一种基于浸水模拟与双层决策模型的候选洼地综合评价方法与流程

本发明涉及地形形态分析，尤其涉及一种基于浸水模拟与双层决策模型的候选洼地综合评价方法。

背景技术：

1、喀斯特洼地因具有天然的电磁屏蔽效应、相对封闭的地形环境以及较小的球面拟合填挖方量，成为大型射电望远镜候选洼地遴选的首选地貌类型。然而，喀斯特地貌区洼地分布广泛、数量众多且形态各异，要筛选出射电望远镜最优候选台址，需要对候选洼地的空间形态进行充分分析，制定科学合理的筛选机制。

2、在候选洼地评价筛选方面，现有技术主要基于层次分析法等打分机制，并依赖技术人员对每个候选洼地进行逐一地质条件核查，包括水系分布、交通可达性、周边峰数统计、垭口位置判读等，人为主观判断的影响较强，容易导致筛选结果不合理；对于大范围洼地筛选场景，存在工作量大且评价标准难以统一的问题。

3、鉴于此，有必要提出一种基于浸水模拟与双层决策模型的候选洼地综合评价方法以解决或至少缓解上述缺陷。

技术实现思路

1、本发明的主要目的在于提供一种基于浸水模拟与双层决策模型的候选洼地综合评价方法，以解决现有技术存在人为主观判断的影响较强，容易导致筛选结果不合理；对于大范围洼地筛选场景，存在工作量大且评价标准难以统一的技术问题。

2、为实现上述目的，本发明提供了一种基于浸水模拟与双层决策模型的候选洼地综合评价方法，包括以下步骤：

3、s1，获取标杆洼地和多个候选洼地的空间形态指数数据集，所述空间形态指数数据集包括基于各候选洼地的分水岭边界和数字高程模型数据生成的多个空间形态量化指数以及方量指数；

4、s2，对所述空间形态指数数据集中的空间形态量化指数进行共线性剔除和主成分降维，得到降维后的多个主成分，并基于所述多个主成分得到所述标杆洼地和各候选洼地的主成分得分向量；

5、s3，构建双层决策模型，所述双层决策模型包括形态距离层和经济归因层；

6、s4，在所述形态距离层中，以所述标杆洼地为基准，计算各候选洼地在所述多个主成分构成的主成分空间中到所述标杆洼地的马氏距离，并基于所述马氏距离确定各候选洼地的形态相似度，将所述形态相似度作为准则a得分；

7、s5，在所述经济归因层中，以各候选洼地在所述多个主成分上的主成分得分为自变量，以各候选洼地的方量指数为因变量，建立偏最小二乘回归映射，基于所述偏最小二乘回归映射输出各候选洼地的预测方量，并基于所述预测方量确定各候选洼地的方量优度，将所述方量优度作为准则b得分；

8、s6，对所述准则a得分和所述准则b得分进行归一化处理，并采用信息熵赋权确定准则a和准则b的准则权重；

9、s7，根据归一化后的准则a得分、归一化后的准则b得分、准则a的准则权重和准则b的准则权重，得到各候选洼地的综合得分，并按照所述综合得分对多个候选洼地进行排序，输出候选洼地综合评价结果。

10、优选地，所述空间形态量化指数包括封闭系数、山峰数量、垭口数量、最大深度、净深、洼地长轴长度、洼地短轴长度、分水岭大圆直径、垭口大圆直径、圆度系数、坡度、方向性指数、结构相似性指数。

