1.一种地学数据多参数协同优化的IDW插值方法,其特征在于包括以下步骤,A、采集不同分辨率的全国气温站点与黄河堤坝高程数据;全国气温站点数据来源于中国气象中心2005年的682个气象站点的观测数据,通过数据预处理,剔除观测台站仪器出现故障的数据,对每个台站的日平均气温求和,最终获取各个台站的年平均气温;根据气象站台的海拔数据,将每个气象站台的年平均气温归算到0海拔面;黄河堤坝高程数据来源于黄河山东济南段大堤的1:500大比例尺地形图,共采集639个高程点,初始值与气温数据保持一致;给定粒子群算法的初始化条件,搜索维度D=4(α,λ,θ,N),α为距离衰减系数,λ为距离调节参数,θ为各向异性方向,N为最邻近点数,采用随机初始化种群的方法产生一组包含(α,λ,θ,N)的解集合;
B、计算粒子群的适应度值;
C、获取每个粒子的个体最优值pbesti;
D、获取群体的全局最优值;
E、对粒子的速度和位置进行更新;
F、如未满足粒子群算法的终止条件,则返回步骤B,当满足粒子群算法的终止条件,则终止更新;
G、输出最佳位置;
H、将优化后的参数组合解(α,λ,θ,N)代入IDW插值模型中获取待插值点属性值;
IDW插值模型为,
i代表任意待插值点,Zj为点j处的实测值,Sij是未知点i与已知点j之间的距离,N为最邻近点数,α为距离衰减系数;
(Xi,Yi)和(Xj,Yj)表示点i与j的笛卡尔坐标;
当λ等于1,那么Sij将等价于欧氏空间距离;当λ>1,如果两点之间ΔY越大,那么两点Y方向之间的距离将更远,即Y方向的空间邻近性减弱;反之,当λ<1,那么两点之间X方向的距离将增大,即两点的X方向的空间邻近性将减弱;
进一步引入方向参数θ来描述各向异性,建立原始坐标与反映各向异性坐标的转换关系,Eij表示待插值点i与样本点j之间顾及各向异性的距离,λ用于调节坐标系统下不同坐标轴的距离,θ∈(0,2π)表示原始坐标与各向异性坐标系的旋转角度,ΔX与ΔY为原始数据中待插值点与已知样本点之间的欧氏距离;
在步骤H中使用IDW插值模型时,使用Eij替换原有的Sij。
2.如权利要求1所述的地学数据多参数协同优化的IDW插值方法,其特征在于:步骤A中,α、λ、θ和N的搜索区间分别为[1,5],[0.01,100],[0,2π]和[1,30]。
3.如权利要求1所述的地学数据多参数协同优化的IDW插值方法,其特征在于:步骤B中,计算粒子的适应度值的方法为,将每个粒子的xi代入 得到每个粒子的f(xi),f(xi)为
适应度函数,xi表示第i个粒子的位置(αi,Ni,λi,θi),M为研究区域内已知样本点的个数,k代表第k个已知样本点,Zk表示第k个样本点的值, 表示估计待插值点的属性时不包括待插值点本身在内,即只根据待插值点周边的样本点进行插值;
把不同的参数组合xi代入适应度函数绘制成曲面,得到arg min f(xi)所对应的参数组合,即最邻近点数,距离衰减系数、距离调节及各向异性的方向参数,xi=arg min f(xi),其中argmin为使其后面式子达到最小值时的变量取值。
4.如权利要求3所述的地学数据多参数协同优化的IDW插值方法,其特征在于:步骤C中,对每个粒子,用其f(xi)和值和个体历史最优位置Pbest(i)比较,如果f(xi)优于Pbest(i),则用当前待优化参数的位置xi更新个体历史最佳位置Pbest(i)。
5.如权利要求4所述的地学数据多参数协同优化的IDW插值方法,其特征在于:步骤D中,对每个粒子,将其当前f(xi)与全局最佳位置Gbest对应的适应度值做比较,如果当前的适应值更佳,则用当前粒子的位置更新全局最佳位置Gbest。
6.如权利要求5所述的地学数据多参数协同优化的IDW插值方法,其特征在于:步骤E中,在D维空间中,D=4,设定粒子群数为Q,粒子i的位置表示为xi=(xi1,xi2,...,xiD),粒子i的速度为vi=(vi1,vi2,...,viD),pbesti=(pi1,pi2,...,piD)表示粒子i经历过的最佳位置,Gbest=(g1,g2,...,gD)表示所有粒子的全局最佳位置,粒子i的第d维位置和速度更新方法分别为,表示粒子i在第t+1次迭代的第d维分量的速度, 表示粒子i在第t+1次迭代的第d维分量的位置;C1,C2为学习因子,调节学习步长,C1和C2均为1.48;r1,r2为两个随机变量,取值范围为[0,1],以增加搜索随机性;W表示惯性权重,调节对解空间的搜索范围;
惯性权重W采用线性递减权值,计算方式如下,
wmax表示最大惯性权重,取值为1.5,wmin为最小惯性权重,取值为0.5,iterations表示当前迭代次数,iterationsmax表示最大迭代次数,iterationsmax设置为200*D,其中D=4。
7.如权利要求1所述的地学数据多参数协同优化的IDW插值方法,其特征在于:步骤F‑6中,粒子群算法的终止条件为,迭代次数达到200或者最佳适应度值的增量比值少于1e 。
8.如权利要求1所述的地学数据多参数协同优化的IDW插值方法,其特征在于:步骤G中,最佳位置xi为使得适应度函数值最佳时的距离衰减系数、最邻近点数、距离调节及各向异性方向参数。