一种雨量站网点数目优化方法与流程

1.本发明涉及雨量站技术领域，特别是一种雨量站网点数目优化方法。


背景技术：

2.雨量站是有效监测暴雨和持续降水的重要设备，对一个区域进行有效监测，就需要在该区域内分散设置多个雨量站。
3.在应用中，雨量站的合理分布，是设置雨量站的重要研究课题，在对现有雨量站进行优化时，需要进行两方面的优化，其一是对于雨量站位置的合理分布进行优化，其二是对雨量站的数量进行合理优化。
4.如何解决上述问题，是本领域亟待解决的重要问题。


技术实现要素：

5.本发明的目的是提供一种雨量站网点数目优化方法，以解决现有技术中的不足，对当前雨量站网点的布局及数量进行优化。
6.本发明提供了一种雨量站网点数目优化方法，其中，包括，
7.s1，获取现有站点的位置及站点检测的第一时间序列实测降水数据和遥感装置检测的第二时间序列实测降水数据；
8.s2，获取初始站点，形成初始站网；
9.s3，计算潜在站点集；
10.s4，将潜在站点集中的各潜在站点加入站网得到新的站网，计算新的站网的综合信息量；综合信息量包括，最大化联合熵、最大化站网与未被选择的站点位置的互信息熵、最小化站网的冗余信息；
11.s5，计算新的站网的平均布局空间特征；
12.s6，计算新的站网的精度指标；
13.s7，根据每个潜在站点对应的综合信息量、平均布局空间特征和精度指标，选择最佳潜在站点；
14.s8，将最佳潜在网点，加入到初始网点中，并作为新的初始站网重复步骤s3
‑
s7，直到新的站网中站点的数量与预定的站点数量相等，得到优化后的站网；
15.s9，获取站点变更的位置的影响因素，计算原有站网整体布局结果。
16.如上所述的雨量站网点数目优化方法，其中，可选的是，步骤s1包括如下具体步骤，
17.s11，获取现有站点的位置；
18.s12，获取第一时间序列实测降水数据；
19.s13，获取与所述第一时间预测实测降水数据对应的第二时间序列实测降水数据；
20.s14，根据第二时间序列实测降水数据，判断所述第一时间序列实测降水数据中异常值；并记录对应的站点为异常站点；
21.s15，将所述第一时间序列实测降水数据中的异常值剔除。
22.如上所述的雨量站网点数目优化方法，其中，可选的是，步骤s14包括如下具体步骤，
23.s141，将第一时间序列实测降水数据中的各个数值与对应的第二时间序列实测降水数据作差后求绝对值；并将该绝对值与预设值比较，若该绝对值大于该预设值，则，将所述第一时间序列实测降水数据中的对应数值作为异常值；
24.s142，获取该异常值对应的站点及周围最近的至少三个站点；
25.s143，判断该周围最近的至少三个站点对应的第一时间序列实测降水数据是否为异常值；若至少两个最近站点对应的第一时间序列实测降水数据为异常值，则进入步骤s12，以重新获取在另一时段各站点的第一时间序列实测降水数据。
26.如上所述的雨量站网点数目优化方法，其中，可选的是，步骤s2还包括如下步骤：
27.s21，根据第二时间序列实测降水数据，计算像元处z
×
z范围的空间特征；其中，z为大于1的正整数；
28.s22，根据设定的目标函数，选取初始站点；初始站点的数量不大于现有站网数量三分之一。
29.如上所述的雨量站网点数目优化方法，其中，可选的是，步骤s22还包括，
30.s221，确定初始站点的选取数量；
31.s222，按选取数量依次选取初始站点；
32.步骤s8中还包括，
33.在得到优化后的站网后，回到步骤s2，直到按选取数量的组合方式已经全部执行一遍；得到多个优化后的站网；
34.从第二时间序列实测降水数据中，分别获取各个优化后的站网的各站点对应的数据，形成第三时间序列实测降水数据；
35.根据第三时间序列实测降水数据，计算各个优化后的站网对应的区域的降雨量；
36.根据第二时间序列实测降水数据，计算参照降雨量；
37.分别将各个优化后的站网对应的该区域的降雨量与参照降雨量比较，取与参照降雨量最接近的优化后的站网作为最终优化后的站网。
38.如上所述的雨量站网点数目优化方法，其中，可选的是，步骤s3包括如下步骤，
39.s31，判断初始站网中站点的数量；
