本發(fā)明涉及雷達(dá)環(huán)境電磁散射特性，具體涉及一種水泥地面散射系數(shù)快速預(yù)測方法、系統(tǒng)、設(shè)備及介質(zhì)。

背景技術(shù)：

1、典型地表的電磁散射研究是復(fù)雜地表環(huán)境中目標(biāo)探測的關(guān)鍵，隨著各類典型地表電磁散射特性廣泛應(yīng)用于星載與機(jī)載sar圖像、偽裝及目標(biāo)探測領(lǐng)域，快速、準(zhǔn)確地獲取典型地面環(huán)境的電磁散射系數(shù)已成為研究熱點(diǎn)。通常采用實(shí)驗(yàn)測量的方式獲取地面電磁散射系數(shù)常常需要耗費(fèi)大量的人力和物力，并且實(shí)驗(yàn)測量結(jié)果數(shù)據(jù)量十分有限。而基于電磁散射建模的途徑雖然能夠?qū)Σ煌瑓?shù)下地面電磁散射系數(shù)進(jìn)行計算，但是對大量樣本的計算仍然需要較長時間，難以滿足實(shí)時性要求。并且，水泥地面屬于一種典型地表，由于傳統(tǒng)的機(jī)器學(xué)習(xí)預(yù)測方法在小樣本條件下預(yù)測電磁散射系數(shù)時普遍存在過擬合問題，導(dǎo)致模型泛化能力差。

2、公開號為cn117574255a的中國專利申請，公開了基于鵜鶘算法和支持向量機(jī)的邊坡安全系數(shù)預(yù)測方法，技術(shù)方案是設(shè)置算法優(yōu)化策略，并利用所述算法優(yōu)化策略優(yōu)化鵜鶘算法，獲得鵜鶘改進(jìn)算法；基于所述鵜鶘改進(jìn)算法，構(gòu)建支持向量機(jī)預(yù)測優(yōu)化模型，并通過所述邊坡數(shù)據(jù)訓(xùn)練集和所述邊坡數(shù)據(jù)驗(yàn)證集，訓(xùn)練并驗(yàn)證所述支持向量機(jī)預(yù)測優(yōu)化模型；利用訓(xùn)練好的支持向量機(jī)預(yù)測優(yōu)化模型，對邊坡安全系數(shù)進(jìn)行預(yù)測。但是由于鵜鶘算法自身求解精度低、穩(wěn)定性不足、易陷入局部最優(yōu)解的問題，會使得在進(jìn)一步使用向量機(jī)構(gòu)建預(yù)測模型時出現(xiàn)存在過擬合問題，導(dǎo)致模型泛化能力差。

3、公開號為cn107085372a的中國專利申請，公開了基于改進(jìn)螢火蟲算法和最小二乘支持向量機(jī)的污水節(jié)能處理優(yōu)化控制方法，技術(shù)方案是用最小支持二乘向量機(jī)對污水處理廠的能耗和出水水質(zhì)進(jìn)行建模，引入多核的思想，用改進(jìn)的螢火蟲算法對模型參數(shù)尋優(yōu)，使得能耗模型和出水水質(zhì)模型的精度得到較大的提高；用改進(jìn)的螢火蟲算法對控制器的溶解氧濃度和硝態(tài)氮濃度設(shè)定值進(jìn)行在線尋優(yōu)，使得在滿足出水水質(zhì)的前提下，污水處理廠的能耗得到降低，達(dá)到污水處理過程節(jié)能優(yōu)化的目的。

4、但螢火蟲算法必須要求感知范圍內(nèi)有優(yōu)秀個體向其提供信息，否則個體將停止搜索，這種搜索方法對優(yōu)秀個體的依賴程度太高，從而降低了收斂速度；而且，當(dāng)個體距離峰值非常近時，由于步長可能大于該距離，將導(dǎo)致個體在峰值附近發(fā)生震蕩現(xiàn)象。即螢火蟲算法不僅收斂速度低在進(jìn)行搜索時，其個體依賴性太強(qiáng)，粒子多樣性受到影響，在進(jìn)一步使用向量機(jī)構(gòu)建預(yù)測模型時不但是時間復(fù)雜度和空間復(fù)雜度提高，且預(yù)測精度降低，模型泛化能力差。

