專利名稱：一種生態(tài)系統(tǒng)碳交換影響因素提取方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)據(jù)挖掘及模糊粗糙集技術(shù)領(lǐng)域，尤其涉及一種生態(tài)系統(tǒng)碳交換影響因素提取方法及系統(tǒng)。
背景技術(shù)：
對(duì)大氣二氧化碳的研究關(guān)系到人類可持續(xù)發(fā)展和對(duì)生態(tài)系統(tǒng)間規(guī)律的認(rèn)識(shí)，目前國(guó)內(nèi)外通過在各生態(tài)系統(tǒng)設(shè)立觀測(cè)站、建立碳塔來獲取碳通量數(shù)據(jù)。然而，由于碳塔造價(jià)不菲、容易受到環(huán)境和儀器故障等影響不能夠得廣泛推廣。并且，只有從碳通量觀測(cè)站數(shù)據(jù)和遙感數(shù)據(jù)中，挖掘各環(huán)境和氣象等因素與碳通量的關(guān)系，才有可能利用遙感圖像和地面氣象站等數(shù)據(jù)，研究區(qū)域的乃至全球的碳通量的時(shí)空模式。在數(shù)據(jù)分析上，國(guó)內(nèi)外大多依靠統(tǒng)計(jì)學(xué)方法對(duì)生態(tài)學(xué)家認(rèn)為重要的環(huán)境因子進(jìn)行回歸分析或統(tǒng)計(jì)分析，其缺陷是依靠經(jīng)驗(yàn)對(duì)個(gè)別屬性進(jìn)行分析，缺乏全面性和容易忽視重要規(guī)律；雖然，近年來，已經(jīng)有一些學(xué)者通過人工智能方法對(duì)碳通量的規(guī)律及模式進(jìn)行研究，但側(cè)重在對(duì)碳通量進(jìn)行預(yù)測(cè)上，并未從影響碳通量環(huán)境因子的角度對(duì)其進(jìn)行深入分析，其結(jié)果是導(dǎo)致預(yù)測(cè)模型復(fù)雜，且難以發(fā)現(xiàn)內(nèi)在規(guī)律；另外，無法對(duì)不同生態(tài)系統(tǒng)的碳通量屬性數(shù)據(jù)進(jìn)行統(tǒng)一分析，發(fā)現(xiàn)各自的異同點(diǎn)也是現(xiàn)階段存在的不足。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種能縮小研究與碳通量相關(guān)的生態(tài)因子范圍，降低分析難度，降低預(yù)測(cè)模型復(fù)雜度的生態(tài)系統(tǒng)碳交換影響因素提取方法。本發(fā)明的另一目的在于提供一種方便實(shí)用的生態(tài)系統(tǒng)碳交換影響因素提取方法所用的系統(tǒng)。為解決上述問題，本發(fā)明提出了一種生態(tài)系統(tǒng)碳交換影響因素提取方法，其包括以下步驟
1)從碳通量數(shù)據(jù)觀測(cè)站中獲取碳通量樣本的屬性數(shù)據(jù)；
2)輸入由步驟1)獲得的碳通量樣本的屬性數(shù)據(jù)，確定屬性數(shù)據(jù)的隸屬函數(shù)并計(jì)算各個(gè)屬性隸屬度，提取環(huán)境因子集重要度，獲得與碳通量相關(guān)的環(huán)境因子集；
3)將步驟2)獲得的環(huán)境因子集中的各個(gè)環(huán)境因子分別運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模仿真，得出碳通量環(huán)境因子提取率。所述碳通量屬性數(shù)據(jù)的數(shù)據(jù)類型包括連續(xù)的、缺失的、標(biāo)稱值的、離散的、序數(shù)的、數(shù)值型、字符型數(shù)據(jù)。所述步驟2)具體包括以下步驟
21)根據(jù)獲取的碳通量數(shù)據(jù)樣本的屬性數(shù)據(jù)，對(duì)碳通量數(shù)據(jù)樣本進(jìn)行數(shù)據(jù)預(yù)處理；
22)設(shè)置相關(guān)系數(shù)閾值，相關(guān)系數(shù)閾值范圍為W.9，0.95]；
