对插值效果进行优化，然后通过交叉验证的方式，使得边坡曲面区域内插值后的RMSE最小量作为目标，并以此确定其目标函数；S6：插值精度分析，采用交叉验证的方法评价其精度，并检验所确定的变异函数模型的好坏。本专利技术解决了传统时空插值方法在选择变异函数模型受主观因素和理论半变异函数的局限，以及参数估计较多的问题，在一定程度上弥补和克服了边坡监测数据稀少(丢失)、不连续、不均匀等问题，提高了计算效率及插值数据的精度，为实现矿山边坡整体区域变形时空演化过程的分析提供保障，也为相关问题及领域的三维建模研究提供了一种新思路。本专利技术提供了用于加密边坡监测数据的改进时空Kriging插值算法，对比分析其精度，并构建基于IAGA的时空Kriging插值的边坡三维整体曲面，以实现对越堡露天矿边坡整体变形区域的时空演化过程的分析。进一步地，所述步骤S1中的具体编码方式为：其中：第m染色体组lm1lm2表示在第m段时期时采用的空间变异函数编码lm1，表示范围为1～i，编码数字分别指代所采用的变异函数模型(例如球形模型、指数模型等)和时间变异函数编码，同空间变异函数一样，表示范围为1～j，编码数字指代该时段的时间变异函数类型。当i和j超过个位数时，lm1lm2可根据实际情况增加染色体长度表示其编码范围。进一步地，所述步骤S3中，先设定一个介于0-1的交叉概率值Pj，该值一般较大，如Pj＞0.9，当Pj＝1时，说明所有个体都发生交叉操作，而当Pj＝0时，则表示不发生交叉操作；并且每次操作时，通过生成一个服从0-1均匀分布的随机数，若该值大于Pj，则需要对相应个体染色体组点位进行对应操作；与交叉操作类似，在变异操作上先从交叉后的个体中选择变异个体，预先设定一个介于0-1的交叉概率值Nb，该值一般较小，Nb＜0.1，假定样本的容量为N，则发生变异体的个数Nb＝Nb*N。进一步地，所述步骤S4中，采用下式进行修正，上式(1)和(2)中，和为常表示初始交叉概率和变异概率，为固定常数，α和β是区间为[0，1]的常量，fj为交叉父代中的最大适应度，fb表示变异个体的最大适应度，faver表示所有个体中的平均适应度，fmax表示所有个体中的最大适应度。进一步地，所述步骤S5中，目标函数的表达式如下：上式(3)中，T为变异函数序列时间段数，ni为第i时段的边坡已知点个数，(xij，yij，zij)为采用Kriging插值后得到的点坐标，为采用Kriging插值后得到的点的原坐标，分母部分表示在时间段内所有已知的监测点数量。目标函数的数学意义为均方根误差的平均值，即目标函数越小，个体的适应度越大。进一步地，所述步骤S6中可具体为S60：采用交叉验证的方法评价其精度，以检验所确定的变异函数模型的好坏。所述步骤S60中，具体操作如下S61：先将观测值Z(xi)(i＝1,2,…,n)从监测数据列中去除，再用剩下的其它观测值通过建立变异函数模型的方法，预测出该去除监测点的估计值Z*(xi)，并将预测值放回到原数据列中，再选择其它点重复以上操作，直到计算出所有监测点的估计值Z*(xi)为止。在步骤61后进行步骤S62：计算原数据与估计值之间的误差dZi，以分析数据的一致性，并依据公式(4)得到均方根误差RMSE以检验插值的准确性，在步骤62后进行步骤S63：用判定本文档来自技高网...

