CN109146158A - 一种高寒草甸草地生态系统健康分析方法、计算机 - Google Patents
一种高寒草甸草地生态系统健康分析方法、计算机 Download PDFInfo
- Publication number
- CN109146158A CN109146158A CN201810876476.XA CN201810876476A CN109146158A CN 109146158 A CN109146158 A CN 109146158A CN 201810876476 A CN201810876476 A CN 201810876476A CN 109146158 A CN109146158 A CN 109146158A
- Authority
- CN
- China
- Prior art keywords
- alpine meadow
- index
- meadow
- alpine
- health
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明属于农业生态评估技术领域,公开了一种高寒草甸草地生态系统健康分析方法、计算机,对位于网络层元素的相互关系建立判断矩阵,并利用网络架构的分析方法求出极限超矩阵及各底层指标权重,通过与现有方法对比,本发明得到的数据更加全面合理因此,能准确判断草地健康状况。本发明对于技术人员和农牧民来说方便实用,能够有效指导基层技术人员和农牧民对草地进行合理的利用与科学的管理,维护草地生态系统健康状况,为草地畜牧业持续发展和草地生态功能的持续发挥奠定基础。
Description
技术领域
本发明属于农业生态评估技术领域,尤其涉及一种高寒草甸草地生态系统健康分析方法、计算机。
背景技术
目前,业内常用的现有技术是这样的:
高寒草甸草地年均气温1.1℃,年均降水量752.4mm,主要集中在5-9月,≥10℃的年积温为3220℃,无绝对无霜期,属高寒湿润区。植被为亚高山草甸和沼泽化草甸,建群种为莎草科和禾本科,土壤为亚高山草甸土和草甸潮土。
天然草地生态系统是畜牧业发展的重要基础,对保护生物多样性和维护区域生态平衡有重要意义。草地资源利用状况及变化趋势可反映出人们对草地利用的合理性,更是生态保护与畜牧业发展关注的焦点。近年来,青藏高原草地退化严重,影响广大牧区、半牧区社会经济的可持续发展,危及青藏高原及下游地区的生态安全和国民经济发展。故对草地健康施行随时监测是草原生态保护不可缺的工作内容。通过草地资源监测和草地健康评价,可以及时准确地了解草地资源的时空配置状况,实现草地科学管理和合理利用,对草地畜牧业的发展及生态保护有极其重要的指导意义。草地生态系统健康涉及范围广,生态系统健康评价需要综合考虑各种因素,从不同角度、不同层次进行评价,同时具有很强的针对性。国内外学者对草地生态系统健康的评价体系进行了多角度大量的研究,特别是在草地健康评价标准及等级划分方面。但已有的评价体系理论性较强,指标层次复杂、专业性强,指标测量方法使处于生产一线的基层技术人员和牧民难以学习和操作,很难应用到实际生产中,因此亟需在以往理论研究的基础上,结合生产实践和社区传统知识,构建适合该地区简单、科学的天然草地生态系统健康评价体系。
天然草地健康评估的作用是对草地的健康状况进行诊断预警,针对诊断结果采取相应的技术措施以更好的恢复和管理草地,避免草地到了崩溃或者难以恢复的时候才采取措施,那样恢复的物力成本和时间成本非常高,甚至难以逆转。青藏高原的牧民是草地生态的保护者,是草原管理的实践者,是草原文化的传承者,是草原畜产品的生产者,所以牧民是草原保护管理的主体,草地健康评估的方法要让牧民和基层技术人员掌握应用才有作用。
综上所述,现有技术存在的问题是:
现有技术不能较为客观评价高寒草甸草地生态系统健康状况。
已有的评价体系理论性较强,指标层次复杂、专业性强,指标测量方法使处于生产一线的基层技术人员和牧民难以学习和操作,很难应用到实际生产中,
目前研究高寒草甸草地评价的数学模型有很多种,比如因子分析模型、模糊数学模型、聚类模型等。但是这些传统的高寒草甸草地评价模型并没有很好地解决高寒草甸草地观测指标与高寒草甸草地退化级别之前的非线性关系。高寒草甸草地评价的目的不只是简单地分类出各指标的退化等级,不能综合合理地评价出高寒草甸草地等级。
发明内容
针对现有技术存在的问题,本发明提供了一种高寒草甸草地生态系统健康分析方法、计算机。
本发明是这样实现的,一种高寒草甸草地生态系统健康分析方法,应用于计算机,所述高寒草甸草地生态系统健康分析方法包括:
首先将目标高寒草甸草地生态系统按照具体情况和指标的属性进行分解,构建层次结构;
然后从指标层的指标中通过计算分析得到N个评估高寒草甸草地健康的指标,再通过熵权法对得到的N个评估高寒草甸草地健康的指标进行赋权得到每个指标的熵权,接着计算得到N个评估高寒草甸草地健康的指标分值;计算得到N个评估高寒草甸草地健康的指标分值中,将图像去噪模型应用到同一区域高寒草甸草地样本预处理中,建立带权的高斯平滑滤波器矩阵模型,计算高斯平滑中心点相对左右阀值的差值和,最后计算高斯平滑处理后的样本值;
将因子分子与模糊数学隶属度结合得到单项指标的因子隶属度,得到对高寒草甸草地单项指标评价;计算综合权重,得到不同物质浓度对应的综合评定权重;最后使用模糊模型中统一化权重计算,得到高寒草甸草地综合权重矩阵,计算得到高寒草甸草地状况;
区域性分析,通过不同高寒草甸草地区域退化热力图着色情况,分析各高寒草甸草地退化对比度,通过高寒草甸草地名称关键字索引,调用百度LBS定位API接口,实时定位经纬度;服务器端调用高寒草甸草地评价模块完成高寒草甸草地数据处理、评定;结合高寒草甸草地经纬度,转换成能提供百度热力图使用的JSON格式数据包;调用百度热力图模块的SDK,实现动态实时刷新热力图;