23)分別計(jì)算各個(gè)屬性間相關(guān)系數(shù)值；將計(jì)算后的各個(gè)屬性間的相關(guān)系數(shù)值與步驟 22)設(shè)置的相關(guān)系數(shù)閾值進(jìn)行比較判定，如果屬性間相關(guān)系數(shù)值大于相關(guān)系數(shù)閾值時(shí)，則將該環(huán)境因子剔除，小于相關(guān)系數(shù)閾值時(shí)則保留該環(huán)境因子，獲得環(huán)境因子集；
24)將步驟23)保留獲得的環(huán)境因子集通過隸屬度函數(shù)進(jìn)行映射，求出各屬性數(shù)據(jù)的模糊上近似集、模糊下近似集和模糊粗糙集正域值，通過模糊粗糙集正域計(jì)算出條件屬性子集對(duì)決策屬性重要度；
25)通過一種提出的基于混合蛙跳的模糊粗糙集約簡(jiǎn)算法或基于重要度的模糊粗糙集快速約簡(jiǎn)算法，對(duì)屬性進(jìn)行組合，通過評(píng)價(jià)函數(shù)計(jì)算組合后的屬性適應(yīng)度，當(dāng)屬性適應(yīng)度達(dá)到最大時(shí)，使其滿足停止搜索條件，輸出保留的環(huán)境因子。 所述步驟25)的基于混合蛙跳算法的模糊粗糙集約簡(jiǎn)優(yōu)化算法，該方法是結(jié)合了基于模因進(jìn)化的模因演算法和基于群體行為的粒子群算法兩種種群智能優(yōu)化算法的優(yōu)點(diǎn)， 仿照青蛙覓食跳躍過程，通過種群青蛙的跳躍找到食物較多的地方，該算法具有概念簡(jiǎn)單， 調(diào)整的參數(shù)少，計(jì)算速度快，全局搜索尋優(yōu)能力強(qiáng)，易于實(shí)現(xiàn)的特點(diǎn)。具體實(shí)現(xiàn)所屬步驟如下
2511)隨機(jī)初始化種群，每個(gè)青蛙表示一個(gè)不同條件屬性子集，并對(duì)個(gè)體按適應(yīng)值由大到小排序；
2512)通過青蛙子群中最好個(gè)體和最差個(gè)體的運(yùn)算獲得新個(gè)體，計(jì)算新個(gè)體的屬性個(gè)數(shù)JV5和模糊粗糙集重要度γ，從
而獲得目標(biāo)函數(shù)的適應(yīng)度 ；
權(quán)利要求
1.一種生態(tài)系統(tǒng)碳交換影響因素提取方法，其特征在于包括以下步驟1)從碳通量數(shù)據(jù)觀測(cè)站中獲取碳通量樣本的屬性數(shù)據(jù)；2)輸入由步驟1)獲得的碳通量樣本的屬性數(shù)據(jù)，確定屬性數(shù)據(jù)的隸屬函數(shù)并計(jì)算各個(gè)屬性隸屬度，提取環(huán)境因子集重要度，獲得與碳通量相關(guān)的環(huán)境因子集；3)將步驟2)獲得的環(huán)境因子集中的各個(gè)環(huán)境因子分別運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模仿真，得出碳通量環(huán)境因子提取率。
2.根據(jù)權(quán)利要求1所述生態(tài)系統(tǒng)碳交換影響因素提取方法，其特征在于所述碳通量屬性數(shù)據(jù)的數(shù)據(jù)類型包括連續(xù)的、缺失的、標(biāo)稱值的、離散的、序數(shù)的、數(shù)值型、字符型數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述生態(tài)系統(tǒng)碳交換影響因素提取方法，其特征在于所述步驟2)具體包括21)根據(jù)獲取的碳通量數(shù)據(jù)樣本的屬性數(shù)據(jù)，對(duì)碳通量數(shù)據(jù)樣本進(jìn)行數(shù)據(jù)預(yù)處理；22)設(shè)置相關(guān)系數(shù)閾值，相關(guān)系數(shù)閾值范圍為W.9，0.95]；23)分別計(jì)算各個(gè)屬性間相關(guān)系數(shù)值；將計(jì)算后的各個(gè)屬性間的相關(guān)系數(shù)值與步驟 