[发明专利]基于自编码器和奇异值阈值的土壤湿度数据重构方法和计算机可读存储介质

说明书

本发明涉及一种基于自编码器和奇异值阈值的土壤湿度数据重构方法，包括：从卫星遥感土壤湿度数据集中选择训练集训练自编码器；采用训练后的自编码器处理地面站点土壤湿度数据；对训练后的站点土壤湿度数据进行降秩处理以获得待重构数据；采用奇异值阈值算法对所述待重构数据进行重构以获得完整的土壤湿度数据。本发明还涉及一种计算机可读存储介质。实施本发明的基于自编码器和奇异值阈值的土壤湿度数据重构方法和计算机可读存储介质，可以精准地重构回完整的土壤湿度数据，并且可以很好的反映温度场数据的整体变化规律。

技术领域

本发明涉及土壤湿度领域，更具体地说，涉及一种基于自编码器和奇异值阈值的土壤湿度数据重构方法和计算机可读存储介质。

背景技术

土壤湿度在全球陆地表面能量、水分和物质交换中起重要作用，是水文、生态等多学科领域的重点研究对象，是陆面过程中重要的一个物理量。通过建立高密度的气象观测站点，可以获取准确的土壤湿度地面观测数据，但由于经济水平、技术手段和地形条件的限制，很多地方的气象数据获取比较困难，为了获取气象观测站点外区域的气象数据，研究人员通常将统计学方法与地理信息系统相结合，基于已有气象观测站点的观测值进行估算，即气象要素数据空间插值。然而，采用现有的数据插值方法处理土壤湿度数据，精度不够，可以得到局部的变化而无法反映温度场数据整体的变化性。

矩阵填充理论是信息领域继压缩感知之后的又一引人注目的新研究热点，它针对部分缺失、污染、损毁的大规模数据，旨在将一个低秩不完整的矩阵，利用其元素间的相关性，恢复出矩阵的全部数据。当矩阵数据满足低秩性要求时，此方法只需要矩阵当中的少量数据，就能精确并高效的对数据不完整的矩阵进行恢复和处理，具有极高的现实意义。然而传统的矩阵填充算法运算时间过长且精度较低。

发明内容

本发明要解决的技术问题在于，针对现有技术中的数据插值法精度不且无法反映数据整体的变化性，而传统的矩阵填充算法运算时间过长且精度较低的问题，提供一种基于自编码器和奇异值阈值的土壤湿度数据重构方法和计算机可读存储介质，可以精准地重构回完整的土壤湿度数据，并且可以很好的反映温度场数据的整体变化规律。

本发明解决其技术问题采用的一个技术方案是，构造一种基于自编码器和奇异值阈值的土壤湿度数据重构方法，包括：

S1、从卫星遥感土壤湿度数据集中选择训练集训练自编码器；

S2、采用训练后的自编码器处理地面站点土壤湿度数据；

S3、对训练后的站点土壤湿度数据进行降秩处理以获得待重构数据；

S4、采用奇异值阈值算法对所述待重构数据进行重构以获得完整的土壤湿度数据。

在本发明所述的基于自编码器和奇异值阈值的土壤湿度数据重构方法中，所述步骤S1进一步包括：

S11、将所述卫星遥感土壤湿度数据集分成训练集、验证集和测试集；

S12、将所述训练集作为自编码器的输入，采用Sigmoid函数作为所述自编码器的激活函数以对所述自编码器进行训练。

在本发明所述的基于自编码器和奇异值阈值的土壤湿度数据重构方法中，所述自编码器包括数据输入层、隐藏层和输出重构层，所述数据输入层的个数等于所述输出重构层的个数，所述隐藏层的个数小于所述数据输入层的个数。

在本发明所述的基于自编码器和奇异值阈值的土壤湿度数据重构方法中，所述步骤S3进一步包括采用奇异值分解算法对所述训练后的站点土壤湿度数据进行降秩处理，且降秩处理后的所述待重构数据满足所述待重构数据的奇异值向量与所述待重构数据所在的欧氏空间的标准正交基不相关。

在本发明所述的基于自编码器和奇异值阈值的土壤湿度数据重构方法中，将训练后的站点土壤湿度数据降秩为15或25。