一种知识约束下的多目标土壤空间抽样优化模型

刘殿锋; 刘艳芳

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种知识约束下的多目标土壤空间抽样优化模型

刘殿锋, 刘艳芳

文章导航 > 武汉大学学报 ● 信息科学版 > 2014 > 39(11): 1282-1286

刘殿锋, 刘艳芳. 一种知识约束下的多目标土壤空间抽样优化模型[J]. 武汉大学学报 ● 信息科学版, 2014, 39(11): 1282-1286.

引用本文:

刘殿锋, 刘艳芳. 一种知识约束下的多目标土壤空间抽样优化模型[J]. 武汉大学学报 ● 信息科学版, 2014, 39(11): 1282-1286.

Liu Dianfeng, Liu Yanfang. A Knowledge-informed Model for Soil Spatial Sampling Design Based on Multi-objective Particle Swarm Optimization Algorithm[J]. Geomatics and Information Science of Wuhan University, 2014, 39(11): 1282-1286.

Citation:

Liu Dianfeng, Liu Yanfang. A Knowledge-informed Model for Soil Spatial Sampling Design Based on Multi-objective Particle Swarm Optimization Algorithm[J]. Geomatics and Information Science of Wuhan University, 2014, 39(11): 1282-1286.

一种知识约束下的多目标土壤空间抽样优化模型

刘殿锋^1,2,
刘艳芳^1,2

¹武汉大学资源与环境科学学院湖北武汉 430079;²武汉大学地理信息系统教育部重点实验室湖北武汉 430079

基金项目: 国家863计划资助项目2011AA120304 中国博士后科学基金资助项目2012M511253 中央高校基本科研业务费专项资金青年教师资助项目121044

详细信息

作者简介:
刘殿锋博士讲师现从事空间分析与空间优化决策力向研究

中图分类号: P208

A Knowledge-informed Model for Soil Spatial Sampling Design Based on Multi-objective Particle Swarm Optimization Algorithm

Liu Dianfeng^1,2,
Liu Yanfang^1,2

¹School of Resource and Environmental Sciences Wuhan University Wuhan 430079 China²Key Laboratory of Geographic Information System Ministry of Education Wuhan University Wuhan 430079 China

摘要: 土壤空间抽样优化需要综合考虑抽样精度、成本、代表性以及样点数量与空间布局等多目标，属于典型的NP-Hard空间优化决策问题。先验知识的应用以及多目标的博弈能够有效地提高抽样精度和效率。通过研究土壤空间抽样先验知识及其空间分层技术，以及土壤空间抽样方案与粒子群算法映射关系，建立了基于知识约束下多目标粒子群算法的土壤空间抽样优化模型。模型以最小克里全方差和最大嫡为抽样目标，以分层最小样本量、空间阻隔和可达性为约束条件，结合目标规划法进行多目标帕累托优化方案求解，并以陕西省横山县为实验区验证了模型的有效性。实验结果表明，该模型相比传统方法具有较高的收敛效率和抽样精度，先验知识与目标规划法的应用显著提升了抽样方案代表性，能够为土壤空间抽样以及土壤质量监测网络构建提供新的技术支撑。
- 空间抽样 /
- 土壤 /
- 粒子群 /
- 目标规划 /
- 多目标优化
Abstract: Spatial sampling optimization for soil variables must reconcile the conflicts between the a}curacy，survey budget，amount and spatial pattern of sampling points，a classic NP-Hard problem.Numerous studies prove that priori information and multi-objective optimization techniques can im-prove sampling efficiency and accuracy. We evaluated the effects of priori information and spatialstratification technique，and mapped the relationship between the particle and soil sampling solution，and proposed a spatial sampling optimization model for soil variables on the basis of a knowledge-in-formed multi-objective particle swarm optimization algorithm. The model combines minimum Krigingvariance and maximum entropy as the objectives，and optimal sampling size，spatial interval betweensampling sites and spatial accessibility as the sampling constraints，and employs goal programmingmethod to solve the multi-objective optimization problem. A case study was conducted in Hengshancounty of Shaanxi province in China to validate the model. The results show that the model features ahigher convergence rate and sampling accuracy than the traditional methods，and the combination ofpriori information and goal programming technique improves the representation of sampling solutionssignificantly. This model could be widely beneficial in soil sampling and monitoring.
- spatial sampling /
- soil /
- particle swarm optimization /
- goal programming /
- multi-objectiveoptimization