22)設(shè)置的相關(guān)系數(shù)閾值進(jìn)行比較判定，如果屬性間相關(guān)系數(shù)值大于相關(guān)系數(shù)閾值時(shí)，則將該環(huán)境因子剔除，小于相關(guān)系數(shù)閾值時(shí)則保留該環(huán)境因子，獲得環(huán)境因子集；24)將步驟23)保留獲得的環(huán)境因子集通過隸屬度函數(shù)進(jìn)行映射，求出各屬性數(shù)據(jù)的模糊上近似集、模糊下近似集和模糊粗糙集正域值，通過模糊粗糙集正域計(jì)算出條件屬性子集對(duì)決策屬性重要度；25)通過基于混合蛙跳的模糊粗糙集約簡(jiǎn)算法或基于重要度的模糊粗糙集快速約簡(jiǎn)算法，對(duì)屬性進(jìn)行組合，通過適應(yīng)度函數(shù)，計(jì)算屬性組合的適應(yīng)度，當(dāng)屬性適應(yīng)度達(dá)到最大時(shí)， 滿足停止搜索條件，輸出保留的環(huán)境因子。
4.根據(jù)權(quán)利要求3所述生態(tài)系統(tǒng)碳交換影響因素提取方法，其特征在于所述步驟25) 的基于混合蛙跳的模糊粗糙集約簡(jiǎn)算法具體實(shí)現(xiàn)如下，如果,Λ^ ,則更新條件屬性子集；直至遍歷所有條件屬性組合后，f腳小于或等于/ ^時(shí)，則f 為步驟25)所述的最大屬性適應(yīng)度 是指更新的條件屬性子集適應(yīng)度 是指更新之前條件屬性子集適應(yīng)度； 其中 ；式中“、 為取值(0，1)的系數(shù)，Nc為條件屬性個(gè)數(shù)，ATj為約簡(jiǎn)后屬性個(gè)數(shù)，y為約簡(jiǎn)后條件屬性子集對(duì)決策屬性重要度；所述步驟25)的基于重要度的快速模糊粗糙集約簡(jiǎn)算法的實(shí)現(xiàn)步驟包括251)通過單屬性分析出各個(gè)屬性重要度，統(tǒng)計(jì)屬性個(gè)數(shù)，將屬性按照條件屬性對(duì)決策屬性重要度由大到小排列；取其中條件屬性個(gè)數(shù)的前1/3作為第一次嘗試約簡(jiǎn)集C83,；計(jì)算約簡(jiǎn)隼t 決策屬性的重要度，記錄為/〔； 252)計(jì)算所有條件屬性對(duì)決策屬性的重要度;K1df，判斷與，的關(guān)系，如果γ'ctry等于γ 'all則剔除ctry中重要度最小的條件屬性，直至滿足γ'all-γ'ctry<0 01 ，則停止剔除ctry中的條件屬性；253)如果γ'cty不等于γ'all則需要添加條件屬性到Ctry中，重新計(jì)算添加了條件屬性的重要度γ‘cadd直至滿足
5.根據(jù)權(quán)利要求1所述生態(tài)系統(tǒng)碳交換影響因素提取方法，其特征在于所述步驟3)具體包括31)輸入約簡(jiǎn)后碳通量樣本的屬性數(shù)據(jù)；32)輸入約簡(jiǎn)前碳通量樣本的屬性數(shù)據(jù)；33)分別計(jì)算約簡(jiǎn)前碳通量樣本的屬性數(shù)據(jù)樣本預(yù)測(cè)值、約簡(jiǎn)后碳通量樣本的屬性數(shù)據(jù)樣本預(yù)測(cè)值與碳通量屬性數(shù)據(jù)實(shí)測(cè)值的相關(guān)性；34)通過約簡(jiǎn)前所有條件屬性相對(duì)于決策屬性重要度γαll和約簡(jiǎn)后條件屬性集相對(duì)于決策屬性的重要度γreduce的比值，求得信息保留率；γ函數(shù)為
6.根據(jù)權(quán)利要求5所述生態(tài)系統(tǒng)碳交換影響因素提取方法，其特征在于，所述步驟33) 是利用神經(jīng)網(wǎng)絡(luò)來建立仿真模型，計(jì)算訓(xùn)練集和測(cè)試集的相關(guān)度、均方根誤差、訓(xùn)練集和測(cè)試集平均絕對(duì)誤差。