技術(shù)實(shí)現(xiàn)思路

1、為了克服上述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種水泥地面散射系數(shù)快速預(yù)測方法、系統(tǒng)、設(shè)備及介質(zhì)，通過多策略改進(jìn)的粒子群算法結(jié)合最小二乘支持向量回歸機(jī)建立水泥地面散射系數(shù)快速預(yù)測模型；首先，對不同參數(shù)下的水泥地面后向散射系數(shù)進(jìn)行計算，構(gòu)建水泥地面后向散射系數(shù)樣本集，并對數(shù)據(jù)集進(jìn)行預(yù)處理；然后，采用多策略改進(jìn)的粒子群算法對最小二乘支持向量回歸機(jī)進(jìn)行最優(yōu)參數(shù)選取，引入決定系數(shù)作為粒子群算法的適應(yīng)度函數(shù)，提高了模型對數(shù)據(jù)特征的學(xué)習(xí)能力；為了增強(qiáng)粒子的多樣性，提高模型的泛化能力，引入線性遞減慣性權(quán)重來更新粒子的速度和位置；同時當(dāng)粒子碰到搜索邊界時，采用回彈的方式對粒子位置和速度進(jìn)行更新，增加粒子的活動范圍。最后，建立水泥地面散射系數(shù)快速預(yù)測模型，該模型與傳統(tǒng)模型相比提高了預(yù)測精度和模型的泛化能力。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：

3、一種水泥地面散射系數(shù)快速預(yù)測方法，包括以下步驟：

4、步驟1：采用電磁散射算法對不同參數(shù)下水泥地面后向散射系數(shù)進(jìn)行計算，構(gòu)建水泥地面后向散射系數(shù)數(shù)據(jù)集，并進(jìn)行歸一化預(yù)處理；

5、步驟2：利用多策略改進(jìn)的粒子群算法對最小二乘支持向量回歸機(jī)進(jìn)行最優(yōu)參數(shù)選??；

6、步驟3：利用步驟2多策略改進(jìn)的粒子群算法優(yōu)化的最小二乘支持向量回歸機(jī)對步驟1預(yù)處理后的水泥地面后向散射系數(shù)數(shù)據(jù)集進(jìn)行訓(xùn)練，建立水泥地面散射系數(shù)快速預(yù)測模型；

7、步驟4：將測試集的樣本值作為真實(shí)值與步驟3預(yù)測模型預(yù)測的結(jié)果對比，驗(yàn)證水泥地面后向散射系數(shù)預(yù)測模型的有效性。

8、步驟1所述數(shù)據(jù)集包括：頻率f＝12ghz和f＝18ghz，入射角θi＝0°～70°范圍內(nèi)，入射方位角散射角θs＝θi，散射方位角相關(guān)長度l＝0.003m，均方根高度h＝0.0002m及相關(guān)長度l＝0.009m，均方根高度h＝0.0006m條件下，極化方式pol＝hh和vv對應(yīng)的水泥地面的后向散射系數(shù)；

9、所述水泥地面后向散射系數(shù)的計算公式為：

10、

11、其中，i和s分別表示入射波和反射波，θi，分別為入射角和入射方位角，θs，分別為散射角和散射方位角，下標(biāo)p和q表示水平(h)或垂直(v)，水泥路面下粒子p1/ke＝0.064；和分別為從水泥介質(zhì)到空氣和從空氣到水泥介質(zhì)的透射系數(shù)，為水泥粗糙表面的反射系數(shù)。

12、所述步驟2具體包括以下步驟：

13、步驟2.1：最小二乘支持向量回歸機(jī)構(gòu)建：給定水泥地面散射系數(shù)訓(xùn)練集(a1,σ1)，其中，a1＝(f,θi,l,h,pol)，表示影響水泥地面散射系數(shù)的參數(shù)集合，給定測試集樣本(a2,σ2)，構(gòu)建最小二乘支持向量回歸機(jī)模型如下：

14、

15、式中，σlssvr是最小二乘支持向量回歸機(jī)模型預(yù)測的散射系數(shù)，αi是lagrange乘子，in是n×1矩陣，x是核函數(shù)參數(shù)，v∈r+是正則化參數(shù)，核函數(shù)參數(shù)和正則化參數(shù)對最小二乘支持向量回歸機(jī)模型的性能有很大影響；