【技术保护点】
1.一种用于加密边坡监测数据的改进时空Kriging插值算法，其特征在于，包括如下步骤：/nS1：确定编码方式，根据矿山边坡的实际情况，将获得的各个时期的边坡监测数据进行时空Kriging变异函数时间序列编码，并按时期分组，每一组中都包含了某一个时段的空间变异函数类型和时间变异函数类型，并将历史数据分为t个时段，t≥1，t为自然数。/nS2：种群初始化，在初始变异函数的确定中，先确定起始变异函数时间序列，然后采用Hamilton改良圈算法对初始种群进行优化，获得父代；/nS3：染色体的遗传交叉与变异，根据样本的适应度大小确定种群优劣排序，适应度小的父本与适应度小的父本交配，适应度大的父本与适应度大的父本交配，然后根据Logistic混沌序列的方法确定交叉点的位置，最后对需要交叉配对的父代按照位置进行交叉操作；/nS4：交叉概率和变异概率的自适应优化，对遗传变异概率进行自适应改正；/nS5：目标函数的确定，矿山边坡曲面的时空Kriging插值变异函数的时间序列染色体由t个时段组成，当修改某一时段的变异函数类型时，Kriging插值的性能将会发生相应变化，从而再寻求另外一组变异函数组序列对插值效果进行优化，然后通过交叉验证的方式，使得矿山边坡曲面区域内插值后的R...

【技术特征摘要】
1.一种用于加密边坡监测数据的改进时空Kriging插值算法，其特征在于，包括如下步骤：
S1：确定编码方式，根据矿山边坡的实际情况，将获得的各个时期的边坡监测数据进行时空Kriging变异函数时间序列编码，并按时期分组，每一组中都包含了某一个时段的空间变异函数类型和时间变异函数类型，并将历史数据分为t个时段，t≥1，t为自然数。
S2：种群初始化，在初始变异函数的确定中，先确定起始变异函数时间序列，然后采用Hamilton改良圈算法对初始种群进行优化，获得父代；
S3：染色体的遗传交叉与变异，根据样本的适应度大小确定种群优劣排序，适应度小的父本与适应度小的父本交配，适应度大的父本与适应度大的父本交配，然后根据Logistic混沌序列的方法确定交叉点的位置，最后对需要交叉配对的父代按照位置进行交叉操作；
S4：交叉概率和变异概率的自适应优化，对遗传变异概率进行自适应改正；
S5：目标函数的确定，矿山边坡曲面的时空Kriging插值变异函数的时间序列染色体由t个时段组成，当修改某一时段的变异函数类型时，Kriging插值的性能将会发生相应变化，从而再寻求另外一组变异函数组序列对插值效果进行优化，然后通过交叉验证的方式，使得矿山边坡曲面区域内插值后的RMSE最小量作为目标，并以此确定其目标函数；
S6：插值精度分析，检验所确定的变异函数模型的好坏。


2.根据权利要求1所述的用于加密边坡监测数据的改进时空Kriging插值算法，其特征在于，所述步骤S1中的具体编码方式为：其中：第m染色体组lm1lm2表示在第m段时期时采用的空间变异函数编码lm1，表示范围为1～i，编码数字分别指代所采用的变异函数模型和时间变异函数编码lm2，同空间变异函数一样，表示范围为1～j，编码数字指代该时段的时间变异函数类型；1＜i≤t，1＜j≤t。


3.根据权利要求2所述的用于加密边坡监测数据的改进时空Kriging插值算法，其特征在于，当i和j的取值超过个位数时，lm1lm2可增加其编码范围。


4.根据权利要求3所述的用于加密边坡监测数据的改进时空Kriging插值算法，其特征在于，所述步骤S3具体的操作为：先设定一个介于0-1的交叉概率值Pj，当Pj＝1时，说明所有个体都发生交叉操作，而当Pj＝0时，则表示不发生交叉操作；并且每次操作时，通过生成一个服从0-1均匀分布的随机数，若该值大于Pj，则需要对相应个体染色体组点位进行对应操作；与交叉操作类似，在变异操作上先从交叉后的个体中选择变异个体，预先设定一个介于0-1的交叉概率值Nb，假定样本的...

【专利技术属性】
技术研发人员：肖海平，陈兰兰，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：江西;36