一种基于水土保持监督检查大数据的水土流失评估方法与流程

本发明涉及数据模型分析，具体涉及一种基于水土保持监督检查大数据的水土流失评估方法。

背景技术：

1、随着国家对生态环境的关注，水土保持已经成为生态文明建设中的重要组成部分。其中，水土流失会造成土地资源破坏、农业生产环境恶化、生态平衡失调和水灾旱灾频繁等各种生态问题，影响各行各业的发展。因此，需要对水土保持进行监督，避免水土流失情况恶化。

2、为了及时预防水土流失，通过获取水土保持监督检查大数据构建水土流失风险评估模型对水土流失情况进行评估分析，其中，获取的水土保持监督检查大数据存在的种类较多，不利于准确高效构建水土流失风险评估模型，因此，现有方法中通过主成分分析算法对水土保持监督检查大数据进行降维处理，根据降维后的水土保持监督检查大数据构建水土流失风险评估模型。但实际在进行主成分分析的过程中，没有考虑到可能存在异常的水土保持监督检查大数据，导致异常的水土保持监督检查大数据在主成分分析过程中的占比过大，进而使得降维后的水土保持监督检查大数据不准确，无法准确构建水土流失风险评估模型，影响水土流失风险评估模型的评估准确性，无法及时对水土流失情况进行预防。

技术实现思路

1、为了解决在进行主成分分析的过程中，没有考虑到可能存在异常的水土保持监督检查大数据，使得降维后的水土保持监督检查大数据不准确，无法准确构建水土流失风险评估模型的技术问题，本发明的目的在于提供一种基于水土保持监督检查大数据的水土流失评估方法，所采用的技术方案具体如下：

2、本发明提出了一种基于水土保持监督检查大数据的水土流失评估方法，该方法包括以下步骤：

3、获取预设时间段内每个位置点每天固定时刻下每种水土保持监督检查大数据作为监测数据；

4、将预设时间段内每个位置点的每种监测数据均拟合为监测曲线，将每条监测曲线进行划分，获得子曲线段；将任一疑似异常监测数据作为目标数据，将目标数据所处位置点的每个预设邻域位置点处与目标数据相同种类的监测曲线作为参考曲线，将目标数据的预设邻域对应的时间段作为目标时间段，根据每条参考曲线的每个子曲线段在目标时间段内的分布情况，获取目标数据所处子曲线段的匹配曲线段；根据每个匹配曲线段内疑似异常监测数据的分布情况，获取目标数据的匹配数据；根据目标数据与每个匹配数据的差异情况，以及目标数据所处子曲线段与每个匹配曲线段的差异情况，获取目标数据的异常值；其中，正常监测数据的异常值为第一预设常数；

