[发明专利]一种基于随机森林集成的河流浊度软测量方法

说明书

一种基于随机森林集成的河流浊度软测量方法属于水体环境保护领域和机器学习领域。本发明利用免费提供高光谱遥感数据的Google地球引擎，建立了一种基于随机森林集合的河流浑浊度测量模型。通过充分利用每个光谱及其调谐的光谱信息，利用新提出的全组合子空间方法，生成所有可能的基随机森林学习器。再利用新提出的基于误差最小化的剪枝算法，根据动态阈值循环去除有害基随机森林学习器。最后采用正则化线性回归加权平均法，融合有益基随机森林学习器，得到河流浊度的最终测量结果。本发明较现有方法在预测河流浊度和数据来源难易程度上有明显提升，可以协助政府进行水污染防治和监测等。

技术领域

本发明利用免费提供高光谱遥感数据的Google Earth Engine(GEE)平台，建立了一种基于随机森林集成的河流浊度软测量方法。通过充分利用每个光谱及其调谐的光谱信息，利用新提出的全组合子空间方法，生成所有可能的基随机森林学习器。再利用新提出的基于误差最小化的剪枝算法，根据动态阈值循环去除有害基随机森林学习器。最后采用正则化线性回归加权平均法，融合有益基随机森林学习器，得到河流浊度的最终测量结果。基于随机森林集成学习器的河流浊度测量方法属于水体环境保护领域和机器学习领域。

背景技术

随着全球人口的快速增长和经济的高速发展，水资源的污染和短缺对我们日常生活中的水安全造成了越来越严重的影响。在许多国家和地区，仍然存在将大量未经处理的工业废水直接排入河流或补充地下水的现象，这造成了严重的水体污染问题。这是极其危险的，因为如果水受到污染，不及时净化，很可能造成巨大的风险，例如导致大规模的传染病爆发，进而影响生物生存。此外，水污染对生态环境也产生了重要影响。因此，建立一套有效的水污染防治监测体系已迫在眉睫。浊度是一个重要的水质评价指标，特别是对于饮用水、烹饪水和高标准工业用水。浊度本质上是指水中悬浮物(如沙、土、无机物和有机物、微生物和胶体物质等)对光透射的阻碍程度。悬浮物，特别是微生物，会严重危害人们的健康。此外，河流的浊度会改变山间河流和海洋的反射率，这可能导致河流表面温度的变化，破坏水生生态系统的平衡。

河流的浊度随时间变化很大，主要受以下因素的影响，包括水流速度和水量、河床地形、天气条件以及工业和城镇生活污水。因此，对浊度监测的研究具有十分重要的意义，特别是在生态安全评价、船舶安全管理和饮用水处理等方面的分析上。现有对河流浊度测量方法主要是基于廉价性和易用性的接触式浊度传感器进行测量，其在早期的浊度检测中得到了广泛的应用。然而，基于传感器的浊度测量需要进行现场水样采集和随后的实验室分析，这使得基于传感器的浊度测量方法劳动力需求大且成本高昂。更重要的是，基于传感器的河流浊度监测方法还存在着灵活性差的缺点，如若采用基于传感器的方法来完全覆盖整个河流进行监测是非常不合理的。

针对现有方法所存在的种种不足，本发明基于随机森林的方法提出，主要分为三阶段实现。首先，以著名的随机森林方法的为基础，区别于算法中的随机子空间特征选取过程，设计了一种新的全组合子空间方法来生成所有可能的特征组合，以此来训练基随机森林学习器。其次，为了进一步选出所有组合中对浊度预测有用的部分，提出了一种基于误差最小化的循环剪枝算法。根据误差的动态阈值去除有害基随机森林学习器，以保留那些与浊度值高度相关的基随机森林学习器。最后，采用正则化线性回归加权平均法对所有保留的有益基随机森林学习器的浊度预测结果进行融合，进而得到河流浊度的最终测量结果。本发明较之现有的方法在预测误差和数据来源的难易程度上有明显的提升。

发明内容

通过Google Earth Engine(GEE)平台获得的高光谱遥感数据由13个波段组成，可以充分反映河流的浊度。然而，迄今还没有明确的证据表明哪些波段或它们的组合与河流浊度有很强的相关性，以及如何有效地融合它们的问题。为了解决这一问题，我们将收集到河流浊度的高光谱遥感图像作为输入的训练样本，其波段作为输入特征，提出了一种基于随机森林集成的河流浑浊度测量的新方法RFE-GEE方法。我们提出的RFE-GEE方法检测河流浊度的步骤如下：

(1)提出新的全组合子空间方法来提取所有样本特征组合，从而构建随机森林的基学习器