[发明专利]一种地学数据多参数协同优化的IDW插值方法

权利要求书

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pbest_i；

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，Z_j为点j处的实测值，S_ij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；

(X_i，Y_i)和(X_j，Y_j)表示点i与j的笛卡尔坐标；

当λ等于1，那么S_ij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，

E_ij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E_ij替换原有的S_ij。

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x_i代入得到每个粒子的f(x_i)，f(x_i)为适应度函数，x_i表示第i个粒子的位置(α_i，N_i，λ_i，θ_i)，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，Z_k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x_i代入适应度函数绘制成曲面，得到arg min f(x_i)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，x_i＝arg min f(x_i)，其中argmin为使其后面式子达到最小值时的变量取值。