40.s32，选择插值方法，若初始站网中站点的数量不小于4，选择泰森多边形划分的区域范围对设定的区域进行插值；若初始站网中站点的数量大于4，选择克里金插值方法进行插值；计算每个像元的误差；
41.s33，将每个像元周围z个像元窗口范围内的局部空间特征和该像元在时间序列内的平均克里金方差；若该局部空间特征大于第一设定阈值，且平均克里金方差大于第二设定阈值，则，将该像元选为潜在站点。
42.如上所述的雨量站网点数目优化方法，其中，可选的是，步骤s7包括，
43.s71，对综合信息量进行归一化处理；
44.s72，对平均布局空间特征进行归一化处理；
45.s73，对精度指标进行归一化处理；
46.s74，以归一化处理后的综合信息量、归一化后的平均布局空间特征与归一化后的精度指标之和的最大值为目标函数，筛选出最佳潜在站点。
47.如上所述的雨量站网点数目优化方法，其中，可选的是，步骤s9包括，
48.s91，计算原站网中的站点与优化后的站网中的端点之间的闵可夫斯基距离矩阵；
49.s92，求取闵可夫斯基距离矩阵的最小加和距离；
50.s93，获取该最小加和距离对应站点关系，作为最终的整改方案。
51.如上所述的雨量站网点数目优化方法，其中，可选的是，步骤s2中，初始站点的数量为3或4个。
52.如上所述的雨量站网点数目优化方法，其中，可选的是，步骤s8中预定的站点数量不小于现有站网的站点数。
53.与现有技术相比，本发明通过获取现有站点的位置及站点检测的第一时间序列实测降水数据和第二时间序列实测降水数据，并通过插值的方式不断增加新的站点，新增加的站点是通过综合信息量、平均布局空间特征和精度指标三个指标进行的优化。经过优化，能够使站点的布局更加合理。
附图说明
54.图1是本发明实施例1的步骤流程图；
55.图2是步骤s1的具体步骤流程图；
56.图3是步骤s2的具体步骤流程图；
57.图4是步骤s3的具体步骤流程图；
58.图5是步骤s9的具体步骤流程图；
59.图6是本发明实施例2的步骤流程图。
具体实施方式
60.下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
61.实施例1，
62.在本实施例中，要解决问题是如何对现有站网中的站点分布进行优化，以使雨量站的分布更加合理，目的是，已有地面监测站点的基础上，综合考虑要素监测的时空特征、精度要求以及建设成本(包括投资规划、建设条件及成本等)等因素，通过对测站数量、站点位置的优选设置与应用评估，实现站网整体效能的最大化。对站网效能的描述应包括站网对监测要素时间变化特征、空间变化特征的捕获能力以及监测获取信息的精度三个维度。水文要素的时间变化特征是指特定位置上，水文要素时间序列所表现出来的波动、事件及规律等，可以用统计学方法或熵理论方法来表达；水文要素的空间变化特征是指水文要素在特定时间点上的空间分布及空间差异，可以用地统计学方法和熵理论方法来表达；站网的信息获取精度是指站网获取的信息与水文要素本身真值之间的一致性。
63.具体地，请参照图1到图5，本实施例提出了一种雨量站网点数目优化方法，其中，包括，
64.s1，获取现有站点的位置及站点检测的第一时间序列实测降水数据和遥感装置检
测的第二时间序列实测降水数据。具体地，在本步骤中，第一时间序列实测降水数据，是利用现有站网进行的检测的结果，而第二时间序列实测降水数据，是利用遥感技术测得的数据，其中，第一时间序列实测降水数据与第二时间序列实测降水数据在时间上具有对应关系，而在空间上，第二时间序列实测降水数据要多于第一时间序列实测降水数据。
65.在本步骤中，包括如下具体步骤，请参照图2，
66.s11，获取现有站点的位置；即，获取各个站点的位置，以便于后期计算更新后的站点原有站点之间的位置变化关系。
67.s12，获取第一时间序列实测降水数据。
68.s13，获取与所述第一时间预测实测降水数据对应的第二时间序列实测降水数据。此处，所指的“对应”是指在时间上的对应，第一时间预测实测降水数据与第二时间序列实测降水数据均是同一时段的测量结果。此处所指的同一时段可以是以年为单位。
