本发明专利技术提出一种基于PSO自适应分段线性拟合的海浪有效波高反演模型建模方法，属于海浪参数反演技术领域，包括数据的去野值点处理、数据的稀疏化处理、初始化粒子群中参数、对粒子速度进行初始化、对粒子速度进行更新以及对粒子位移进行更新等步骤。本发明专利技术提出的一种自适应分段线性粒子群的海浪有效波高反演模型建模方法，利用粒子群算法对波高进行反演，不但可以完成传统算法的功能，达到传统算法的精度，还可以进行更精确的波高反演，且本发明专利技术中分段个数大于等于两段时，与传统建模方法相比具有更高的建模精度，利用本发明专利技术建立的反演模型比传统方法建立的反演模型具有更高的反演精度，且本发明专利技术方法的适用性广，灵活性高。
【技术实现步骤摘要】
本专利技术属于海浪参数反演
，具体涉及的是一种基于PSO自适应分段线性拟合的海浪有效波高反演模型建模方法。
技术介绍
海浪是一种与人类关系最直接、最密切的海洋现象，其波高、波向、波周期等因素对航运、港口、以及海上石油平台的安全都具有非常重要的意义。船用X波段导航雷达回波形成的海杂波图像中包含丰富的海浪信息，可以利用雷达的回波强度反演海浪谱和海浪参数。1985年，Young等人首次提出了根据“海杂波”雷达图像序列提取海浪信息的方法。该方法一经发现，就引起了人们的极大兴趣。在此后10年间，Zimer> Rosenthal和Giinther 等人也纷纷开展了基于X波段导航雷达的海浪信息反演研究工作。1995年，德国GKSS实验室研制出了基于导航雷达的海浪监测系统WaMoS(Wave Monitoring System) ;1996年,挪威Miros公司也研制出了类似的产品WAVEX。除以上主流研究机构外，目前美国、日本、丹麦、中国也在积极从事该方面的研究。有效波高是海浪信息的一种。由于海浪成像机制的非线性，利用X波段雷达图像进行海浪参数反演时，只能获得海浪谱能量的相对值，难以直接获取海浪有效波高。1982年,Alpers和Hasselmann提出了利用合成孔径雷达(SAR)信息估计有效波高的方法,该方法认为有效波高与雷达图像信噪比的平方根存在线性关系，可建立线性模型，通过计算得到雷达图像信噪比的平方根，进而根据线性模型得到有效波高。1994年，Ziemer和Gilnther将该方法推广到X波段导航雷达图像，计算获取了有效波高。到目前为止，该方法一直被作为基于X波段导航雷达图像有效波高的标准反演方法而使用。其线性模型如公式(I)和公式⑵所示H = a + b*4snr(DSNR = SIG/BGN(2)其中，Hs是有效波高，A和B是待定系数，SNR是雷达图像的信噪比，SIG是海浪波谱的能量，BGN是背景噪声的能量。在实际使用中发现，由于信噪比的计算方法不同，雷达系统的差异，以及海域的环境差异等因素，虽然海浪有效波高是随着雷达图像信噪比的增大而增大，但在整个变化范围内，海浪有效波高与雷达图像信噪比的平方根之间并不是完全线性的。因此，采用线性模型表达雷达图像信噪比的平方根与海浪有效波高之间的关系是不准确的。针对这一问题，2009年，中国海洋大学的段华敏和王剑提出了分段线性化反演模型，将有效波高分为低波高和高波高两个区域，每个区域分别采用各自的线性模型表达。这种分段线性化反演模型的基本思想与线性模型的思想是相同的。虽然分段线性化反演模型在有效波高反演精度上较线性模型有所改善，但仍然存在一些问题。例如，在整个有效波高变化范围内在何处进行分段，分段的各线段如何连接等
技术实现思路
