专利名称：一种生态系统碳交换影响因素提取方法及系统的制作方法
技术领域：
本发明涉及数据挖掘及模糊粗糙集技术领域，尤其涉及一种生态系统碳交换影响因素提取方法及系统。
背景技术：
对大气二氧化碳的研究关系到人类可持续发展和对生态系统间规律的认识，目前国内外通过在各生态系统设立观测站、建立碳塔来获取碳通量数据。然而，由于碳塔造价不菲、容易受到环境和仪器故障等影响不能够得广泛推广。并且，只有从碳通量观测站数据和遥感数据中，挖掘各环境和气象等因素与碳通量的关系，才有可能利用遥感图像和地面气象站等数据，研究区域的乃至全球的碳通量的时空模式。在数据分析上，国内外大多依靠统计学方法对生态学家认为重要的环境因子进行回归分析或统计分析，其缺陷是依靠经验对个别属性进行分析，缺乏全面性和容易忽视重要规律；虽然，近年来，已经有一些学者通过人工智能方法对碳通量的规律及模式进行研究，但侧重在对碳通量进行预测上，并未从影响碳通量环境因子的角度对其进行深入分析，其结果是导致预测模型复杂，且难以发现内在规律；另外，无法对不同生态系统的碳通量属性数据进行统一分析，发现各自的异同点也是现阶段存在的不足。
发明内容
本发明的目的在于提供一种能缩小研究与碳通量相关的生态因子范围，降低分析难度，降低预测模型复杂度的生态系统碳交换影响因素提取方法。本发明的另一目的在于提供一种方便实用的生态系统碳交换影响因素提取方法所用的系统。为解决上述问题，本发明提出了一种生态系统碳交换影响因素提取方法，其包括以下步骤
1)从碳通量数据观测站中获取碳通量样本的属性数据；
2)输入由步骤1)获得的碳通量样本的属性数据，确定属性数据的隶属函数并计算各个属性隶属度，提取环境因子集重要度，获得与碳通量相关的环境因子集；
3)将步骤2)获得的环境因子集中的各个环境因子分别运用神经网络进行建模仿真，得出碳通量环境因子提取率。所述碳通量属性数据的数据类型包括连续的、缺失的、标称值的、离散的、序数的、数值型、字符型数据。所述步骤2)具体包括以下步骤
21)根据获取的碳通量数据样本的属性数据，对碳通量数据样本进行数据预处理；
22)设置相关系数阈值，相关系数阈值范围为W.9，0.95]；
23)分别计算各个属性间相关系数值；将计算后的各个属性间的相关系数值与步骤 22)设置的相关系数阈值进行比较判定，如果属性间相关系数值大于相关系数阈值时，则将该环境因子剔除，小于相关系数阈值时则保留该环境因子，获得环境因子集；
24)将步骤23)保留获得的环境因子集通过隶属度函数进行映射，求出各属性数据的模糊上近似集、模糊下近似集和模糊粗糙集正域值，通过模糊粗糙集正域计算出条件属性子集对决策属性重要度；
25)通过一种提出的基于混合蛙跳的模糊粗糙集约简算法或基于重要度的模糊粗糙集快速约简算法，对属性进行组合，通过评价函数计算组合后的属性适应度，当属性适应度达到最大时，使其满足停止搜索条件，输出保留的环境因子。 所述步骤25)的基于混合蛙跳算法的模糊粗糙集约简优化算法，该方法是结合了基于模因进化的模因演算法和基于群体行为的粒子群算法两种种群智能优化算法的优点， 仿照青蛙觅食跳跃过程，通过种群青蛙的跳跃找到食物较多的地方，该算法具有概念简单， 调整的参数少，计算速度快，全局搜索寻优能力强，易于实现的特点。具体实现所属步骤如下
2511)随机初始化种群，每个青蛙表示一个不同条件属性子集，并对个体按适应值由大到小排序；
2512)通过青蛙子群中最好个体和最差个体的运算获得新个体，计算新个体的属性个数JV5和模糊粗糙集重要度γ，从
而获得目标函数的适应度 ；
权利要求
1.一种生态系统碳交换影响因素提取方法，其特征在于包括以下步骤1)从碳通量数据观测站中获取碳通量样本的属性数据；2)输入由步骤1)获得的碳通量样本的属性数据，确定属性数据的隶属函数并计算各个属性隶属度，提取环境因子集重要度，获得与碳通量相关的环境因子集；3)将步骤2)获得的环境因子集中的各个环境因子分别运用神经网络进行建模仿真，得出碳通量环境因子提取率。
2.根据权利要求1所述生态系统碳交换影响因素提取方法，其特征在于所述碳通量属性数据的数据类型包括连续的、缺失的、标称值的、离散的、序数的、数值型、字符型数据。
3.根据权利要求1所述生态系统碳交换影响因素提取方法，其特征在于所述步骤2)具体包括21)根据获取的碳通量数据样本的属性数据，对碳通量数据样本进行数据预处理；22)设置相关系数阈值，相关系数阈值范围为W.9，0.95]；23)分别计算各个属性间相关系数值；将计算后的各个属性间的相关系数值与步骤 22)设置的相关系数阈值进行比较判定，如果属性间相关系数值大于相关系数阈值时，则将该环境因子剔除，小于相关系数阈值时则保留该环境因子，获得环境因子集；24)将步骤23)保留获得的环境因子集通过隶属度函数进行映射，求出各属性数据的模糊上近似集、模糊下近似集和模糊粗糙集正域值，通过模糊粗糙集正域计算出条件属性子集对决策属性重要度；25)通过基于混合蛙跳的模糊粗糙集约简算法或基于重要度的模糊粗糙集快速约简算法，对属性进行组合，通过适应度函数，计算属性组合的适应度，当属性适应度达到最大时， 满足停止搜索条件，输出保留的环境因子。