通过获取高寒草甸草地流域天气指数,向用户反馈时间向量性天气温度信息和各天气指数;天气分析通过获取高寒草甸草地流域天气指数,向用户反馈时间向量性天气温度信息和各天气指数;用户直观地了解各高寒草甸草地区域的具体空气质量、各指数信息、天气状况以及对天气时间向量的未来预测;
改进因子定权模型成果展示,各项指标评价子模块是前期高寒草甸草地预处理结果的呈现,将海量数据通过高斯去噪模型处理后,得到合理指标数据;通过因子定权模型分析,将数据经傅立叶加权变换转换成对应退化度的退化值,得到最后高寒草甸草地退化等级;高寒草甸草地基础信息子模块实时显示高寒草甸草地预处理和评价过程中的关键数据信息,让用户直观了解高寒草甸草地评价中各项指标动态因子权重和退化等级因子隶属概率;
结合相关分析算法对当前各项超标高寒草甸草地指标和预测超标指标向用户发出警报,以高寒草甸草地评价模块计算数据为基础,设置退化警报指数,根据BP神经网络预测算法,预测下一时间节点的高寒草甸草地高寒草甸草地各项退化指标值,根据监控数据实时自动向用户发出警报;
再计算得到高寒草甸草地健康得分值;
最后,根据高寒草甸草地健康得分情况通过高寒草甸草地健康评价标准确定高寒草甸草地的实际健康状况。
进一步,所述通过不同高寒草甸草地区域退化热力图着色情况,了解各高寒草甸草地退化对比度实现过程如下:
通过高寒草甸草地名称关键字索引,调用百度LBS定位API接口,实时定位云南九大高原高寒草甸草地经纬度;
服务器端调用高寒草甸草地评价模块完成高寒草甸草地数据处理、评定;
结合高寒草甸草地经纬度,转换成能提供百度热力图使用的JSON格式数据包;
调用百度热力图模块的SDK,实现动态实时刷新热力图。
进一步,所述通过获取高寒草甸草地流域天气指数,向用户反馈时间向量性天气温度信息和各天气指数实现过程如下:
结合百度地图关键字搜索引擎定位,获取高寒草甸草地的经纬度;
根据经纬度信息向中国天气官网发送url信息查询指令,利用爬虫技术获取并解析返回的资源信息;
通过对解析后的资源信息进行模式匹配,模型分析,建立相关视图信息;
将视图信息已AJAX访问的形式反馈给前台数据;
改进因子定权模型成果展示包括:
将海量数据通过高斯去噪模型处理后,得到合理指标数据;
将预处理之后的数据通过因子定权模型分析,得到最后高寒草甸草地退化等级;
以指标评价和因子定权模型评价为基础,实时显示高寒草甸草地预处理和评价过程中的关键数据信息。
进一步,所述高斯去噪模型的步骤如下:
步骤一,建立带权的高斯平滑滤波器矩阵模型:
式中:Q为滤波器矩阵,Q为1*n的矩阵;
n为矩阵大小阀值;
i为距离中心坐标点的相对坐标值,即Q[i]所得为该坐标点相对中心点的权重差;
步骤二,计算高斯平滑中心点相对左右阀值的差值和;
式中:S[k]为中心点相对左右阀值的差值和;
buf[k]为中心点的样本测量值;
n为滤波器矩阵大小;
步骤三,计算高斯平滑处理后的样本值:
式中:buf′[k]为中心点处理后的值;
buf[k]为中心点的样本测量值;
n为滤波器矩阵大小;
所述因子定权模型的算法步骤如下:
步骤一,将因子分子与模糊数学隶属度结合得到因子隶属度,如公式:
(x<x0,x0≤x<x1,x≥x1)
式中x0代表高寒草甸草地指标前一个退化等级;
x1代表高寒草甸草地指标后一个退化等级;
x代表当前高寒草甸草地样本值;
步骤二,根据公式对高寒草甸草地单项指标评价;
W为高寒草甸草地各项指标样本集合,L为高寒草甸草地各项指标退化等级集合,建立如下公式:
式中:A为样本数值;
n为指标数目;
m为退化等级个数据;
通过公式计算出单项指标的因子隶属度,对应n个高寒草甸草地指标得到m*n的矩阵R;
步骤三,计算综合权重;
高寒草甸草地退化是由多个指标引起的,不同物质浓度应当对综合评定权重有影响,单个指标的权重计算如公式:
即
式中:Ai代表当前指标数值;
Lk代表指标等级;
使用模糊模型中统一化权重计算,得到如下公式:
式中:Wk代表单一指标权重;
有n个高寒草甸草地指标,即得到高寒草甸草地综合权重矩阵B,如公式:
B=[W1,W2,......,Wn]
步骤四,将矩阵R与矩阵复合计算,计算得到高寒草甸草地状况。
进一步,所述的高寒草甸草地生态系统健康分析方法进一步包括:
A.设目标与决策层中有决策指标p1,p2,…,pm,目标与决策层下的网络架构层有C1,C2,…,CN个指标集,其中Ci中有元素
B.以目标与决策层决策指标ps(s=1,2,…,m)为准则,以Cj中元素ejk(k=1,2,…,nj)为次准则,将指标集G中指标按其对ejk的影响力大小进行间接优势度比较,即在准则ps下构造判断矩阵:
并由特征根法得权重向量
C.对于k=1,2..,ni重复上述步骤,得到式(1)所示矩阵Wij;
其中,Wij的列向量为Ci中的元素对Cj中元素的影响程度排序向量;若Cj中元素不受Ci中元素影响,则Wij=0;
D.对于i=1,2,...,N;j=1,2,...,N重复B,可获得决策准则ps下的超矩阵W:
E.在所述超矩阵W中,元素Wij反映元素i对元素j的一步优势度;计算W2,其元素Wij 2表示元素i对元素j的二步优势度,W2仍然列为归一化矩阵,以此类推,计算W3,W4,…,当W∞存在时,W∞的第j列就是准则ps下网络架构层中各元素对于j的极限相对权重向量,则
其中每一行的数值,即为相应元素的局部权重向量;当某一行全部为0时,则相应的局部权重为1;将局部权重按元素顺序排列即得到局部权重向量。
本发明另一目的在于提供一种实现所述高寒草甸草地生态系统健康分析方法的计算机程序。
本发明另一目的在于提供一种实现所述高寒草甸草地生态系统健康分析方法的计算机。
本发明另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述的高寒草甸草地生态系统健康分析方法。
本发明另一目的在于提供一种所述高寒草甸草地生态系统健康分析方法的高寒草甸草地生态系统健康分析系统,所述高寒草甸草地生态系统健康分析系统包括:
层次结构构建模块,将目标高寒草甸草地生态系统按照具体情况和指标的属性进行分解,构建层次结构;