7.—種生態(tài)系統(tǒng)碳交換影響因素提取方法所用的系統(tǒng)，其特征在于包括數(shù)據(jù)導(dǎo)入模塊(1)，用于從各碳通量觀測(cè)網(wǎng)站中獲取生態(tài)系統(tǒng)的碳通量樣本的屬性數(shù)據(jù)；因素提取模塊(2)，用于對(duì)所述生態(tài)系統(tǒng)的碳通量樣本的屬性數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，獲得與碳通量相關(guān)的環(huán)境因子集；輸入模塊(3)，用于輸入約簡(jiǎn)前碳通量樣本的屬性數(shù)據(jù)與約簡(jiǎn)后碳通量樣本的屬性數(shù)據(jù)；評(píng)價(jià)模塊(4)，用于計(jì)算與碳通量相關(guān)的環(huán)境因子提取前和提取后的信息保留率和碳通量環(huán)境因子提取率。
8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于所述碳通量屬性數(shù)據(jù)的數(shù)據(jù)類型包括連續(xù)的、缺失的、標(biāo)稱值的、離散的、序數(shù)的、數(shù)值型、字符型數(shù)據(jù)。
9.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于所述因素提取模塊(2)包括數(shù)據(jù)預(yù)處理單元(21)，用于對(duì)獲取的生態(tài)系統(tǒng)的碳通量樣本的屬性數(shù)據(jù)進(jìn)行屬性填補(bǔ)、屬性數(shù)據(jù)標(biāo)準(zhǔn)化；輸入單元(22)，用于設(shè)定相關(guān)系數(shù)閾值及模糊粗糙集屬性約簡(jiǎn)算法參數(shù)； 數(shù)據(jù)挖掘單元(23)，用于挖掘?qū)μ剂坑兄饕绊懙淖顑?yōu)條件屬性子集，輸出約簡(jiǎn)結(jié)果， 得到與碳通量數(shù)據(jù)相關(guān)環(huán)境因子集。
10.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于所述評(píng)價(jià)模塊(4)包括 模型仿真單元(41)，用于對(duì)輸入的數(shù)據(jù)進(jìn)行建模仿真；模型計(jì)算單元(42)，用于計(jì)算訓(xùn)練集和測(cè)試集的相關(guān)度、均方根誤差、訓(xùn)練集和測(cè)試集平均絕對(duì)誤差；效率評(píng)價(jià)單元(43)，用于計(jì)算約簡(jiǎn)后屬性和約簡(jiǎn)前屬性的碳通量環(huán)境因子提取率。
全文摘要
本發(fā)明公開一種生態(tài)系統(tǒng)碳交換影響因素提取方法及系統(tǒng)，本發(fā)明提取方法包括以下步驟1)從碳通量數(shù)據(jù)觀測(cè)站中獲取碳通量樣本的屬性數(shù)據(jù)；2)輸入由步驟1)獲得的碳通量樣本的屬性數(shù)據(jù)，通過提出的混合蛙跳的模糊粗糙集約簡(jiǎn)算法或基于重要度的快速模糊粗糙集約簡(jiǎn)算法，選取最佳組合，找出與碳通量關(guān)系最密切的環(huán)境因子集；3)將步驟2)獲得的環(huán)境因子集中的各個(gè)環(huán)境因子分別運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模仿真，得出碳通量環(huán)境因子提取率。本發(fā)明提供的提取系統(tǒng)包括數(shù)據(jù)導(dǎo)入模塊、因素提取模塊、輸入模塊、評(píng)價(jià)模塊。本發(fā)明能夠有效縮小研究生態(tài)環(huán)境中與碳通量相關(guān)因子的范圍，提高研究效率和發(fā)現(xiàn)環(huán)境因子間的內(nèi)在規(guī)律。
文檔編號(hào)G06F17/50GK102495919SQ20111036789
公開日2012年6月13日 申請(qǐng)日期2011年11月18日 優(yōu)先權(quán)日2011年11月18日
發(fā)明者王楷, 薛月菊, 陳漢鳴 申請(qǐng)人:華南農(nóng)業(yè)大學(xué)