4.根据权利要求3所述生态系统碳交换影响因素提取方法，其特征在于所述步骤25) 的基于混合蛙跳的模糊粗糙集约简算法具体实现如下，如果,Λ^ ,则更新条件属性子集；直至遍历所有条件属性组合后，f腳小于或等于/ ^时，则f 为步骤25)所述的最大属性适应度 是指更新的条件属性子集适应度 是指更新之前条件属性子集适应度； 其中 ；式中“、 为取值(0，1)的系数，Nc为条件属性个数，ATj为约简后属性个数，y为约简后条件属性子集对决策属性重要度；所述步骤25)的基于重要度的快速模糊粗糙集约简算法的实现步骤包括251)通过单属性分析出各个属性重要度，统计属性个数，将属性按照条件属性对决策属性重要度由大到小排列；取其中条件属性个数的前1/3作为第一次尝试约简集C83,；计算约简隼t 决策属性的重要度，记录为/〔； 252)计算所有条件属性对决策属性的重要度;K1df，判断与，的关系，如果γ'ctry等于γ 'all则剔除ctry中重要度最小的条件属性，直至满足γ'all-γ'ctry<0 01 ，则停止剔除ctry中的条件属性；253)如果γ'cty不等于γ'all则需要添加条件属性到Ctry中，重新计算添加了条件属性的重要度γ‘cadd直至满足
5.根据权利要求1所述生态系统碳交换影响因素提取方法，其特征在于所述步骤3)具体包括31)输入约简后碳通量样本的属性数据；32)输入约简前碳通量样本的属性数据；33)分别计算约简前碳通量样本的属性数据样本预测值、约简后碳通量样本的属性数据样本预测值与碳通量属性数据实测值的相关性；34)通过约简前所有条件属性相对于决策属性重要度γαll和约简后条件属性集相对于决策属性的重要度γreduce的比值，求得信息保留率；γ函数为
6.根据权利要求5所述生态系统碳交换影响因素提取方法，其特征在于，所述步骤33) 是利用神经网络来建立仿真模型，计算训练集和测试集的相关度、均方根误差、训练集和测试集平均绝对误差。
7.—种生态系统碳交换影响因素提取方法所用的系统，其特征在于包括数据导入模块(1)，用于从各碳通量观测网站中获取生态系统的碳通量样本的属性数据；因素提取模块(2)，用于对所述生态系统的碳通量样本的属性数据进行数据挖掘，获得与碳通量相关的环境因子集；输入模块(3)，用于输入约简前碳通量样本的属性数据与约简后碳通量样本的属性数据；评价模块(4)，用于计算与碳通量相关的环境因子提取前和提取后的信息保留率和碳通量环境因子提取率。
8.根据权利要求7所述的系统，其特征在于所述碳通量属性数据的数据类型包括连续的、缺失的、标称值的、离散的、序数的、数值型、字符型数据。
9.根据权利要求7所述的系统，其特征在于所述因素提取模块(2)包括数据预处理单元(21)，用于对获取的生态系统的碳通量样本的属性数据进行属性填补、属性数据标准化；输入单元(22)，用于设定相关系数阈值及模糊粗糙集属性约简算法参数； 数据挖掘单元(23)，用于挖掘对碳量有主要影响的最优条件属性子集，输出约简结果， 得到与碳通量数据相关环境因子集。
10.根据权利要求7所述的系统，其特征在于所述评价模块(4)包括 模型仿真单元(41)，用于对输入的数据进行建模仿真；模型计算单元(42)，用于计算训练集和测试集的相关度、均方根误差、训练集和测试集平均绝对误差；效率评价单元(43)，用于计算约简后属性和约简前属性的碳通量环境因子提取率。
全文摘要
本发明公开一种生态系统碳交换影响因素提取方法及系统，本发明提取方法包括以下步骤1)从碳通量数据观测站中获取碳通量样本的属性数据；2)输入由步骤1)获得的碳通量样本的属性数据，通过提出的混合蛙跳的模糊粗糙集约简算法或基于重要度的快速模糊粗糙集约简算法，选取最佳组合，找出与碳通量关系最密切的环境因子集；3)将步骤2)获得的环境因子集中的各个环境因子分别运用神经网络进行建模仿真，得出碳通量环境因子提取率。本发明提供的提取系统包括数据导入模块、因素提取模块、输入模块、评价模块。本发明能够有效缩小研究生态环境中与碳通量相关因子的范围，提高研究效率和发现环境因子间的内在规律。
文档编号G06F17/50GK102495919SQ20111036789
公开日2012年6月13日 申请日期2011年11月18日 优先权日2011年11月18日
发明者王楷, 薛月菊, 陈汉鸣 申请人:华南农业大学