69.s14，根据第二时间序列实测降水数据，判断所述第一时间序列实测降水数据中异常值；并记录对应的站点为异常站点。对第一时间序列实测降水数据中的异常站点进行剔除，以防止异常值对于优化结果的影响。
70.具体地，判断异常值的方法为：
71.s141，将第一时间序列实测降水数据中的各个数值与对应的第二时间序列实测降水数据作差后求绝对值；并将该绝对值与预设值比较，若该绝对值大于该预设值，则，将所述第一时间序列实测降水数据中的对应数值作为异常值。
72.当|dat
1i
‑
dat
2i
|＞dat
0i
时，将dat
1i
作为异常值，剔除。其中，dat
1i
为第i个站点测得的第一时间序列实测降水数据，dat
2i
为第二时间序列实测降水数据中与dat
1i
对应的数据；dat
0i
为与第i个站点对应的预设值，在具体实施时，dat
0i
可以为同一值。
73.s142，获取该异常值对应的站点及周围最近的至少三个站点；具体实施时，根据现有站点的位置，找出与异常值对应站点，并将该站点周围最近的三个的端点。具体实施时，将异常值对应的站点记为异常站点，然后，计算其他各个站点距离所述异常站点的距离，按距离从小到大进行排序，选取前三个站点，记为最近站点。
74.s143，判断该周围最近的至少三个站点对应的第一时间序列实测降水数据是否为异常值；若至少两个最近站点对应的第一时间序列实测降水数据为异常值，则进入步骤s12，以重新获取在另一时段各站点的第一时间序列实测降水数据。在本步骤中，判断最近站点对应的第一时间序列实测降水数据是否为异常值的方法与s141中的方法一致。在此不再赘述。当最近站点中有至少两个为异常站点时，说明在一定范围内，第一时间序列实测降水数据与第二时间序列实测降水数据存在较大差异，而这种差异较大的可能性是该时间段内的遥感检测结果出现错误，当然，也不排队是由于多个站点出现异常而造成的，但无论如何，在这种情况下，是无法用于方案优化的。因此，需要重新选择其他时段的第一时间序列实测降水数据与第二时间序列实测降水数据进行优化。在实际应用时，在判断是否需要重新选择其他时段的数据时，至少两个最近站点为异常值，也可以是至少1个最近站点为异常值。
75.当然，在实际应用时，也可以是直接对各个第一时间序列实测降水数据进行异常值判断，若异常站点的数量大于设定值，如5个时，重新选取第一时间序列实测降水数据与第二时间序列实测降水数据进行优化。相比于这种判断方法，前述提出的方法，能够避免多
个异常站点积聚的情况。
76.s15，将所述第一时间序列实测降水数据中的异常值剔除。
77.事实上，当异常站点数量不过多时，若其在整个区域内的分布较为分散，在剔除后，依然能够进行优化以得到较好的站网分布方案。而异常站点聚集时，则，难以得到理想的站网分布方案。
78.s2，获取初始站点，形成初始站网。
79.对于初始站点的选择，主要包括初始站点的数量、初始站点的位置选择。在本实施例中，可以直接根据实际现有站点的数量进行设定，如现有站点的数量为40个，可以选择4个或6个作为初始站点，而初始站点的位置，可以以尽量分散的原则进行选择，也可以是随机选择。关于此将在实施例2和3中作更详细的陈述，此处不再赘述。
80.请参照图3，在本步骤中，包括如下具体步骤：
81.s21，根据第二时间序列实测降水数据，计算像元处z
×
z范围的空间特征及平均克里金方差；其中，z为大于1的正整数。具体地，将其视为离散随机变量x，根据时间序列l将对应的某像元处z
×
z范围分成l组，p
i
(σ
z
)表示第i组中发生概率，x
j
表示z
×
z范围内的第j个像元对应的第二时间序列实测降水数据，表示z
×
z范围内对应的第二时间序列实测降水数据的平均值。
[0082][0083]
其中，si
z
(x)表示像元x周围z个像元窗口范围内的局部空间特征也就是变量x的信息熵，为x周围z个像元窗口范围内所有时间l内的平均克里金方差。其中，t1表示第一阀值，t2表示第二阀值；
[0084]
对上述两个不等式进行逻辑且运算，即，满足以上两个条件的区域，即为存在潜在点的区域。利用以上不等式，确保了选取高时空特征的站点，且无法通过现有的站网获得准确雨量值的点作为潜在初始站点区域。