5、根据每个监测数据的异常值和局部离群因子，获取每个监测数据的权重；根据权重构建的矩阵和监测数据构建的矩阵，获取调整协方差矩阵，通过主成分分析算法确定特征数据；

6、根据特征数据构建水土流失风险评估模型，对水土流失进行评估。

7、进一步地，所述子曲线段的获取方法为：

8、将每条监测曲线上相邻两个极值点构成的曲线段作为子曲线段；其中，将每个子曲线段末端对应的极值点划分到相邻下一子曲线段。

9、进一步地，所述匹配曲线段的获取方法为：

10、对于任一条参考曲线，获取该条参考曲线中的每个子曲线段在目标时间段内的时长，作为第一时长；

11、将最大的第一时长所对应的子曲线段，作为该条参考曲线中目标数据所处子曲线段的匹配曲线段；

12、其中，当最大的第一时长所对应的子曲线段至少存在两个时，将时序上靠前的子曲线段作为该条参考曲线中目标数据所处子曲线段的匹配曲线段。

13、进一步地，所述匹配数据的获取方法为：

14、将目标数据对应的时刻作为目标时刻，当匹配曲线段内存在疑似异常监测数据时，将匹配曲线段内对应时刻距离目标时刻最近的疑似异常监测数据，作为目标数据的匹配数据；

15、当匹配曲线段内不存在疑似异常监测数据时，将匹配曲线段内对应时刻距离目标时刻最远的监测数据，作为目标数据的匹配数据。

16、进一步地，所述异常值的获取方法为：

17、将每个子曲线段内所有监测数据的切线斜率的均值，作为对应子曲线段的整体变化值；

18、将目标数据所处子曲线段与每个匹配曲线段之间的整体变化值差异，作为第一差异；

19、通过动态时间规整算法，获取目标数据所处子曲线段与每个匹配曲线段之间的最短路径值；

20、根据所述第一差异、所述最短路径值、目标数据与每个匹配数据的大小差异和对应时刻差异，获取目标数据与每个匹配数据之间的参考异常值；

21、将目标数据与所有匹配数据之间的参考异常值的均值归一化的结果，作为目标数据的异常值。

22、进一步地，所述参考异常值的计算公式为：

23、；；；；式中，为第n个位置点处第d种监测数据内第i个疑似异常监测数据与第n个位置点的第j个预设邻域位置点处第i个疑似异常监测数据的匹配数据之间的参考异常值；为第n个位置点处第d种监测数据内第i个疑似异常监测数据所处子曲线段与第n个位置点的第j个预设邻域位置点处第i个疑似异常监测数据所处子曲线段的匹配曲线段的第一差异；为第n个位置点处第d种监测数据内第i个疑似异常监测数据所处子曲线段的整体变化值；为第n个位置点的第j个预设邻域位置点处第i个疑似异常监测数据所处子曲线段的匹配曲线段的整体变化值；为第n个位置点处第d种监测数据内第i个疑似异常监测数据所处子曲线段与第n个位置点的第j个预设邻域位置点处第i个疑似异常监测数据所处子曲线段的匹配曲线段之间的最短路径值；为第n个位置点处第d种监测数据内第i个疑似异常监测数据与第n个位置点的第j个预设邻域位置点处第i个疑似异常监测数据的匹配数据之间的差值绝对值；为第n个位置点处第d种监测数据内第i个疑似异常监测数据；为第n个位置点的第j个预设邻域位置点处第i个疑似异常监测数据的匹配数据；为第n个位置点处第d种监测数据内第i个疑似异常监测数据与第n个位置点的第j个预设邻域位置点处第i个疑似异常监测数据的匹配数据之间对应时刻的差值绝对值；为第n个位置点处第d种监测数据内第i个疑似异常监测数据对应时刻；为第n个位置点的第j个预设邻域位置点处第i个疑似异常监测数据的匹配数据对应时刻；为绝对值函数。

24、进一步地，所述权重的获取方法为：

25、通过局部离群因子检测算法，获取每个监测数据的局部离群因子；

26、根据每个监测数据的异常值与最小异常值的差异，以及局部离群因子与最小局部离群因子的差异，获取每个监测数据的权重。

27、进一步地，所述权重的计算公式为：

28、；式中，为第m个监测数据的权重；为第m个监测数据的异常值；为最小异常值；为第二预设常数，大于0；为第m个监测数据的局部离群因子；为最小局部离群因子；为绝对值函数；norm为归一化函数；exp为以自然常数为底数的指数函数。

29、进一步地，所述调整协方差矩阵的计算公式为：

30、；；；式中，为调整协方差矩阵；s为预设时间段内所有位置点采集监测数据的总次数；d为监测数据的种类总数量；为权重构建的矩阵；为第一次采集的第一种监测数据的权重；为第一次采集的第d种监测数据的权重；为第s次采集的第一种监测数据的权重；为第s次采集的第d种监测数据的权重；x为监测数据构建的矩阵，为第一种监测数据在第一次采集中对应的数据；为第一种监测数据在第s次采集中对应的数据；为第d种监测数据在第一次采集中对应的数据；为第d种监测数据在第s次采集中对应的数据；为x为转置矩阵。

