买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东建筑大学

摘要：本发明提供了一种基于粒子群优化随机森林的地壳形变时序模拟方法，属于大地测量形变监测技术领域，包括以下步骤：原始数据经过数据处理后进入模型优化阶段，将粒子群算法与随机森林算法相结合进行模型最优参数搜索，通过不断迭代运算，获取粒子的自适应度，达到最终迭代次数，最终获取最佳粒子位置和速度。随后进入模型训练阶段，将粒子群优化算法获取到的最佳参数作为随机森林回归模型构建的最优参数并导入数据集进行模型训练与测试，最终使用粒子群优化随机森林回归模型实现对地壳垂直形变时序模拟的方法。本发明采用上述的一种基于粒子群优化随机森林的地壳形变时序模拟方法，极大程度地提高了地壳垂直形变时序预测精度与计算速度。

主权项：1.一种基于粒子群优化随机森林的地壳形变时序模拟方法，其特征在于，包括以下步骤：S1、获取原始数据并进行预处理，得到预处理后的数据；原始数据包括研究区内GNSS站点年的地壳垂直形变日值时间序列和气象日值数据；S2、将预处理后的数据作为地壳垂直形变粒子群优化随机森林回归预测模型的输入特征，以地壳垂直形变作为单输出，并划分训练集和测试集，之后分别构建年的测试集、训练集的输入向量和输出向量；S3、将构建好的输入向量和输出向量进行归一化，得到归一化后的数据；S4、利用归一化后的数据构建个粒子群优化随机森林回归模型并进行模型测试，模型测试完成后，导出模型预测结果，进行精度计算并绘制粒子群自适应度曲线以及模型测试集预测结果图像；步骤S4中，利用归一化后的数据构建个粒子群优化随机森林回归模型并进行模型测试，具体操作如下：S41、初始化粒子速度和位置；S42、计算各粒子自适应度值；S43、确定个体及全域极值；S44、更新位置及速度；S45、判断是否满足迭代条件；S46、满足迭代条件后，根据粒子位置获得最佳参数，导入随机森林模型中得到个最优PSO-RF模型；其中，为决策树数量，为决策树最大深度；步骤S41，初始化粒子速度和位置，具体操作为：初始化设定粒子群中粒子数目M、最大迭代次数T，所有粒子在D维空间中进行搜索，优化两个参数，得到维度D=2；设粒子的位置和速度分别为和，粒子的最大速度分别为和： ；其中，代表第个粒子；代表初始化的第个粒子在维度D=1时的随机位置向量；代表初始化的第个粒子在维度D=2时的随机位置向量；代表初始化的第个粒子在维度D=1时的随机速度向量；代表初始化的第个粒子在维度D=2时的随机速度向量；和分别代表粒子在维度D=1时的最大位置和最小位置；和分别代表粒子在维度D=2时的最大位置和最小位置；表示取值为[0,1]的随机函数；步骤S42，计算各粒子自适应度值，具体操作为：以均方根误差为适应度函数，计算每一次迭代中每个粒子的适应度函数值： ；其中，代表第次迭代；为训练集样本数量；代表第个训练样本；表示第个训练样本的模型预测值；表示第个训练样本的真实值；步骤S43，确定个体及全域极值，具体操作为：根据适应度函数值获得每一次迭代中的局部最佳适应度函数值和对应的位置： ；其中，表示第次迭代的第个粒子的位置；同时，获得全局最佳适应度函数值和对应的位置： ；其中，为小于的第次迭代中粒子的索引；表示第次迭代的第个粒子的位置；步骤S44，判断是否满足迭代条件，具体操作为：当迭代次数小于设定的最大迭代次数时，利用惯性权重值、局部最佳适应度函数值对应的位置和全局最佳适应度函数值对应的位置进行粒子更新，即更新粒子的位置和速度，然后重复步骤S41~S45，不断迭代直到超过迭代次数，如下式所示： ； ；其中，为惯性权重值，取值为0.8；和是取值为1.5的学习率；表示第次迭代的第个粒子的速度；表示第次迭代的第个粒子的速度；表示第次迭代的第个粒子的位置；当迭代次数大于设定的最大迭代次数时，将作为最终输出的结果。

全文数据：

权利要求：

百度查询： 山东建筑大学 一种基于粒子群优化随机森林的地壳形变时序模拟方法