[0085]
s22，根据设定的目标函数，选取初始站点；初始站点的数量不大于现有站网数量三分之一。
[0086]
在本实施例中，假设原站网内共计n处处于潜在初始站点区域的站点，表示为{x1，x2，...，x
n
}，站点x
n
在时间序列l上的数据记为{x
n1
，x
n2
，...，x
nl
}，研究区网格共计m网格，记为{g1，g2，...，g
n
}，x
n
站点通过克里金插值计算的研究区网格g
m
的时间序列数据记为{g
m1
，g
m2
，...，g
ml
}，研究区所有网格{g1，g2，...，g
n
}与站点x
n
在时间序列上的平均绝对误差记为其中表达式为：
[0087][0088]
因此，选择初始点时的可以从精度最优，进行选择，如选择若干个精度最优的点，作为初始站点；其公式表达示为：当然，也可以是信息量最优，其表达式为：其中，h
xn
为x
n
站点的信息量。
[0089]
其中，信息量的表达式为：
[0090][0091]
其中，p
xi
为事件x
i
发生的概率。
[0092]
作为另一种选择方式，也可以是局部空间特征最优：在具体使用时，可以是通过以上三种方式的任一方式中，选取若干个最优站点作为初始站点。作为另一种方式，也可以是通过以上三种方式分别选取若干个备选初始站点，然后再从备选初始站点中选取一定数量的备选初始站点作为备选初始站点。
[0093]
而在本实施例中，以综合指标最优为目标来选取初始站点，其表达式为：其中，表示x
n
的综合指标，而综合指标的计算公式为：在选择初始站点时，可以直接选择若干个综合指标最优的站点作为初始站点。
[0094]
s3，计算潜在站点集。潜在站点集的作用是为了基于选择的初始站点选择出潜在站点可能出现的位置。请参照图4，本步骤包括如下步骤，
[0095]
s31，判断初始站网中站点的数量；判断初始站网中站点的数量的目的为了选择插值方法。确定了初始点后，在后续的计算和站网能力分析时均需区域降水数据，当站点数较少，克里金插值精度难以保证。在现有技术中，通常是增加初始站点的数量，而增加了初始站点的数量，又会增大筛选初始站点的难度，同时，还会在一定程度上缩小得到最佳优化结果的可能性。为了能够在初始站点数量较少的情况下，依然能够得到最佳优化结果。本实施例通过利用初始站点数量来选择不同的插值方法。
[0096]
s32，选择插值方法，若初始站网中站点的数量不小于4，选择泰森多边形划分的区域范围对设定的区域进行插值；若初始站网中站点的数量大于4，选择克里金插值方法进行插值；计算每个像元的误差；
[0097]
具体地，插值方法的表达式如下，
[0098][0099]
其中，用于表示插值方法，v表示voronoi图的编号，当筛选的站网的点数n小于4时，根据泰森多边形划分的区域范围对研究区进行赋值；当站网的点数大于4时，应用克里
金方法计算研究区的降水量，其中λ
i
为第i个站点的权重系数，而x
i
为对应位置处的降水数据的估计值。
[0100]
s33，将每个像元周围z个像元窗口范围内的局部空间特征和该像元在时间序列内的平均克里金方差；若该局部空间特征大于第一设定阈值，且平均克里金方差大于第二设定阈值，则，将该像元选为潜在站点。
[0101]
即，在选择潜在站点时，利用局部空间特征和平均克里金方差进行选择，具体地，其方法与选择潜在初始站点的方法一致。具体可以参照前述si
z
(x)与的计算公式，在此不再赘述。
[0102]
s4，将潜在站点集中的各潜在站点加入站网得到新的站网，计算新的站网的综合信息量；综合信息量包括，最大化联合熵、最大化站网与未被选择的站点位置的互信息熵、最小化站网的冗余信息。
[0103]
为了对潜在站点进行最终确定为优化后的站点，需要对潜在站点作进一步筛选，以选择出最佳潜在站点。为了选择出最佳潜在站点，本实施例中，所选择的确定最佳潜在站点的指标为综合信息量。
[0104]
假设初始站网有n处站点，表示为x
s1
，x
s2
，...，x
sn
，根据上面的描述，已筛选m处潜在站点位置，表示为y
f1
，y
f2
，...，y
fm
