多维地学参量的权重优化方法及系统技术方案

本发明专利技术公开了一种多维地学参量的权重优化方法及系统，涉及信息技术领域。该方法包括：对初始数据进行标准归一化处理；根据标准数据对全部指标值进行相关性分析，生成相关性矩阵，并根据预设阈值对全部指标值进行筛选；创建初始粒子，并根据迭代控制参数配置迭代环境；根据适应度函数计算每个初始粒子的适应度；对初始粒子进行迭代循环，并更新粒子的参数，迭代循环停止后，输出每个指标的权重值和全局最优解。本发明专利技术适用于高维数据的分析，能够客观的反映数据特征，权重的解释也较为清晰确切，同时在非线性数据的应用中具有一定的稳健性，具有客观、稳定、普适和高效的特点。普适和高效的特点。普适和高效的特点。

【技术实现步骤摘要】
多维地学参量的权重优化方法及系统


[0001]本专利技术涉及信息
，尤其涉及一种多维地学参量的权重优化方法及系统。

技术介绍

[0002]在评价工作及科研工作的开展中，往往需要以一维数据的形式表现多维数据的特征，以简洁、综合和直观地展现整体数据的特点。目前，最为常用的方法是构建指标体系，根据权重对不同的指标进行加权获得相应的得分，从而以综合得分的表现形式体现多维数据的特征。
[0003]现有的权重确定方法主要包括层次分析法和专家权重确定法等。层次分析法和专家权重确定法都是人为确定权重的方法，在进行高维数据的分析与评价时缺乏效率，同时较强的主观性会降低该体系的可信度和客观性，对于生态学的研究和分析，通常需要对多维数据进行降维，因此，现有的权重确定方法无法满足客观性和高效性的要求。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种多维地学参量的权重优化方法及系统。
[0005]本专利技术解决上述技术问题的技术方案如下：
[0006]一种多维地学参量的权重优化方法，包括：
[0007]获取初始数据，并设置迭代控制参数，所述初始数据的每个样本中包含用于评价地学参量的多个指标值；
[0008]对所述初始数据进行标准归一化处理，得到标准数据；
[0009]根据所述标准数据对全部所述指标值进行相关性分析，生成相关性矩阵，并根据预设阈值对全部所述指标值进行筛选；
[0010]根据筛选后的所述标准数据创建初始粒子，并根据所述迭代控制参数配置迭代环境；
[0011]构建适应度函数，根据所述适应度函数计算每个所述初始粒子的适应度；
[0012]根据所述迭代控制参数和所述适应度对所述初始粒子进行迭代循环，并更新粒子的参数，迭代循环停止后，输出每个指标的权重值和全局最优解。
[0013]本专利技术解决上述技术问题的另一种技术方案如下：
[0014]一种多维地学参量的权重优化系统，包括：
[0015]初始单元，用于获取初始数据，并设置迭代控制参数，所述初始数据的每个样本中包含用于评价地学参量的多个指标值；
[0016]标准归一化单元，用于对所述初始数据进行标准归一化处理，得到标准数据；
[0017]相关性分析单元，用于根据所述标准数据对全部所述指标值进行相关性分析，生成相关性矩阵，并根据预设阈值对全部所述指标值进行筛选；
[0018]迭代循环单元，用于根据筛选后的所述标准数据创建初始粒子，并根据所述迭代
控制参数配置迭代环境；构建适应度函数，根据所述适应度函数计算每个所述初始粒子的适应度；根据所述迭代控制参数和所述适应度对所述初始粒子进行迭代循环，并更新粒子的参数，迭代循环停止后，输出每个指标的权重值和全局最优解。
[0019]本专利技术的有益效果是：本专利技术提供的权重优化方法，适用于高维数据的分析，能够客观的反映数据特征，权重的解释也较为清晰确切，同时在非线性数据的应用中具有一定的稳健性，由于权重的确定由粒子群优化算法和投影寻踪聚类分析确定，因此完全基于数据本身的特点，具有客观、稳定、普适和高效的特点，此外，本专利技术体用的权重优化方法适用于表格形式和栅格形式等的数据，所需参数较少，操作简洁，不需要掌握专业分析统计知识即可使用。
[0020]本专利技术附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术实践了解到。
附图说明
[0021]图1为本专利技术权重优化方法的实施例提供的流程示意图；
[0022]图2为本专利技术权重优化方法的其他实施例提供的迭代流程示意图；
[0023]图3为本专利技术权重优化系统的实施例提供的结构框架图。
具体实施方式
[0024]以下结合附图对本专利技术的原理和特征进行描述，所举实施例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0025]如图1所示，为本专利技术权重优化方法的实施例提供的流程示意图，该权重优化方法用于多维地学参量的权重优化，包括：
[0026]S1，获取初始数据，并设置迭代控制参数，初始数据的每个样本中包含用于评价地学参量的多个指标值；
[0027]需要说明的是，地学即地球科学，是对以我们所生活的地球为研究对象的学科的统称，通常有地质学、地理学、海洋学、大气物理和古生物学等学科。
[0028]地学参量可以根据具体的学科不同进行设置，例如，以地质学为例，参量可以包括地质成分、岩性和地震数据等，以大气物理为例，参量可以包括气体成分、含氧量和气流参数等。