健康的指标分值获得模块,从指标层的指标中通过计算分析得到N个评估高寒草甸草地健康的指标,再通过熵权法对得到的N个评估高寒草甸草地健康的指标进行赋权得到每个指标的熵权,接着计算得到N个评估高寒草甸草地健康的指标分值;
健康得分值获得模块,再计算得到高寒草甸草地健康得分值;
高寒草甸草地的实际健康状况确定模块,根据高寒草甸草地健康得分情况通过高寒草甸草地健康评价标准确定高寒草甸草地的实际健康状况。
本发明另一目的在于提供一种搭载有所述高寒草甸草地生态系统健康分析系统的计算机。
综上所述,本发明的优点及积极效果为:
本发明首先将目标高寒草甸草地生态系统按照具体情况和指标的属性进行分解,构建层次结构,然后从指标层的指标中通过计算分析得到N个评估高寒草甸草地健康的指标,再通过熵权法对得到的N个评估高寒草甸草地健康的指标进行赋权得到每个指标的熵权,接着计算得到N个评估高寒草甸草地健康的指标分值,然后计算得到高寒草甸草地健康得分值,最后,根据高寒草甸草地健康得分情况通过高寒草甸草地健康评价标准确定高寒草甸草地的实际健康状况,该分析方法中的各项评估指标都是按照具体草地的情况和指标的属性进行分解得到,因此,能准确判断草地健康状况,对于技术人员和农牧民来说方便实用,能够有效指导基层技术人员和农牧民对草地进行合理的利用与科学的管理,维护草地生态系统健康状况,为草地畜牧业持续发展和草地生态功能的持续发挥奠定基础。
本发明对位于各网络层元素的相互关系建立判断矩阵,并基于网络架构的方法求出极限超矩阵及各底层指标权重,通过与现有方法对比,本发明得到的数据更加全面合理。
本发明基于因子定权模型的高寒草甸草地评定预测系统主要针对高寒草甸草地质量变化作时间和空间上的比较,建立基于因子权重的评定模型,合理的预测分析未来高寒草甸草地及环境发展趋势,从而给予用户最直观的高寒草甸草地变化和高寒草甸草地区域差异,为可持续发展提供水环境管理建议。本发明提出了适应高寒草甸草地样本预处理的“高斯平滑去噪模型”。将图像去噪模型改进后,应用到同一区域高寒草甸草地样本数据处理中;综合因子分析模型和模糊模型优点,提出了改进的基于因子定权模型的高寒草甸草地评价算法。经实验测试,改进后的因子定权模型其算法运行效率更高,评定结果更准确,更符合高寒草甸草地评定;建立了基于百度热力图的退化区域性分析模,给用户最直观的高寒草甸草地地域性退化情况反馈;建立了高寒草甸草地流域天气信息预测和时间性趋势分析模块。该模块方便相关考察人员出行计划的制定和信息分析人员地理信息的宏观掌控。本发明的目的是建立适用于高寒草甸草地的样本预处理和高寒草甸草地评价模型,最终实现基于因子定权的评价预测系统。本发明结合成功案例,制定了基于因子定权模型的云高寒草甸草地评价预测系统的设计方案和系统结构;受到图像去噪研究的启发,结合当前流行图像去噪模型,建立了适用于高寒草甸草地预处理的高斯平滑去噪模型。通过数据测试和相识模型对比,得出结论,提出的该模型提高了计算效率和数据预处理的准确度,减少了测试误差;在了解和分析了常规的高寒草甸草地评价模型后,总结各个模型的优缺点,将因子分析模型和模糊模型优点结合,提出了改进的因子定权高寒草甸草地评价模型。对该模型,进行了相关计算和模拟测试,将得到的数据、图表与其他模型和原始值对比,证明了改进的基于因子定权模型的高寒草甸草地评价方法的科学性和正确性;在相关高寒草甸草地处理核心模型研究取得成功和开发技术学习熟练后,设计并初步完成了基于因子定权模型的高原高寒草甸评价预测系统,并将提出的高斯平滑去噪模型和改进的因子定权模型转换成可执行算法应用到实际系统中;实现了天气预测、高寒草甸草地评价、区域性退化分析、高寒草甸草地预测等功能。本发明建立了能够更加准确的对高寒草甸草地做出评定的因子定权评价模型。通过对该模型大量数据测试,证明其算法运行效率和对高寒草甸草地评价的准确率大大提高,为最终的系统实现做好了准备工作。通过高寒草甸草地之间因素分析,实现高寒草甸草地区域性对比和时间关联的预测分析,提供高寒草甸草地超标退化指标报警系统。
附图说明
图1是本发明实施例提供的高寒草甸草地生态系统健康分析方法流程图。
图2是本发明实施例提供的实施例1高寒草甸草地生态系统健康分析方法原理图。
图3是本发明实施例提供的高寒草甸草地生态系统健康分析系统示意图。
图中:1、层次结构构建模块;2、健康的指标分值获得模块;3、健康得分值获得模块;4、高寒草甸草地的实际健康状况确定模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1,本发明实施例提供的高寒草甸草地生态系统健康分析方法,包括:
S101:首先将目标高寒草甸草地生态系统按照具体情况和指标的属性进行分解,构建层次结构;
S102:然后从指标层的指标中通过计算分析得到N个评估高寒草甸草地健康的指标,再通过熵权法对得到的N个评估高寒草甸草地健康的指标进行赋权得到每个指标的熵权,接着计算得到N个评估高寒草甸草地健康的指标分值;
S103:再计算得到高寒草甸草地健康得分值;
S104:最后,根据高寒草甸草地健康得分情况通过高寒草甸草地健康评价标准确定高寒草甸草地的实际健康状况。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的高寒草甸草地生态系统健康分析方法,应用于计算机,包括:
首先将目标高寒草甸草地生态系统按照具体情况和指标的属性进行分解,构建层次结构;
然后从指标层的指标中通过计算分析得到N个评估高寒草甸草地健康的指标,再通过熵权法对得到的N个评估高寒草甸草地健康的指标进行赋权得到每个指标的熵权,接着计算得到N个评估高寒草甸草地健康的指标分值;计算得到N个评估高寒草甸草地健康的指标分值中,将图像去噪模型应用到同一区域高寒草甸草地样本预处理中,建立带权的高斯平滑滤波器矩阵模型,计算高斯平滑中心点相对左右阀值的差值和,最后计算高斯平滑处理后的样本值;