。潜在站点只有满足以三项准则(准则1，具有最大化站网的时间特征，准则2，具体最大化站网的空间特征，准则3，最大化站网的实际应用精度)，才能被选为最佳潜在站点，以作为新增站点。
[0105]
站网的时间特征，也就是综合信息量i
net
(x，y
fi
)，包括
①
最大化联合熵，使站网能够从研究区域的时间序列数据中获取足够的信息；
②
最大化站网与未被选择的站点位置的互信息熵，确保所最终的站网覆盖了尽可能多的未在站网内的站点的信息；
③
最小化站网的冗余信息，确保站网之间冗余信息最小。其中，i
net
(x，y
fi
)的表达式为：
[0106]
i
net
(x，y
fi
)＝μ
×
[h(x
s1
，x
s2
，...，x
sn
，y
fi
)+t(<x
s1
，x
s2
，...，x
sn
，y
fi
>，<y
f1
，...，y
f(i
‑
1)
，y
f(i+1)
...，y
fm
>)]
‑
(1
‑
μ)
×
c(x
s1
，x
s2
，...，x
sn
，y
fi
)
[0107]
其中，h为离散型随机变量的信息熵，t为互信息，是两个变量的冗余信息量；c是组成站网的冗余信息量。μ为权重系数，此处选为0.9。x1，x2，...，x
m
表示雨量站网中现有站点，y
fi
为m个潜在站点之一。
[0108]
s5，计算新的站网的平均布局空间特征；
[0109]
确保充分捕捉区域雨量的空间特征。计算指标是监测站网的平均局部空间特征值。站网的局部平均空间特征越高，所捕捉到的区域降水时空性越强。站网的空间性指标si
net
(x，y
fi
)的表达式如下：
[0110][0111]
其中si
z
(x
sj
)是指站点x
sj
的局部空间特征。
[0112]
s6，计算新的站网的精度指标；应用最小化区域克里金方差作为应用精度指标，确保实际应用质量，用a
net
(x，y
fi
)表示站网的精度指标，其表达式如下：
[0113]
[0114]
其中，var
ij
表示第j个潜在站点，在第i个时间序列上对应的克里金方差。
[0115]
s7，根据每个潜在站点对应的综合信息量、平均布局空间特征和精度指标，选择最佳潜在站点。
[0116]
其中，可以以综合信息量、平均布局空间特征和精度指标来选择最佳潜在站点，其中，可以作为多目标优化问题解决，其目标如下：
[0117][0118]
为了便于求取优化结果，需要将多目标问题转化为单目标问题，该单目标为：max{i
net
(x，y
fi
)+si
net
(x，y
fi
)+a
net
(x，y
fi
)}。
[0119]
本步骤中，包括以下具体步骤：
[0120]
由于以上三个优化目标之间存在一定的关联和相互影响，为了避免不同维度之间的差异，在转化为单目标问题之前，需要将对多目标进行归一化处理；其中包括步骤s71到步骤s73。
[0121]
s71，对综合信息量进行归一化处理；所使用归一化方法为：
[0122][0123]
其中，i
net
(x，y
fi
)
max
表示初始站网在新增站点后，站网的综合信息量的最大值；i
net
(x，y
fi
)
min
表示初始站网在新增站点后，站网的综合信息量的最小值；
[0124]
s72，对平均布局空间特征进行归一化处理；
[0125]
使用如步骤s71的方法对平均局部空间的特征值进行归一化处理，以得到归一化后的平均局部空间的值，
[0126]
s73，对精度指标进行归一化处理；
[0127]
使用如步骤s71的方法对精度指标进行归一化处理，以得到归一化后的精度指标，
[0128]
s74，以归一化处理后的综合信息量、归一化后的平均布局空间特征与归一化后的精度指标之和的最大值为目标函数，筛选出最佳潜在站点。
[0129]
经过上述处理，该目标函数为：理论上，随着站点数量的增加，站网的总信息量、平均局部空间特征值和平均克里金方差收敛到一个稳定的值。
[0130]
s8，将最佳潜在网点，加入到初始网点中，并作为新的初始站网重复步骤s3
‑
s7，直到新的站网中站点的数量与预定的站点数量相等，得到优化后的站网。经过上述步骤，已经能够得到与预定的站点数量相等的优化后站网。
[0131]