针对现有技术中存在的问题，本专利技术提出一种自适应分段线性粒子群的海浪有效波高反演模型建模方法。本专利技术公开的方法区别于现有方法的显著特征在于认为海浪有效波高是随着雷达图像信噪比平方根增加而增加的，但二者之间在不同的波高阶段并非完全承线性关系，所以现有方法采用最小二乘方法对信噪比比平方根和波高分段线性的进行拟合，来表示信噪比比平方根与波高的关系，但分段线性化带来的问题是，分段位置的确定和各线段之间如何进行连接等问题，利用粒子群算法多维度空间搜索功能，可自适应的解决最小二乘无法完成的，分段位置的确定和各段的连接等问题，进而提高使用雷达图像信噪比平方根反演海浪有效波高的精度。本专利技术提出一种基自适应分段线性粒子群的海浪有效波高反演模型建模方法，具体包括以下几个步骤步骤一数据的去野值点处理 原始数据点集为Y，有任意数据点A，VJeF，若对于数据点A的某一邻域P (A, r), r > 0,r表示邻域的半径,存在数据点BjjBeF,使得B G P (A，r),则点A属于真值集，Y中所有满足点A这一性质的点组成的集合构成真值集Z ;有任意数据点A' ,BA',若对于点A'的某一邻域P (A'，r)，r > 0，对于V瓦e Y，均有#电P(^r)，则点A'属于野值集，Y中所有满足点A'这一性质的点组成的集合构成野值集U，根据真值集和野值集进行去野值点处理第I步将原始数据点集Y中的数据点按照数据点的横坐标由小到大进行排序，得到排序后的数据点集为{Ak/ }k' = 1，2，3，. . .，m，其中m为原始数据点集Y中的所有数据点的个数，角标k'表示数据点按照横坐标大小由小到大依次排列,邻域半径为r,令k'=1，向左判断参数tl初始值满足tl = I,向右判断参数tr初始值满足tr = I ;第2步判断k' _tl>0是否成立，若不成立进入第4步，若成立判断Ak' -Ak'<T是否成立，若不成立进入第4步，若成立判断ll^^l < r是否成立，若成立，记录点Ak'属于集合B中，进入第6步，其中集合B表示剔除野值之后的真值集，若不成立进入第3步；第3步令向左判断参数tl加I,即tl = tl+1,返回到第2步；第4步判断k' +tr<m是否成立，若不成立进入第6步，若成立判断Ak' +tr-Ak/<r是否成立，若不成立进入第6步，若成立判断pTy;77|| < 〃是否成立，若成立，记录点Ak'属于集合B中,进入第6步,若不成立进入第5步；第5步令向右判断参数tr加I,即tr = tr+1,返回到第4步；第6步令角标k'加1，即k' =k/ +1，判断k'彡m是否成立，若不成立进入第7步,若成立令tl = I, tr = I,返回到第2步；第7步集合B中的所有点组成剔除野值点之后的真值集；步骤二 数据的稀疏化处理原始数据点集为Y，存在任意点C，VC7e IS若对于点C的某一邻域P (C，r' ),r'> 0，EDer,使得DGp (A,r/ )，则称点C属于密集集，r'表示邻域判断半径，Y中所有满足点C这一性质的点组成的集合构成密集集M ;存在任意点C'，3(Ter，若对于点C'的某一邻域P (c'，r' ),r' > O，对于ViTe；r,均有￡^p(C,r%则称点C'属于稀疏集，Y中所有满足点C'这一性质的点组成的集合构成稀疏集S ;野值集、真值集、密集集和稀疏集之间存在交叉关系为SZs = Z ns，ir'彡r时，有c/d,U HZs= O，并且U U Zs=S，Zs表示真值集与稀疏集的交集；稀疏化处理的具体步骤为第I步将步骤一中得到的集合B中的数据点，按照数据点的横坐标由小到大进行排序，得到排序后的数据点集{Ck// }k" = 1，2，3，. . .，n，其中n为集合B中所有数据点的个数，角标k"表示数据点按照横坐标大小由小到大依次排列，设稀疏化处理时邻域判断半径为 r',令 k" = I, t = I, m/ = n, {Dk// } = {Ck// }k" = 1，2，3，...，m/ ；t 表示向右判断参数，{Dk" }用于表示将去野值后的数据又进行了稀疏化处理的数据点，m'表示每次提出野值后集合{Dk" }中所剩下的数据点的个数；第2步判断k" +t <m/是否成立，若不成立进入第4步，若成立判断Dk〃+t_Dk〃<r'是否成立，若不成立进入第4步，若成立判断|本文档来自技高网...