将因子分子与模糊数学隶属度结合得到单项指标的因子隶属度,得到对高寒草甸草地单项指标评价;计算综合权重,得到不同物质浓度对应的综合评定权重;最后使用模糊模型中统一化权重计算,得到高寒草甸草地综合权重矩阵,计算得到高寒草甸草地状况;
区域性分析,通过不同高寒草甸草地区域退化热力图着色情况,分析各高寒草甸草地退化对比度,通过高寒草甸草地名称关键字索引,调用百度LBS定位API接口,实时定位经纬度;服务器端调用高寒草甸草地评价模块完成高寒草甸草地数据处理、评定;结合高寒草甸草地经纬度,转换成能提供百度热力图使用的JSON格式数据包;调用百度热力图模块的SDK,实现动态实时刷新热力图;
通过获取高寒草甸草地流域天气指数,向用户反馈时间向量性天气温度信息和各天气指数;天气分析通过获取高寒草甸草地流域天气指数,向用户反馈时间向量性天气温度信息和各天气指数;用户直观地了解各高寒草甸草地区域的具体空气质量、各指数信息、天气状况以及对天气时间向量的未来预测;
改进因子定权模型成果展示,各项指标评价子模块是前期高寒草甸草地预处理结果的呈现,将海量数据通过高斯去噪模型处理后,得到合理指标数据;通过因子定权模型分析,将数据经傅立叶加权变换转换成对应退化度的退化值,得到最后高寒草甸草地退化等级;高寒草甸草地基础信息子模块实时显示高寒草甸草地预处理和评价过程中的关键数据信息,让用户直观了解高寒草甸草地评价中各项指标动态因子权重和退化等级因子隶属概率;
结合相关分析算法对当前各项超标高寒草甸草地指标和预测超标指标向用户发出警报,以高寒草甸草地评价模块计算数据为基础,设置退化警报指数,根据BP神经网络预测算法,预测下一时间节点的高寒草甸草地高寒草甸草地各项退化指标值,根据监控数据实时自动向用户发出警报;
再计算得到高寒草甸草地健康得分值;
最后,根据高寒草甸草地健康得分情况通过高寒草甸草地健康评价标准确定高寒草甸草地的实际健康状况。
所述通过不同高寒草甸草地区域退化热力图着色情况,了解各高寒草甸草地退化对比度实现过程如下:
通过高寒草甸草地名称关键字索引,调用百度LBS定位API接口,实时定位云南九大高原高寒草甸草地经纬度;
服务器端调用高寒草甸草地评价模块完成高寒草甸草地数据处理、评定;
结合高寒草甸草地经纬度,转换成能提供百度热力图使用的JSON格式数据包;
调用百度热力图模块的SDK,实现动态实时刷新热力图。
所述通过获取高寒草甸草地流域天气指数,向用户反馈时间向量性天气温度信息和各天气指数实现过程如下:
结合百度地图关键字搜索引擎定位,获取高寒草甸草地的经纬度;
根据经纬度信息向中国天气官网发送url信息查询指令,利用爬虫技术获取并解析返回的资源信息;
通过对解析后的资源信息进行模式匹配,模型分析,建立相关视图信息;
将视图信息已AJAX访问的形式反馈给前台数据;
改进因子定权模型成果展示包括:
将海量数据通过高斯去噪模型处理后,得到合理指标数据;
将预处理之后的数据通过因子定权模型分析,得到最后高寒草甸草地退化等级;
以指标评价和因子定权模型评价为基础,实时显示高寒草甸草地预处理和评价过程中的关键数据信息。
所述高斯去噪模型的步骤如下:
步骤一,建立带权的高斯平滑滤波器矩阵模型:
式中:Q为滤波器矩阵,Q为1*n的矩阵;
n为矩阵大小阀值;
i为距离中心坐标点的相对坐标值,即Q[i]所得为该坐标点相对中心点的权重差;
步骤二,计算高斯平滑中心点相对左右阀值的差值和;
式中:S[k]为中心点相对左右阀值的差值和;
buf[k]为中心点的样本测量值;
n为滤波器矩阵大小;
步骤三,计算高斯平滑处理后的样本值:
式中:buf′[k]为中心点处理后的值;
buf[k]为中心点的样本测量值;
n为滤波器矩阵大小;
所述因子定权模型的算法步骤如下:
步骤一,将因子分子与模糊数学隶属度结合得到因子隶属度,如公式:
(x<x0,x0≤x<x1,x≥x1)
式中x0代表高寒草甸草地指标前一个退化等级;
x1代表高寒草甸草地指标后一个退化等级;
x代表当前高寒草甸草地样本值;
步骤二,根据公式对高寒草甸草地单项指标评价;
W为高寒草甸草地各项指标样本集合,L为高寒草甸草地各项指标退化等级集合,建立如下公式:
式中:A为样本数值;
n为指标数目;
m为退化等级个数据;
通过公式计算出单项指标的因子隶属度,对应n个高寒草甸草地指标得到m*n的矩阵R;
步骤三,计算综合权重;
高寒草甸草地退化是由多个指标引起的,不同物质浓度应当对综合评定权重有影响,单个指标的权重计算如公式:
式中:Ai代表当前指标数值;
Lk代表指标等级;
使用模糊模型中统一化权重计算,得到如下公式:
式中:Wk代表单一指标权重;
有n个高寒草甸草地指标,即得到高寒草甸草地综合权重矩阵B,如公式:
B=[W1,W2,......,Wn]
步骤四,将矩阵R与矩阵复合计算,计算得到高寒草甸草地状况。
下面结合具体实施例对本发明作进一步描述。
实施例1:
本发明实施例提供的高寒草甸草地生态系统健康分析方法,包括:
A.设目标与决策层中有决策指标p1,p2,…,pm,目标与决策层下的网络架构层有C1,C2,…,CN个指标集,其中Ci中有元素
B.以目标与决策层决策指标ps(s=1,2,…,m)为准则,以Cj中元素ejk(k=1,2,…,nj)为次准则,将指标集Ci中指标按其对ejk的影响力大小进行间接优势度比较,即在准则ps下构造判断矩阵:
并由特征根法得权重向量
C.对于k=1,2..,ni重复上述步骤,得到式(1)所示矩阵Wij。
其中,Wij的列向量为Ci中的元素对Cj中元素的影响程度排序向量;若Cj中元素不受Ci中元素影响,则Wij=0;
D.对于i=1,2,...,N;j=1,2,...,N重复B,可获得决策准则ps下的超矩阵W:
E.在所述超矩阵W中,元素Wij反映元素i对元素j的一步优势度;还可以计算W2,其元素wij 2表示元素i对元素j的二步优势度,W2仍然列为归一化矩阵,以此类推,可以计算W3,W4,…,当W∞存在时,W∞的第j列就是准则ps下网络架构层中各元素对于j的极限相对权重向量,则