从原站网变化到优化后的站网，有多种修改方案，而不同的方安对应的修改成本不同。为了得到最佳的修改方案，本实施例还包括如下步骤：
[0132]
s9，获取站点变更的位置的影响因素，计算原有站网整体布局结果。
[0133]
请参照图5，在本步骤中，s91，计算原站网中的站点与优化后的站网中的端点之间的闵可夫斯基距离矩阵；具体地，根据最优站网的位置，结合距离、经济、位置调整的困难程度甚至时间序列数据的价值等因素，计算站网每处站点位置调整的闵可夫斯基距离，组合为站网优化的闵可夫斯基距离矩阵s，从而将问题转化为“指派问题”，通过匐牙利算法，可以得出站网的布局优化方案。原有站网的站点集表示为{x1，x2，...，x
n
}，通过上述方法得到的优化后的站网的站点集为{y1，y2，...，y
n
}站点位置调整考虑k项条件，则站点x
n
调整位置y
n
的闵可夫斯基距离表示为：
[0134][0135]
其中，表示原有站点x
n
i的位置座标；表示优化后的站点y
n
i的位置座标。站网调整的闵可夫斯距离矩阵s为：
[0136][0137]
s92，求取闵可夫斯基距离矩阵的最小加和距离；
[0138]
s93，获取该最小加和距离对应站点关系，作为最终的整改方案。
[0139]
实施例2，
[0140]
与实施例1相比，本实施例的区别主要在于，对于初始点的选择。在本实施例中，可以不对潜在初始站点进行预选，而是通过随机的方式进行选取。
[0141]
请参照图6，具体地，不进行s21步骤中的计算，而是直接进行步骤s22，且，在步骤s22中，也不是根据目标函数进行筛选，而是根据通过如下步骤来确定初始站点。
[0142]
s221，确定初始站点的选取数量；具体实施时，在实施例1及本实施例中，确定初始站点的选取数量，可以根据经验进行确定，如3个或4个。
[0143]
s222，按选取数量依次选取初始站点；在此处，是通过随机的方式进行选取，且，所选取的初始站点形成的初始站网与之前所有的初始站网均不同。通过这种方式，可以得到以所有不同初始站网为起始的优化方案。
[0144]
步骤s8中还包括，
[0145]
在得到优化后的站网后，回到步骤s2，直到按选取数量的组合方式已经全部执行一遍；得到多个优化后的站网。如此，得到的优化方案，与初始站网的选择的组合数量相等。
[0146]
从第二时间序列实测降水数据中，分别获取各个优化后的站网的各站点对应的数据，形成第三时间序列实测降水数据；根据第三时间序列实测降水数据，计算各个优化后的站网对应的区域的降雨量；根据第二时间序列实测降水数据，计算参照降雨量；分别将各个优化后的站网对应的该区域的降雨量与参照降雨量比较，取与参照降雨量最接近的优化后的站网作为最终优化后的站网。如此，能够得到最佳的选取方式。
[0147]
事实上，由于初始站点是以现有站网中的站点选择出来的，因此，由于所选初始站点不合理，会导致优化结果不理想。
[0148]
为此，在得到优化后的站网后，回到步骤s2之前，删除掉此次优化时的初始站点，重复步骤s3到s8，继续进行优化，直到满足步骤s8中的条件再次得到优化后的站网后，回到步骤s2。
[0149]
实施例3，
[0150]
在实施例1和2中，优化后的方案中，站点的数量与原站网中的站点数量相等，但在实际应用中，由于站点建设、移动成本的变化，以及站网功能的变化，使得保持原有数量的站点已经不再是最佳方案，因此，这就需要对站点的数目进行优化。
[0151]
步骤s8中预定的站点数量不小于现有站网的站点数。具体实施时，预定的站点数量不大于现有站点数量的2倍。
[0152]
具体地，当对站点的数量进行优化时，步骤s74中的目标函数不再是而是，当站点数量增加后，目标函数结果比未增加该站点时目标函数结果的增加量小于设定值。即，当增加一个站点后，由于目标函数结果的增加量较小，说明增加一个站点，并不能达到理想效果，即，增加站点所带来的效果并不最佳。通俗地来讲，新增的站点性价比较低。因此，最佳的结果就是，不增加该新增点时的优化结果。
[0153]
以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。