[1]	李清泉, 谷宇, 涂伟, 朱家松, 赵天鸿, 朱松. 利用管道胶囊进行排水管网协同检测的新方法 . 武汉大学学报 ● 信息科学版, 2021, 46(8): 1123-1130. doi: 10.13203/j.whugis20200509
[2]	王利, 许豪, 舒宝, 义琛, 田云青. 利用互信息和IPSO-LSTM进行滑坡监测多源数据融合 . 武汉大学学报 ● 信息科学版, 2021, 46(10): 1478-1488. doi: 10.13203/j.whugis20210131
[3]	高飞, 王美珍, 刘学军, 王自然. 一种监控摄像机网络-路网覆盖优化调度方法 . 武汉大学学报 ● 信息科学版, 2020, 45(3): 362-373. doi: 10.13203/j.whugis20180247
[4]	朱庆, 韩会鹏, 于杰, 杜志强, 张骏骁, 吴晨, 沈富强. 应急测绘无人机资源多目标优化调度方法 . 武汉大学学报 ● 信息科学版, 2017, 42(11): 1608-1615. doi: 10.13203/j.whugis20130000
[5]	刘涛, 张星, 李清泉, 方志祥. 顾及地标可视性的室内导航路径优化算法 . 武汉大学学报 ● 信息科学版, 2017, 42(1): 43-48. doi: 10.13203/j.whugis20150387
[6]	种衍文, 王泽文, 陈蓉, 王莹莹. 一种多特征自适应融合的粒子滤波红外目标跟踪方法 . 武汉大学学报 ● 信息科学版, 2016, 41(5): 598-604. doi: 10.13203/j.whugis20140185
[7]	史劼, 高火涛, 周林, 张华君. 基于SMVF的高频雷达自适应多目标检测 . 武汉大学学报 ● 信息科学版, 2014, 39(11): 1304-1309.
[8]	孟永昌, 杨赛霓, 史培军. 基于改进遗传算法的路网应急疏散多目标优化 . 武汉大学学报 ● 信息科学版, 2014, 39(2): 201-205. doi: 10.13203/j.whugis20120584
[9]	韩贤权, 朱庆, 丁雨淋, 周东波. 散乱点云数据精配准的粒子群优化算法 . 武汉大学学报 ● 信息科学版, 2014, 39(10): 1214-1220.
[10]	钟振, 李斐, 鄢建国, 晏鹏. 利用重力/地形导纳和岩石圈单一薄层模型的月球物理参数反演 . 武汉大学学报 ● 信息科学版, 2014, 39(12): 1487-1492.
[11]	彭令, 牛瑞卿, 赵艳南, 邓清禄. 基于核主成分分析和粒子群优化支持向量机的滑坡位移预测 . 武汉大学学报 ● 信息科学版, 2013, 38(2): 148-152,161.
[12]	聂建亮, 程传录, 郭春喜, 蒋光伟. 基于粒子群优化算法的多因子自适应滤波 . 武汉大学学报 ● 信息科学版, 2013, 38(2): 136-139.
[13]	刘殿锋, 刘耀林, 刘艳芳, 赵翔. 多目标微粒群算法用于土地利用空间优化配置 . 武汉大学学报 ● 信息科学版, 2013, 38(6): 751-755.
[14]	刘耀林, 夏寅, 刘殿锋, 洪晓峰. 基于目标规划与模拟退火算法的土地利用分区优化方法 . 武汉大学学报 ● 信息科学版, 2012, 37(7): 762-765.
[15]	刘庆, 夏江宝, 谢文军. 半方差函数与Moran’s I在土壤微量元素空间分布研究中的应用——以寿光市为例 . 武汉大学学报 ● 信息科学版, 2011, 36(9): 1129-1133.
[16]	刘洋, 兰泽英. 利用多目标禁忌搜索算法进行土地整理自动分区 . 武汉大学学报 ● 信息科学版, 2010, 35(9): 1129-1133.
[17]	曹江丽, 孙潮义. 多目标遗传算法在水下机器人路径规划中的应用 . 武汉大学学报 ● 信息科学版, 2010, 35(4): 441-445.
[18]	王伟, 沈振中. 大坝统计预警模型的改进粒子群耦合方法 . 武汉大学学报 ● 信息科学版, 2009, 34(8): 987-991.
[19]	刘国英, 茅力非, 王雷光, 秦前清. 基于小波域分层Markov模型的纹理分割 . 武汉大学学报 ● 信息科学版, 2009, 34(5): 531-534.
[20]	杨鸣, 康立山, 吴燕来. 动态多目标TSP中动态程度和目标冲突程度的度量 . 武汉大学学报 ● 信息科学版, 2008, 33(2): 216-219.