【技术保护点】
一种自适应分段线性粒子群的海浪有效波高反演模型建模方法，其特征在于：包括以下几个步骤：步骤一：数据的去野值点处理：原始数据点集为Y，有任意数据点A，若对于数据点A的某一邻域ρ(A,r),r＞0，r表示邻域的半径，存在数据点B，使得B∈ρ(A,r)，则点A属于真值集，Y中所有满足点A这一性质的点组成的集合构成真值集Z；有任意数据点A′，若对于点A′的某一邻域ρ(A′,r),r＞0，对于均有则点A′属于野值集，Y中所有满足点A′这一性质的点组成的集合构成野值集U，根据真值集和野值集进行去野值点处理：第1步：将原始数据点集Y中的数据点按照数据点的横坐标由小到大进行排序，得到排序后的数据点集为{Ak′}k′＝1,2,3,...,m，其中m为原始数据点集Y中的所有数据点的个数，角标k′表示数据点按照横坐标大小由小到大依次排列，邻域半径为r，令k′＝1，向左判断参数tl初始值满足tl＝1，向右判断参数tr初始值满足tr＝1；第2步：判断k′？tl＞0是否成立，若不成立进入第4步，若成立判断Ak′？Ak′？tl＜r是否成立，若不成立进入第4步，若成立判断是否成立，若成立，记录点Ak′属于集合B中，进入第6步，其中集合B表示剔除野值之后的真值集，若不成立进入第3步；第3步：令向左判断参数tl加1，即tl＝tl+1，返回到第2步；第4步：判断k′+tr＜m是否成立，若不成立进入第6步，若成立判断Ak′+tr？Ak′＜r是否成立，若不成立进入第6步，若成立判断是否成立，若成立，记录点Ak′属于集合B中，进入第6步，若不成立进入第5步；第5步：令向右判断参数tr加1，即tr＝tr+1，返回到第4步；第6步：令角标k′加1，即k′＝k′+1，判断k′≤m是否成立，若不成立进入第7步，若成立令tl＝1，tr＝1，返回到第2步；第7步：集合B中的所有点组成剔除野值点之后的真值集；步骤二：数据的稀疏化处理：原始数据点集为Y，存在任意点C，若对于点C的某一邻域ρ(C,r′),r′＞0，使得D∈ρ(A,r′)，则称点C属于密集集，r′表示邻域判断半径，Y中所有满足点C这一性质的点组成的集合构成密集集M；存在任意点C′，若对于点C′的某一邻域 ρ(C′,r′),r′＞0，对于均有则称点C′属于稀疏集，Y中所有满足点C′这一性质的点组成的集合构成稀疏集S；野值集、真值集、密集集和稀疏集之间存在交叉关系为：设Zs＝Z∩S，当r′≤r时，有U∩Zs＝Φ，并且U∪Zs＝S，Zs表示真值集与稀疏集的交集；稀疏化处理的具体步骤为：第1步：将步骤一中得到的集合B中的数据点，按照数据点的横坐标由小到大进行排序，得到排序后的数据点集{Ck″}k″＝1,2,3,...,n，其中n为集合B中所有数据点的个数，角标k″表示数据点按照横坐标大小由小到大依次排列，设稀疏化处理时邻域判断半径为r′，令k″＝1，t＝1，m′＝n，{Dk″}＝{Ck″}k″＝1,2,3,...,m′；t表示向右判断参数，{Dk"}用于表示将去野值后的数据又进行了稀疏化处理的数据点，m′表示每次提出野值后集合{Dk″}中所剩下的数据点的个数；第2步：判断k″+t＜m′是否成立，若不成立进入第4步，若成立判断Dk″+t？Dk"＜r′是否成立，若不成立进入第4步，若成立判断是否成立，若成立，剔除点Dk"+t，令m′＝m′？1，进入第3步，若不成立进入第4步；第3步：令t＝t+1，返回到第2步；第4步：将集合{Dk"}中剩余的数据点，按照原横坐标大小由小到大排列顺序依次重新记录到{Dk″}k″＝1,2,3,...,m′中，令k″＝k″+1，判断k″≤m′是否成立，若不成立进入第5步，若成立令t＝1，返回到第2步；第5步：集合{Dk″}k″＝1,2,3,...,m′中的点便是将去野值后的数据又进行了稀疏化处理的数据点；步骤三：设置粒子的编码方式并初始化粒子群各参数：直线方程由截距式表示，每个粒子由所有确定直线的截距A和斜率B构成，粒子群算法粒子的编码方式为：Xik={Xi,j,1k,Xi,j,2k}其中i＝1,2,...,N，N≥2为粒子个数，j＝1,2,...,l，l≥1表示分段数，即参与拟合的直线条数；k表示粒子群的迭代次数；分别表示第k次迭代中第i个粒子第j条直线的截距、斜率，表示第i个粒子的位置；初始化直线的截距和斜率为：Xi,j,11=Amax-(rand+j-1)·(Amax-Amin)lXi,j,21=Bmin+(rand+j-1)·(Bmax-Bmin)l---(...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘利强，戴运桃，范志超，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。