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。