点击查看大图

计量

文章访问数: 681
HTML全文浏览量: 28
PDF下载量: 530
被引次数: 0

一种知识约束下的多目标土壤空间抽样优化模型

刘殿锋^1,2,
刘艳芳^1,2

¹武汉大学资源与环境科学学院湖北武汉 430079;²武汉大学地理信息系统教育部重点实验室湖北武汉 430079

基金项目: 国家863计划资助项目2011AA120304 中国博士后科学基金资助项目2012M511253 中央高校基本科研业务费专项资金青年教师资助项目121044

作者简介:
刘殿锋博士讲师现从事空间分析与空间优化决策力向研究

收稿日期: 2013-06-13
刊出日期: 2014-11-05

中图分类号: P208

关键词:

空间抽样 /

土壤 /

粒子群 /

目标规划 /

多目标优化

摘要: 土壤空间抽样优化需要综合考虑抽样精度、成本、代表性以及样点数量与空间布局等多目标，属于典型的NP-Hard空间优化决策问题。先验知识的应用以及多目标的博弈能够有效地提高抽样精度和效率。通过研究土壤空间抽样先验知识及其空间分层技术，以及土壤空间抽样方案与粒子群算法映射关系，建立了基于知识约束下多目标粒子群算法的土壤空间抽样优化模型。模型以最小克里全方差和最大嫡为抽样目标，以分层最小样本量、空间阻隔和可达性为约束条件，结合目标规划法进行多目标帕累托优化方案求解，并以陕西省横山县为实验区验证了模型的有效性。实验结果表明，该模型相比传统方法具有较高的收敛效率和抽样精度，先验知识与目标规划法的应用显著提升了抽样方案代表性，能够为土壤空间抽样以及土壤质量监测网络构建提供新的技术支撑。

English Abstract

A Knowledge-informed Model for Soil Spatial Sampling Design Based on Multi-objective Particle Swarm Optimization Algorithm

¹School of Resource and Environmental Sciences Wuhan University Wuhan 430079 China²Key Laboratory of Geographic Information System Ministry of Education Wuhan University Wuhan 430079 China

Received Date: 2013-06-13
Publish Date: 2014-11-05

Keywords:

Abstract: Spatial sampling optimization for soil variables must reconcile the conflicts between the a}curacy，survey budget，amount and spatial pattern of sampling points，a classic NP-Hard problem.Numerous studies prove that priori information and multi-objective optimization techniques can im-prove sampling efficiency and accuracy. We evaluated the effects of priori information and spatialstratification technique，and mapped the relationship between the particle and soil sampling solution，and proposed a spatial sampling optimization model for soil variables on the basis of a knowledge-in-formed multi-objective particle swarm optimization algorithm. The model combines minimum Krigingvariance and maximum entropy as the objectives，and optimal sampling size，spatial interval betweensampling sites and spatial accessibility as the sampling constraints，and employs goal programmingmethod to solve the multi-objective optimization problem. A case study was conducted in Hengshancounty of Shaanxi province in China to validate the model. The results show that the model features ahigher convergence rate and sampling accuracy than the traditional methods，and the combination ofpriori information and goal programming technique improves the representation of sampling solutionssignificantly. This model could be widely beneficial in soil sampling and monitoring.

刘殿锋, 刘艳芳. 一种知识约束下的多目标土壤空间抽样优化模型[J]. 武汉大学学报 ● 信息科学版, 2014, 39(11): 1282-1286.

引用本文:

刘殿锋, 刘艳芳. 一种知识约束下的多目标土壤空间抽样优化模型[J]. 武汉大学学报 ● 信息科学版, 2014, 39(11): 1282-1286.

Citation: