[发明专利]一种地学数据多参数协同优化的IDW插值方法

说明书

本发明公开了一种地学数据多参数协同优化的IDW插值方法，包括以下步骤：A、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pbestsubgt;i/subgt;；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。本发明能够解决现有技术的不足，获得IDW插值效果在全局意义下的满意解。

技术领域

本发明属于地学数据处理技术领域，具体是一种地学数据多参数协同优化的IDW插值方法。

背景技术

在地学研究中，通常需要具有一定规则的面状数据。然而，多数可获得的地学数据都是站点采集的，呈现离散和不规则的分布。这就经常需要利用空间插值技术把不规则的离散数据转换成规则的面状空间数据。空间插值是通过有限的离散采样点来建立某种插值函数关系，并把待插值点一定范围内的已知采样点代入该函数表达式来获得该插值点的属性值。常用的空间插值方法包括克里金插值方法、自然邻域法、趋势面法及反距离加权插值(Inverse distance weighting,IDW)等。由于IDW插值原理简单、计算简便且符合地理学第一定律，被认为是GIS领域中一种标准的空间插值方法，在各学科领域都得到了广泛应用。然而，目前的IDW插值算法大多仅考虑单参数的调优，或对各参数独立调优，难实现插值模型的整体优化。此外，传统的IDW插值算法没有顾及各向异性对空间邻近度的影响。

发明内容

本发明要解决的技术问题是提供一种地学数据多参数协同优化的IDW插值方法，能够解决现有技术的不足，获得IDW插值效果在全局意义下的满意解。

本发明的内容包括以下步骤，

A、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。

作为优选，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[4，30]。

作为优选，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；