11、优选地，所述s2中对所述空间形态指数数据集中的空间形态量化指数进行共线性剔除和主成分降维，包括以下步骤：

12、s21，计算所述空间形态指数数据集中的空间形态量化指数的方差膨胀系数；

13、s22，剔除方差膨胀系数大于10的冗余指标；

14、s23，对保留的空间形态量化指数进行主成分分析，提取累计方差贡献率大于90%的主成分。

15、优选地，所述s2还包括以下步骤：

16、对主成分载荷矩阵进行方差最大化旋转，以提高主成分的可解释性，并根据旋转后的主成分载荷矩阵确定各主成分的主导指标。

17、优选地，所述s4中，基于所述马氏距离确定各候选洼地的形态相似度，包括以下步骤：

18、s41，针对每个候选洼地，计算候选洼地的主成分得分向量与所述标杆洼地的主成分得分向量的差向量；

19、s42，根据所述差向量、样本协方差矩阵以及所述样本协方差矩阵的逆矩阵，计算候选洼地在主成分空间内到所述标杆洼地的马氏距离；

20、s43，将所述马氏距离经倒数变换转换为形态相似度；

21、其中，候选洼地的马氏距离越小，候选洼地的形态相似度越高。

22、优选地，所述s5中建立偏最小二乘回归映射，包括以下步骤：

23、s51，将各候选洼地在所述多个主成分上的主成分得分作为偏最小二乘回归映射的自变量；

24、s52，将各候选洼地的方量指数作为偏最小二乘回归映射的因变量；

25、s53，通过留一法交叉验证确定偏最小二乘回归映射的最优成分数；

26、s54，基于所述最优成分数，建立由各候选洼地的主成分得分预测方量指数的偏最小二乘回归映射。

27、优选地，所述s5中基于所述预测方量确定各候选洼地的方量优度，包括以下步骤：

28、s55，对所述预测方量进行反向标准化，得到各候选洼地的方量优度；

29、其中，所述方量优度的值域为[0,1]，候选洼地的方量优度越接近1，表示候选洼地的预测方量越小、经济性越优。

30、优选地，所述s5还包括以下步骤：

31、根据所述偏最小二乘回归映射输出回归残差，并基于所述回归残差对候选洼地进行异常样本标记。

32、优选地，所述s5还包括以下步骤：

33、计算各主成分的变量投影重要性指标，并根据各主成分的变量投影重要性指标和各空间形态量化指数在各主成分上的旋转载荷的绝对值，确定各空间形态量化指数对方量预测的重要性得分。

34、优选地，所述s6中采用信息熵赋权确定准则a和准则b的准则权重，包括以下步骤：

35、s61，将各候选洼地的准则a得分和准则b得分分别归一化至[0,1]区间；

36、s62，分别计算准则a和准则b的信息熵值；

37、s63，根据准则a的信息熵值确定准则a的区分能力，根据准则b的信息熵值确定准则b的区分能力；

38、s64，根据准则a的区分能力和准则b的区分能力确定准则a的准则权重和准则b的准则权重；

39、其中，准则a的准则权重和准则b的准则权重之和为1，综合得分由归一化后的准则a得分和归一化后的准则b得分加权求和得到。

40、与现有技术相比，本发明具有如下的有益效果：

41、本发明基于分水岭边界构建了空间形态量化指数，实现了候选洼地形态特征的定量化表达；进一步提出以标杆洼地为基准构建形态相似度与方量优度双准则，经信息熵客观赋权实现多个候选洼地的综合排序，实现了候选洼地快速、定量化的，避免了传统层次分析法等主观赋权方式对筛选结果的干扰，提高了大范围候选洼地筛选的客观性、可复现性与工程适用性。

1.一种基于浸水模拟与双层决策模型的候选洼地综合评价方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于浸水模拟与双层决策模型的候选洼地综合评价方法，其特征在于，所述空间形态量化指数包括封闭系数、山峰数量、垭口数量、最大深度、净深、洼地长轴长度、洼地短轴长度、分水岭大圆直径、垭口大圆直径、圆度系数、坡度、方向性指数、结构相似性指数。

3.根据权利要求1所述的基于浸水模拟与双层决策模型的候选洼地综合评价方法，其特征在于，所述s2中对所述空间形态指数数据集中的空间形态量化指数进行共线性剔除和主成分降维，包括以下步骤：

4.根据权利要求3所述的基于浸水模拟与双层决策模型的候选洼地综合评价方法，其特征在于，所述s2还包括以下步骤：

5.根据权利要求1所述的基于浸水模拟与双层决策模型的候选洼地综合评价方法，其特征在于，所述s4中，基于所述马氏距离确定各候选洼地的形态相似度，包括以下步骤：

6.根据权利要求1所述的基于浸水模拟与双层决策模型的候选洼地综合评价方法，其特征在于，所述s5中建立偏最小二乘回归映射，包括以下步骤：

7.根据权利要求1所述的基于浸水模拟与双层决策模型的候选洼地综合评价方法，其特征在于，所述s5中基于所述预测方量确定各候选洼地的方量优度，包括以下步骤：

8.根据权利要求1所述的基于浸水模拟与双层决策模型的候选洼地综合评价方法，其特征在于，所述s5还包括以下步骤：

9.根据权利要求1所述的基于浸水模拟与双层决策模型的候选洼地综合评价方法，其特征在于，所述s5还包括以下步骤：

10.根据权利要求1所述的基于浸水模拟与双层决策模型的候选洼地综合评价方法，其特征在于，所述s6中采用信息熵赋权确定准则a和准则b的准则权重，包括以下步骤：