其中每一行的数值,即为相应元素的局部权重向量;当某一行全部为0时,则相应的局部权重为1;将局部权重按元素顺序排列即得到局部权重向量。
实施例2
如图3,本发明实施例提供的高寒草甸草地生态系统健康分析系统。
包括:
层次结构构建模块1,将目标高寒草甸草地生态系统按照具体情况和指标的属性进行分解,构建层次结构;
健康的指标分值获得模块2,从指标层的指标中通过计算分析得到N个评估高寒草甸草地健康的指标,再通过熵权法对得到的N个评估高寒草甸草地健康的指标进行赋权得到每个指标的熵权,接着计算得到N个评估高寒草甸草地健康的指标分值;
健康得分值获得模块3,再计算得到高寒草甸草地健康得分值;
高寒草甸草地的实际健康状况确定模块4,根据高寒草甸草地健康得分情况通过高寒草甸草地健康评价标准确定高寒草甸草地的实际健康状况。
本发明对位于各网络层元素的相互关系建立判断矩阵,并基于网络架构的方法求出极限超矩阵及各底层指标权重,通过与现有方法对比,本发明得到的数据更加全面合理。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种高寒草甸草地生态系统健康分析方法,应用于计算机,其特征在于,所述高寒草甸草地生态系统健康分析方法包括:
首先将目标高寒草甸草地生态系统按照具体情况和指标的属性进行分解,构建层次结构;
然后从指标层的指标中通过计算分析得到N个评估高寒草甸草地健康的指标,再通过熵权法对得到的N个评估高寒草甸草地健康的指标进行赋权得到每个指标的熵权,接着计算得到N个评估高寒草甸草地健康的指标分值;计算得到N个评估高寒草甸草地健康的指标分值中,将图像去噪模型应用到同一区域高寒草甸草地样本预处理中,建立带权的高斯平滑滤波器矩阵模型,计算高斯平滑中心点相对左右阀值的差值和,最后计算高斯平滑处理后的样本值;
将因子分子与模糊数学隶属度结合得到单项指标的因子隶属度,得到对高寒草甸草地单项指标评价;计算综合权重,得到不同物质浓度对应的综合评定权重;最后使用模糊模型中统一化权重计算,得到高寒草甸草地综合权重矩阵,计算得到高寒草甸草地状况;
区域性分析,通过不同高寒草甸草地区域退化热力图着色情况,分析各高寒草甸草地退化对比度,通过高寒草甸草地名称关键字索引,调用百度LBS定位API接口,实时定位经纬度;服务器端调用高寒草甸草地评价模块完成高寒草甸草地数据处理、评定;结合高寒草甸草地经纬度,转换成能提供百度热力图使用的JSON格式数据包;调用百度热力图模块的SDK,实现动态实时刷新热力图;
通过获取高寒草甸草地流域天气指数,向用户反馈时间向量性天气温度信息和各天气指数;天气分析通过获取高寒草甸草地流域天气指数,向用户反馈时间向量性天气温度信息和各天气指数;用户直观地了解各高寒草甸草地区域的具体空气质量、各指数信息、天气状况以及对天气时间向量的未来预测;
改进因子定权模型成果展示,各项指标评价子模块是前期高寒草甸草地预处理结果的呈现,将海量数据通过高斯去噪模型处理后,得到合理指标数据;通过因子定权模型分析,将数据经傅立叶加权变换转换成对应退化度的退化值,得到最后高寒草甸草地退化等级;高寒草甸草地基础信息子模块实时显示高寒草甸草地预处理和评价过程中的关键数据信息,让用户直观了解高寒草甸草地评价中各项指标动态因子权重和退化等级因子隶属概率;
结合相关分析算法对当前各项超标高寒草甸草地指标和预测超标指标向用户发出警报,以高寒草甸草地评价模块计算数据为基础,设置退化警报指数,根据BP神经网络预测算法,预测下一时间节点的高寒草甸草地高寒草甸草地各项退化指标值,根据监控数据实时自动向用户发出警报;
再计算得到高寒草甸草地健康得分值;
最后,根据高寒草甸草地健康得分情况通过高寒草甸草地健康评价标准确定高寒草甸草地的实际健康状况。
2.如权利要求1所述的高寒草甸草地生态系统健康分析方法,其特征在于,
所述通过不同高寒草甸草地区域退化热力图着色情况,了解各高寒草甸草地退化对比度实现过程如下:
通过高寒草甸草地名称关键字索引,调用百度LBS定位API接口,实时定位云南九大高原高寒草甸草地经纬度;
服务器端调用高寒草甸草地评价模块完成高寒草甸草地数据处理、评定;
结合高寒草甸草地经纬度,转换成能提供百度热力图使用的JSON格式数据包;
调用百度热力图模块的SDK,实现动态实时刷新热力图。
3.如权利要求1所述的高寒草甸草地生态系统健康分析方法,其特征在于,
所述通过获取高寒草甸草地流域天气指数,向用户反馈时间向量性天气温度信息和各天气指数实现过程如下:
结合百度地图关键字搜索引擎定位,获取高寒草甸草地的经纬度;
根据经纬度信息向中国天气官网发送url信息查询指令,利用爬虫技术获取并解析返回的资源信息;
通过对解析后的资源信息进行模式匹配,模型分析,建立相关视图信息;
将视图信息已AJAX访问的形式反馈给前台数据;
改进因子定权模型成果展示包括:
将海量数据通过高斯去噪模型处理后,得到合理指标数据;
将预处理之后的数据通过因子定权模型分析,得到最后高寒草甸草地退化等级;
以指标评价和因子定权模型评价为基础,实时显示高寒草甸草地预处理和评价过程中的关键数据信息。
4.如权利要求3所述的高寒草甸草地生态系统健康分析方法,其特征在于,所述高斯去噪模型的步骤如下:
步骤一,建立带权的高斯平滑滤波器矩阵模型:
式中:Q为滤波器矩阵,Q为1*n的矩阵;
n为矩阵大小阀值;
i为距离中心坐标点的相对坐标值,即Q[i]所得为该坐标点相对中心点的权重差;
步骤二,计算高斯平滑中心点相对左右阀值的差值和;
式中:S[k]为中心点相对左右阀值的差值和;
buf[k]为中心点的样本测量值;
n为滤波器矩阵大小;
步骤三,计算高斯平滑处理后的样本值:
式中:buf′[k]为中心点处理后的值;
buf[k]为中心点的样本测量值;
n为滤波器矩阵大小;
所述因子定权模型的算法步骤如下:
步骤一,将因子分子与模糊数学隶属度结合得到因子隶属度,如公式:
式中x0代表高寒草甸草地指标前一个退化等级;
