表层土壤承载力水分测量数据快速校准仿真

详细信息    查看全文 | 推荐本文 |

英文篇名：Rapid Calibration Simulation of Surface Soil Bearing Capacity Moisture Measurement Data 作者：赵东彦 英文作者：ZHAO Dong-yan;College of Resources and Environment, Shanxi Agricultural University; 关键词：表层土壤 ; 承载力 ; 水分测量数据 ; 校准 ; 粒子群优化 英文关键词：Surface soil;;Bearing capacity;;Moisture measurement data;;Calibration;;Particle swarm optimization(PSO) 中文刊名：JSJZ 英文刊名：Computer Simulation 机构：山西农业大学资源环境学院; 出版日期：2019-03-15 出版单位：计算机仿真 年：2019 期：v.36 语种：中文; 页：JSJZ201903090 页数：4 CN：03 ISSN：11-3724/TP 分类号：424-427

摘要

获取高精度表层土壤水分数据能揭示不同土壤结构的水分动态变化状况,对于研究土壤水分植被承载力具有重要意义。传统的测量数据校准方法采用最小二乘估计,估计结果对于土壤水分数据中的误差较为敏感,当水分测量数据中存在显著误差时会导致错误的校准结果,降低了校准精度,且校准效率低。针对这些问题,提出一种基于粒子群优化的表层土壤承载力水分测量数据快速校准方法。采用三截尾估计取代最小二乘估计作为测量数据校准的目标函数,以水分测量数据的随机误差遵从正态分布为约束条件,构建三截尾鲁棒土壤水分数据校准模型。采用粒子群算法对校准模型进行求解,引入不确定知识概念,在种群迭代搜索过程中限定个体搜索中心及搜索范围,使得粒子以更快、更有效的方式向最优解逼近,获得更为准确的校准值。实验结果表明,所提方法相比当前测量数据校准方法的校准效率最高提高了28.5%左右,校准精度较高,可用于实际测量。
        Estimation result of traditional calibration method of moisture measurement data in surface soil is sensitive to error of the moisture data, which leads to wrong estimation result and poor calibration precision if the moisture measurement data has obvious error. Furthermore, the calibration efficiency is low. Therefore, this paper proposes a rapid calibration method based on particle swarm optimization(PSO). Our research used three-truncation estimation instead of least square estimation as objective function of measurement data calibration and built robust calibration model of oil moisture data with three truncations taking random error of the measurement data obeying normal distribution as constraint condition. The research used the PSO to solve the calibration model and introduced uncertainty knowledge conception. The research restricted individual search center and search range during species iterative search to make particle approach optimal solution faster and more effectively. Thus, we obtained more accurate calibration result. Simulation results show that calibration efficiency of the method increases by 28.5 percent compared with current method. The calibration precision is much higher. The method is available for actual measurement.

引文

[1] 沈静华,裴东兴,张瑜. 基于多传感器数据融合的准静态校准数据处理方法[J]. 传感技术学报, 2017,30(7):1040-1043.
    [2] 谢芳荻,等. 青藏高原高寒荒漠区土壤湿度监测仪器的校正方法探讨[J]. 地理研究, 2017,36(11):2112-2128.
    [3] 高建丽,范锦彪,王燕. 基于动态校准测量数据的不确定度评定[J]. 电子器件, 2017,40(3):557-560.
    [4] 朱绪超,等. 高寒草甸生态系统表层土壤水分时间稳定性研究[J]. 农业机械学报, 2017,48(8):212-218.
    [5] 陈志强,王瑄,鲍永雪. 公路边坡不同护坡措施表层土壤水分动态变化规律[J]. 水土保持研究, 2017,24(2):77-83.
    [6] 薛明喜,等. 基于自适应Kalman滤波的SAW测温数据纠错方法[J]. 仪器仪表学报, 2016,37(12):2766-2773.
    [7] 孙延吉,潘艳秋. 基于全局优化改进混沌粒子群遗传算法的物料平衡数据校正[J]. 化工进展, 2016,35(9):2663-2669.
    [8] 王增艳,王建,车涛. 机载L波段微波辐射计数据反演表层土壤水分研究[J]. 遥感技术与应用, 2017,32(2):185-194.
    [9] 马建威. 基于雷达和高光谱数据的表层土壤水分反演研究[J]. 测绘学报, 2017,46(5): 666-666.
    [10] 陈爱军,张鑫. 可见光-近红外通道数据大气校正方法研究[J]. 计算机仿真, 2017,34(4): 220-226.