[0029]初始数据中包括多个样本，每个样本都通过多个如上参量的指标值进行评价。例如，输入的初始数据可以为某年全国陆地生态系统的陆面温度LST、叶面积指数LAI、植被指数NDVI、植被覆盖度FVC、总初级生产力GPP、净初级生产力NPP、净生态系统生产力NEP、湿润度指数IM、波文比Bowen、水分利用效率WUE和水分蓄存指数WSI共11项参数的年度某省栅格数据。
[0030]由于本方案采用了迭代的方式，因此，如表1所示，给出示例性的迭代控制参数设置方式。
[0031]表1
[0032][0033]S2，对初始数据进行标准归一化处理，得到标准数据；
[0034]需要说明的是，由于不同指标之间的量纲可能不同，因此，需要对初始数据进行标准归一化处理，消除指标间量纲及无量纲差异。
[0035]例如，可以采用极大极小值法进行标准归一化处理。
[0036]S3，根据标准数据对全部指标值进行相关性分析，生成相关性矩阵，并根据预设阈值对全部指标值进行筛选；
[0037]具体地，由于每个样本由多个指标值进行评价，因此，可以分别对指标值进行两两的相关性分析，从而得到每个指标与其他指标的之间的相关性，可以去除相关性较高的指标值，从而减少处理的数据量，提高指标值的代表性。
[0038]应理解，预设阈值可以根据实际需求设置，例如，可以为0.9，也可以为0.8。
[0039]S4，根据筛选后的标准数据创建初始粒子，并根据迭代控制参数配置迭代环境；
[0040]需要说明的是，每一指标对应一个维度，每一样本视为一个粒子，在创建初始粒子后，还需要初始化，包括：构建N个M维[0,1]的投影向量a
ij
；创建初速度v
ij
＝0的N个M维粒子；创建全局最优解gbest、全局最优投影向量gbesta、个体最优解pbest和个体最优向量pbesta。
[0041]S5，构建适应度函数，根据适应度函数计算每个初始粒子的适应度；
[0042]S6，根据迭代控制参数和适应度对初始粒子进行迭代循环，并更新粒子的参数，迭代循环停止后，输出每个指标的权重值和全局最优解。
[0043]如图2所示，给除了示例性的迭代流程示意图，首先，向模型中输入K个M样本数据data
km
，对输入的样本数据进行标准归一化处理，然后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多维地学参量的权重优化方法，其特征在于，包括：获取初始数据，并设置迭代控制参数，所述初始数据的每个样本中包含用于评价地学参量的多个指标值；对所述初始数据进行标准归一化处理，得到标准数据；根据所述标准数据对全部所述指标值进行相关性分析，生成相关性矩阵，并根据预设阈值对全部所述指标值进行筛选；根据筛选后的所述标准数据创建初始粒子，并根据所述迭代控制参数配置迭代环境；构建适应度函数，根据所述适应度函数计算每个所述初始粒子的适应度；根据所述迭代控制参数和所述适应度对所述初始粒子进行迭代循环，并更新粒子的参数，迭代循环停止后，输出每个指标的权重值和全局最优解。2.根据权利要求1所述的多维地学参量的权重优化方法，其特征在于，对所述初始数据进行标准归一化处理，得到标准数据，具体包括：判断所述初始数据中每维地学参量的正负向；对于正向数据，使用如下公式进行标准归一化处理：对于负向数据，使用如下公式进行标准归一化处理：其中，I
i
为第i个样本的第一指标值，I
min
为所述第一指标值的最小值，I
max
为所述第一指标值的最大值，F
i
为所述第一指标值经过标准归一化处理后的值，i＝1,2,3,
…
,N，N为样本数量，所述第一指标为需进行标准化的同一指标。3.根据权利要求1所述的多维地学参量的权重优化方法，其特征在于，根据预设阈值对全部所述指标值进行筛选，具体包括：分别计算每两个指标值之间的相关性，挑选出相关性大于预设阈值的指标值对，每个所述指标值对中的指标值分别记为第一指标值和第二指标值；计算所述第一指标值与除所述第二指标值之外的其他指标值的相关性的平均值，得到第一相关性值；计算所述第二指标值与除所述第一指标值之外的其他指标值的相关性的平均值，得到第二相关性值；判断所述第一相关性值与所述第二相关性值的大小，将较大一方对应的指标值剔除。4.根据权利要求1所述的多维地学参量的权重优化方法，其特征在于，根据以下公式计算每个所述初始粒子的适应度：Q＝Dz*Sz其中，Dz为粒子局部密度，Sz为粒子全局类间分散度。5.根据权利要求1至4中任一项所述的多维地学参量的权重优化方法，其特征在于，根据以下公式更新粒子的参数：
其中，表示第k次迭代第i个粒子的飞行速度矢量的第m维分量，表示第k次迭代第i个粒子的位置矢量的第m维分量，表示第i个粒子经历的历史最优位置，表示粒子群经历的历史最优位置，c0为惯性权重，c1和c2为学习因子，random(0,1)表示从0到1之间的随机数，i＝1,2,3,
…
,N，N为样本数量，m＝1,2,3,
…
,M，M为维度数量，k＝1,2,3,
…
,T，T为总循环次数。6.一种多维地学参量的权重优化系统，其特征在于，包括：初始单...

【专利技术属性】
技术研发人员：欧阳熙煌，王军邦，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：