31、进一步地，所述根据特征数据构建水土流失风险评估模型的方法为：

32、根据特征数据，获取土壤可蚀性因子；

33、根据土壤可蚀性因子，利用土壤流失方程，构建水土流失风险评估模型。

34、本发明具有如下有益效果：

35、将每个位置点预设时间段内的每种监测数据均拟合为监测曲线，便于准确分析监测数据的波动情况；将每条监测曲线进行划分，获得子曲线段，便于后续对疑似异常监测数据的异常程度进行准确分析；将任一疑似异常监测数据作为目标数据，将目标数据所处位置点的每个预设邻域位置点处与目标数据相同种类的监测曲线作为参考曲线，提高对目标数据的异常程度进行分析的效率和准确性；为了对目标数据的异常程度进行更准确的分析，准确判断目标数据是否真正异常，进而获取目标数据所处子曲线段的匹配曲线段和目标数据的匹配数据，根据目标数据与每个匹配数据的差异情况，以及目标数据所处子曲线段与每个匹配曲线段的差异情况，准确获取目标数据的异常值，准确确定目标数据的异常程度；为了将正常监测数据参与进来，进而将正常监测数据的异常值设定为第一预设常数；为了避免真实异常的监测数据对主成分分析算法的准确性造成影响，因此，根据每个监测数据的异常值和局部离群因子，获取每个监测数据的权重，对每个监测数据参与主成分分析算法的占比进行准确调整，避免异常数据对主成分分析算法的干扰；进而根据权重构建的矩阵和监测数据构建的矩阵，准确获取调整协方差矩阵，提高主成分分析算法的准确性，因此通过主成分分析算法准确获取降维后的特征数据，准确构建水土流失风险评估模型，对水土流失进行准确评估，及时制定措施，避免水土流失情况加剧，有利于对生态环境进行维护。

技术特征：

1.一种基于水土保持监督检查大数据的水土流失评估方法，其特征在于，该方法包括以下步骤：

2.如权利要求1所述一种基于水土保持监督检查大数据的水土流失评估方法，其特征在于，所述子曲线段的获取方法为：

3.如权利要求1所述一种基于水土保持监督检查大数据的水土流失评估方法，其特征在于，所述匹配曲线段的获取方法为：

4.如权利要求1所述一种基于水土保持监督检查大数据的水土流失评估方法，其特征在于，所述匹配数据的获取方法为：

5.如权利要求1所述一种基于水土保持监督检查大数据的水土流失评估方法，其特征在于，所述异常值的获取方法为：

6.如权利要求5所述一种基于水土保持监督检查大数据的水土流失评估方法，其特征在于，所述参考异常值的计算公式为：

7.如权利要求1所述一种基于水土保持监督检查大数据的水土流失评估方法，其特征在于，所述权重的获取方法为：

8.如权利要求7所述一种基于水土保持监督检查大数据的水土流失评估方法，其特征在于，所述权重的计算公式为：

9.如权利要求1所述一种基于水土保持监督检查大数据的水土流失评估方法，其特征在于，所述调整协方差矩阵的计算公式为：

10.如权利要求1所述一种基于水土保持监督检查大数据的水土流失评估方法，其特征在于，所述根据特征数据构建水土流失风险评估模型的方法为：

技术总结
本发明涉及数据模型分析技术领域，具体涉及一种基于水土保持监督检查大数据的水土流失评估方法。该方法获取每个位置点处的水土保持监督检查大数据作为监测数据；根据每个位置点与周围其他位置点相同种类监测数据的波动差异，获取监测数据的异常值，根据监测数据的异常值和局部离群因子，获取监测数据的权重；根据权重构建的矩阵和监测数据构建的矩阵，获取调整协方差矩阵，通过主成分分析算法确定特征数据，构建水土流失风险评估模型，对水土流失进行评估。本发明通过获取每个监测数据参与主成分分析算法中的权重，对协方差矩阵进行准确调整，避免了异常监测数据对主成分分析算法的影响，准确获取特征数据，准确构建水土流失风险评估模型。

技术研发人员：岳艳明,梁付芬,齐鹏
受保护的技术使用者：西安尔吉环保科技有限公司
技术研发日：
技术公布日：2024/9/23