16、步驟2.2：粒子群初始化：核函數(shù)參數(shù)x和正則化參數(shù)v分別對應(yīng)粒子群的位置和速度，對粒子群進(jìn)行初始化，首先生成n個向量z1,z2,....zn，再將n個向量中的每個分量利用公式(1.2)、(1.3)代入優(yōu)化變量的數(shù)值區(qū)間：

17、xij＝xmin+(xmax-xmin)zij,j＝1,2,...,n；i＝1,2,...,n??????????(1.2)

18、vij＝vmin+(vmax-vmin)zij,j＝1,2,...,n；i＝1,2,...,n??????????(1.3)

19、其中，xij為粒子位置，xmin為粒子位置的最小值，xmax為粒子位置的最大值；vij為粒子速度，vmin為粒子速度最小值，vmax為粒子速度最大值，i表示第i個粒子，j為粒子更新次數(shù)；

20、然后計算目標(biāo)函數(shù)，在n個群體中選取最優(yōu)的m個解為初值，得到初始群體；

21、步驟2.3：計算步驟2.2得到的初始群體中各粒子的決定系數(shù)，計算公式如下：

22、

23、其中，σ2i表示測試集中第i個真實(shí)的觀測值，表示測試集真實(shí)觀測值的平均值，σlssvri表示第i個預(yù)測值，表示預(yù)測值的平均值；

24、判斷決定系數(shù)是否滿足終止條件，若是則直接進(jìn)行步驟3，若否則進(jìn)行步驟2.4，進(jìn)行粒子群速度和位置更新；

25、步驟2.4：粒子群速度和位置更新：

26、首先計算粒子多樣性值，并判斷粒子多樣性值是否大于給定的閾值，根據(jù)判斷結(jié)果選擇粒子速度和位置的更新方式，并更新粒子的速度和位置；

27、當(dāng)粒子的多樣性值大于給定閾值時，按照粒子群常規(guī)方法進(jìn)行粒子更新，相應(yīng)的粒子群位置和速度更新公式為：

28、vi＝vi+c1×rand()×(pdesti-xi)+c2×rand()×(gdesti-xi)???????(1.5)

29、xi＝xi+vi???????????????????????????(1.6)

30、其中，i＝1,2,.....n,n為此群中粒子的總數(shù)，vi是粒子的速度，rand()是介于(0，1)的隨機(jī)數(shù)，xi是粒子的當(dāng)前位置，c1,c2是學(xué)習(xí)因子，一般取c1＝c2∈[0,4]，pdesti表示單個粒子本身在迭代過程中找到的最優(yōu)解粒子，gdesti表示種群所有粒子在迭代過程中所找到的最優(yōu)解粒子；

31、當(dāng)粒子的多樣性值小定的閾值時，引入線性遞減慣性權(quán)重調(diào)整粒子速度和位置更新策略，進(jìn)而提高粒子的多樣性和算法的搜索能力，通過自適應(yīng)調(diào)整，隨著迭代次數(shù)增加，逐漸減小慣性權(quán)重，使算法在不同階段具備不同的搜索能力，線性遞減的慣性權(quán)重公式為：

32、

33、其中，ωstart為最大慣性權(quán)重，ωend為最小慣性權(quán)重，t為當(dāng)前的迭代次數(shù)，t為最大的迭代次數(shù)；

34、引入線性遞減的慣性權(quán)重公式后，粒子的更新公式為：

35、vi＝ωvi+c1×rand()×(pdesti-xi)+c2×rand()×(gdesti-xi)???????(1.8)

36、xi＝ωxi+vi?????????????????????????(1.9)

37、然后，判斷粒子是否飛出邊界，為了防止粒子在搜索過程中越界，當(dāng)粒子飛出可行域時，采用速度和位置回彈的方式改變粒子速度和位置，此時粒子的更新速度為：

38、

39、步驟2.5：判斷是否終止：當(dāng)?shù)螖?shù)達(dá)到最大迭代次數(shù)或達(dá)到粒子群目前為止搜索到的最優(yōu)位置滿足目標(biāo)函數(shù)的最小容許誤差時，終止迭代，輸出最優(yōu)解；否則返回步驟2.2通過式(1.4)繼續(xù)計算更新后的粒子群，直到達(dá)到最大迭代次數(shù)或達(dá)到粒子群目前為止搜索到的最優(yōu)位置滿足目標(biāo)函數(shù)的最小容許誤差。