x1代表高寒草甸草地指标后一个退化等级;
x代表当前高寒草甸草地样本值;
步骤二,根据公式对高寒草甸草地单项指标评价;
W为高寒草甸草地各项指标样本集合,L为高寒草甸草地各项指标退化等级集合,建立如下公式:
式中:A为样本数值;
n为指标数目;
m为退化等级个数据;
通过公式计算出单项指标的因子隶属度,对应n个高寒草甸草地指标得到m*n的矩阵R;
步骤三,计算综合权重;
高寒草甸草地退化是由多个指标引起的,不同物质浓度应当对综合评定权重有影响,单个指标的权重计算如公式:
即
式中:Ai代表当前指标数值;
Lk代表指标等级;
使用模糊模型中统一化权重计算,得到如下公式:
式中:Wk代表单一指标权重;
有n个高寒草甸草地指标,即得到高寒草甸草地综合权重矩阵B,如公式:
B=[w1,w2,......,wn]
步骤四,将矩阵R与矩阵 复合计算,计算得到高寒草甸草地状况。
5.如权利要求1所述的高寒草甸草地生态系统健康分析方法,其特征在于,所述的高寒草甸草地生态系统健康分析方法进一步包括:
A.设目标与决策层中有决策指标p1,p2,…,pm,目标与决策层下的网络架构层有C1,C2,…,CN个指标集,其中Ci中有元素
B.以目标与决策层决策指标ps(s=1,2,…,m)为准则,以Cj中元素ejk(k=1,2,…,nj)为次准则,将指标集Ci中指标按其对ejk的影响力大小进行间接优势度比较,即在准则ps下构造判断矩阵:
并由特征根法得权重向量
C.对于k=1,2..,ni重复上述步骤,得到式(1)所示矩阵Wij;
其中,Wij的列向量为Ci中的元素对Cj中元素的影响程度排序向量;若Cj中元素不受Ci中元素影响,则Wij=0;
D.对于i=1,2,...,N;j=1,2,...,N重复B,可获得决策准则ps下的超矩阵W:
E.在所述超矩阵W中,元素Wij反映元素i对元素j的一步优势度;计算W2,其元素wij 2表示元素i对元素j的二步优势度,W2仍然列为归一化矩阵,以此类推,计算W3,W4,…,当W∞存在时,W∞的第j列就是准则ps下网络架构层中各元素对于j的极限相对权重向量,则
其中每一行的数值,即为相应元素的局部权重向量;当某一行全部为0时,则相应的局部权重为1;将局部权重按元素顺序排列即得到局部权重向量。
6.一种实现权利要求1~5任意一项所述高寒草甸草地生态系统健康分析方法的计算机程序。
7.一种实现权利要求1~5任意一项所述高寒草甸草地生态系统健康分析方法的计算机。
8.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1~5任意一项所述的高寒草甸草地生态系统健康分析方法。
9.一种如权利要求1所述高寒草甸草地生态系统健康分析方法的高寒草甸草地生态系统健康分析系统,其特征在于,所述高寒草甸草地生态系统健康分析系统包括:
层次结构构建模块,将目标高寒草甸草地生态系统按照具体情况和指标的属性进行分解,构建层次结构;
健康的指标分值获得模块,从指标层的指标中通过计算分析得到N个评估高寒草甸草地健康的指标,再通过熵权法对得到的N个评估高寒草甸草地健康的指标进行赋权得到每个指标的熵权,接着计算得到N个评估高寒草甸草地健康的指标分值;
健康得分值获得模块,再计算得到高寒草甸草地健康得分值;
高寒草甸草地的实际健康状况确定模块,根据高寒草甸草地健康得分情况通过高寒草甸草地健康评价标准确定高寒草甸草地的实际健康状况。
10.一种搭载有权利要求9所述高寒草甸草地生态系统健康分析系统的计算机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810876476.XA CN109146158A (zh) | 2018-08-03 | 2018-08-03 | 一种高寒草甸草地生态系统健康分析方法、计算机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810876476.XA CN109146158A (zh) | 2018-08-03 | 2018-08-03 | 一种高寒草甸草地生态系统健康分析方法、计算机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109146158A true CN109146158A (zh) | 2019-01-04 |
Family
ID=64791435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810876476.XA Pending CN109146158A (zh) | 2018-08-03 | 2018-08-03 | 一种高寒草甸草地生态系统健康分析方法、计算机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146158A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109885600A (zh) * | 2019-02-25 | 2019-06-14 | 甘肃省祁连山水源涵养林研究院 | 森林植被增长率分析方法及系统 |
CN110263922A (zh) * | 2019-07-08 | 2019-09-20 | 青海大学 | 一种用于评价草地退化程度的训练数据处理方法 |
CN110287275A (zh) * | 2019-05-19 | 2019-09-27 | 中国地质调查局西安地质调查中心 | 一种基于负面清单法的地下空间资源信息处理系统及方法 |
CN110906986A (zh) * | 2019-12-11 | 2020-03-24 | 内蒙古工业大学 | 基于物联网的草原生态监测系统和方法 |
CN111580500A (zh) * | 2020-05-11 | 2020-08-25 | 吉林大学 | 一种针对自动驾驶汽车安全性的评价方法 |
CN112070152A (zh) * | 2020-09-07 | 2020-12-11 | 中国农业科学院农业环境与可持续发展研究所 | 一种退化高寒草甸禁牧恢复效果评价方法 |
CN112381288A (zh) * | 2020-11-13 | 2021-02-19 | 西北民族大学 | 一种高寒地区草地生态管理系统 |
CN112561398A (zh) * | 2020-12-28 | 2021-03-26 | 河北地质大学 | 量化农牧林过渡带生态地质环境退化程度的方法及系统 |
CN113225372A (zh) * | 2021-03-22 | 2021-08-06 | 中国科学院新疆生态与地理研究所 | 草地生态健康监测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2108700C1 (ru) * | 1996-04-03 | 1998-04-20 | Министерство охраны природы и окружающей среды республики Северная Осетия - Алания | Способ оценки горных сенокосов и пастбищ |
CN103473619A (zh) * | 2013-09-26 | 2013-12-25 | 西安电子科技大学 | 一种基于网络架构的分析方法及其应用 |
CN105913411A (zh) * | 2016-05-10 | 2016-08-31 | 云南大学 | 一种基于因子定权模型的湖泊水质评价预测系统及方法 |
CN107194821A (zh) * | 2017-05-23 | 2017-09-22 | 四川省草原科学研究院 | 一种高寒草甸草地生态系统健康评估方法 |
-
2018
- 2018-08-03 CN CN201810876476.XA patent/CN109146158A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2108700C1 (ru) * | 1996-04-03 | 1998-04-20 | Министерство охраны природы и окружающей среды республики Северная Осетия - Алания | Способ оценки горных сенокосов и пастбищ |
CN103473619A (zh) * | 2013-09-26 | 2013-12-25 | 西安电子科技大学 | 一种基于网络架构的分析方法及其应用 |
CN105913411A (zh) * | 2016-05-10 | 2016-08-31 | 云南大学 | 一种基于因子定权模型的湖泊水质评价预测系统及方法 |
CN107194821A (zh) * | 2017-05-23 | 2017-09-22 | 四川省草原科学研究院 | 一种高寒草甸草地生态系统健康评估方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109885600B (zh) * | 2019-02-25 | 2022-04-12 | 甘肃省祁连山水源涵养林研究院 | 森林植被增长率分析方法及系统 |
CN109885600A (zh) * | 2019-02-25 | 2019-06-14 | 甘肃省祁连山水源涵养林研究院 | 森林植被增长率分析方法及系统 |
CN110287275A (zh) * | 2019-05-19 | 2019-09-27 | 中国地质调查局西安地质调查中心 | 一种基于负面清单法的地下空间资源信息处理系统及方法 |
CN110263922A (zh) * | 2019-07-08 | 2019-09-20 | 青海大学 | 一种用于评价草地退化程度的训练数据处理方法 |
CN110906986A (zh) * | 2019-12-11 | 2020-03-24 | 内蒙古工业大学 | 基于物联网的草原生态监测系统和方法 |
CN111580500A (zh) * | 2020-05-11 | 2020-08-25 | 吉林大学 | 一种针对自动驾驶汽车安全性的评价方法 |
CN111580500B (zh) * | 2020-05-11 | 2022-04-12 | 吉林大学 | 一种针对自动驾驶汽车安全性的评价方法 |
CN112070152A (zh) * | 2020-09-07 | 2020-12-11 | 中国农业科学院农业环境与可持续发展研究所 | 一种退化高寒草甸禁牧恢复效果评价方法 |
CN112070152B (zh) * | 2020-09-07 | 2023-11-21 | 中国农业科学院农业环境与可持续发展研究所 | 一种退化高寒草甸禁牧恢复效果评价方法 |
CN112381288A (zh) * | 2020-11-13 | 2021-02-19 | 西北民族大学 | 一种高寒地区草地生态管理系统 |
CN112381288B (zh) * | 2020-11-13 | 2022-07-05 | 西北民族大学 | 一种高寒地区草地生态管理系统 |
CN112561398A (zh) * | 2020-12-28 | 2021-03-26 | 河北地质大学 | 量化农牧林过渡带生态地质环境退化程度的方法及系统 |
CN113225372A (zh) * | 2021-03-22 | 2021-08-06 | 中国科学院新疆生态与地理研究所 | 草地生态健康监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146158A (zh) | 一种高寒草甸草地生态系统健康分析方法、计算机 | |