40、所述步驟3具體包括以下步驟：

41、步驟3.1：將步驟1預(yù)處理后的水泥地面后向散射系數(shù)數(shù)據(jù)集按照需求劃分為訓(xùn)練集、驗(yàn)證集和測試集；

42、步驟3.2：將訓(xùn)練集輸入步驟2中的多策略改進(jìn)的粒子群算法優(yōu)化的最小二乘支持向量回歸機(jī)進(jìn)行訓(xùn)練，得到預(yù)測模型的參數(shù)；

43、步驟3.3：將驗(yàn)證集輸入訓(xùn)練好的模型中進(jìn)行預(yù)測，評估預(yù)測結(jié)果與驗(yàn)證集的誤差，若驗(yàn)證集的正確率滿足要求，則利用該組模型參數(shù)建立水泥地面散射系數(shù)快速預(yù)測模型，否則重新訓(xùn)練模型參數(shù)，并使用驗(yàn)證集測試。

44、所述步驟4具體包括以下步驟：

45、計算真實(shí)值與步驟3預(yù)測模型預(yù)測的預(yù)測值之間的均方根誤差，計算公式如下：

46、

47、其中，n為數(shù)據(jù)總個數(shù)，σ2i為測試集中第i個真實(shí)值，σlssvri為第i個預(yù)測值；

48、若真實(shí)值與步驟3預(yù)測模型預(yù)測的預(yù)測值之間的均方根誤差小于傳統(tǒng)預(yù)測模型的均方根誤差，則本發(fā)明提出的水泥地面后向散射系數(shù)預(yù)測模型性能改善有效，否則無效。

49、一種水泥地面散射系數(shù)快速預(yù)測方法的系統(tǒng)，包括：

50、數(shù)據(jù)集構(gòu)建模塊，采用電磁散射算法對不同參數(shù)下水泥地面后向散射系數(shù)進(jìn)行計算，構(gòu)建水泥地面后向散射系數(shù)數(shù)據(jù)集，并進(jìn)行歸一化預(yù)處理；

51、最優(yōu)參數(shù)選取模塊，利用多策略改進(jìn)的粒子群算法對最小二乘支持向量回歸機(jī)進(jìn)行最優(yōu)參數(shù)選?。?/p>

52、預(yù)測模型建立模塊，利用多策略改進(jìn)的粒子群算法優(yōu)化的最小二乘支持向量回歸機(jī)對預(yù)處理后的水泥地面后向散射系數(shù)數(shù)據(jù)集進(jìn)行訓(xùn)練，建立水泥地面散射系數(shù)快速預(yù)測模型；

53、模型驗(yàn)證模塊，通過測試樣本中的輸出作為真實(shí)值與預(yù)測結(jié)果對比，驗(yàn)證水泥地面后向散射系數(shù)預(yù)測模型的有效性。

54、一種水泥地面散射系數(shù)快速預(yù)測設(shè)備，包括：

55、存儲器：用于存儲實(shí)現(xiàn)所述的一種水泥地面散射系數(shù)快速預(yù)測方法的計算機(jī)程序；

56、處理器：用于執(zhí)行所述計算機(jī)程序時實(shí)現(xiàn)所述的一種水泥地面散射系數(shù)快速預(yù)測方法。

57、一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)所述的一種水泥地面散射系數(shù)快速預(yù)測方法的步驟。

58、相對于現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：

59、1.本發(fā)明提出基于多策略改進(jìn)的粒子群算法優(yōu)化的最小二乘支持向量回歸機(jī)構(gòu)建水泥地面散射系數(shù)快速預(yù)測模型，能夠解決傳統(tǒng)電磁散射計算在對大量數(shù)據(jù)進(jìn)行計算時仿真耗時問題，且可以滿足實(shí)時性要求。

60、2.本發(fā)明使用多策略改進(jìn)的粒子群算法結(jié)合向量機(jī)預(yù)測，在小樣本條件下預(yù)測電磁散射系數(shù)時模型對數(shù)據(jù)特征的學(xué)習(xí)能力好，與傳統(tǒng)模型相比提高了預(yù)測精度和模型的泛化能力。

61、綜上，本發(fā)明能夠解決傳統(tǒng)電磁散射計算在對大量數(shù)據(jù)進(jìn)行計算時仿真耗時問題，能滿足實(shí)時性要求，且提高了預(yù)測精度和模型的泛化能力。