CN105913411B (zh) | 一种基于因子定权模型的湖泊水质评价预测系统及方法 | |
CN110119904A (zh) | 一种舰船装备维修保障能力评估方法和系统 | |
Devi et al. | A multicriteria intuitionistic fuzzy group decision making for plant location selection with ELECTRE method | |
Kou et al. | An integrated expert system for fast disaster assessment | |
Zeng et al. | A projection method for multiple attribute group decision making with intuitionistic fuzzy information | |
CN101853290A (zh) | 基于地理信息系统的气象服务效益评估方法 | |
Zhang et al. | Multi-attribute decision making: An innovative method based on the dynamic credibility of experts | |
Chen et al. | Grey clustering evaluation based on AHP and interval grey number | |
CN109165807A (zh) | 一种基于概率神经网络的电能质量综合评估方法 | |
Luo et al. | Grey clustering model based on kernel and information field | |
Zhu et al. | Evaluation and diagnosis of obstacles to land-based ecological security in resource-based cities: A case study of Xingtai city | |
Wang et al. | Research of the early warning analysis of crop diseases and insect pests | |
Wan et al. | A integrating CRITIC-WASPAS group decision making method under interval-valued q-rung orthogonal fuzzy enviroment | |
Zhang | Benefit evaluation of human resource management in agricultural enterprises based on convolutional neural network. | |
Hasanshahi et al. | Measure and comparison of economic, social and ecological sustainability of farming systems in the Marvdasht plain | |
Jiang et al. | Grassland resource evaluation based on improved bp network model and analytic hierarchy process | |
Xiaolan et al. | Determination of the weight values of assessment indexes of website based on AHP-take the website of university library as an example | |
CN112184040A (zh) | 基于行为与学习数据进行软件工程能力评估的平台 | |
Ren et al. | An optimised method of weighting combination in multi-index comprehensive evaluation | |
Rong | Analysis of the comprehensive evaluation model of enterprise technological innovation ability based on improved genetic algorithm | |
Peng et al. | Innovative evaluation method of government physical education training quality based on fuzzy mathematics | |
Wang et al. | Quality evaluation of equipment support commander based on RBF neural network | |
Gu et al. | Research on evaluation of university scientific research team based on SOM neural network | |
Jing et al. | Design and Implementation of Work Evaluation Monitoring System under Artificial Intelligence Condition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190104 |
|
RJ01 | Rejection of invention patent application after publication |