投影寻踪分类模型在河道清淤工程方案优选中的应用-论文.pdf

'2014年第8期江苏水利投影寻踪分类模型在河追清淤工程方案优选巾的应用金玉洁王超王洁(南京市水利规划设计院有限责任公司，江苏南京210006)摘要：投影寻踪分类模型是一种分析和处理高维数据的高新数学分析模型，详细介绍了投影寻踪分类模型的本质及其建模方法，并引入南京某地河道清淤工程实例进行深入分析。结果表明，投影寻踪分类模型在河道清淤工程方案的优选中有较高的实用价值和应用前景，同时，研究成果可为今后河道清淤工程方案的优选提供有益参考。关键词：投影寻踪分类；模型；河道；工程；优选中图分类号：TV851文献标识码：A文章编号：1007—7839(2014)08—0039—03高维数据处理的探索性数据分此，投影寻踪分类模型被认为是一种处理后得到nxp的数据矩阵：析方法从2O世纪7O年代以来不断用来分析和处理高维数据，尤其是处⋯XllX12k理非线性、非正态分布高维数据的一⋯涌现，投影寻踪分类模型是其中一种X21X22新的数据分析技术，它同时集合了统种新兴的、科学的、有深刻理论背景：：●●●：的方法[12]。其实质是利用计算机技⋯计学、数学和计算机科学，应用前景n1Xn2十分广阔3]。相对于其他数学分析术，通过把高维数据投影到低维子空式中：模型，如熵权系数模型、主成分分析间，寻找能够反映原高维数据结构或max()一第i个指标的最大值；模型、灰色关联度分析模型等，投影者特征的投影，在低维空间研究数据min(xj)一第个指标的最小值。寻踪模型深刻的理论背景、科学的计结构，从而达到研究与分析高维数据(3)线性投影。投影实质上就是算依据及便捷的使用方法，使其应用的目的[13-14]。从不同的角度去观察数据，寻找能够优势更为凸显。目前，投影寻踪分类模2投影寻踪分类模型的建模方法最大程度地反映数据特征和最能够型在洪水分类，水资源利用效率评建模方法如下[-5_16]：充分挖掘数据信息的最优投影方向，价5，水质评价6，洪水灾情评估[，(1)建立评价矩阵。设某河道清从而实现数据降维。笔者将高维数据生态环境质量评价8，水土资源9，淤工程方案有17,种，评价指标数目为P，投影到一维线性空间进行研究，因甚至在房地产评估[10中都得到了很第i种方案的第i个指标值为X,ij*则此，设单位向量n为一维线性投影方好的应用，取得了丰硕的成果。工程所有样本指标数据可以用nxp列的向，则矩阵投影到。上的一维投影方案的优选涉及很多因素，是典型的数据矩阵表示：特征值为如高维酉数据处■理问罾题，笔者将投影寻踪’分类模型应用于河道清淤工程方案‘=aj‘蛳(i=1，2，3⋯n；=j=l=●的优选，以南京市江宁区横溪街道河：1，2，3。。)‘道清淤工程为例进行实例分析，旨在印(4)构造投影目标函数。综合投(2)无量纲化处理。为解决各指为今后河道清淤工程方案的优选提影指标值时，根据分类原则，投影值标值的量纲不同，对不同样本指标值供理论与实践依据。的散布特征尽可能满足如下要求：进行无量纲化处理：1投影寻踪分类模型的本质局部投影点尽可能密集，最好凝聚对数值越大越优的指标采取如传统的分析方法是假设数据服成若干点团；整体上投影点团之间下处理：从某种分布，在此基础上先假定、后模尽可能散开。即：使多元数据在一维拟，最后进行检验，这种分析方法实际—mlnX,i，粕空间散布的类间距离Js和类内密度上是一种证实性数据分析方法_l。投同时取得最大值。因此，将投影目对数值越小越优的指标采取如影寻踪(projectionpursuit，简称PP)标函数表示为类间距离和类内密度下处理：采用一种全新的思维，即直接审视数的乘积：maxkXi}一xtij=——(xi*)-—m——in—(—x—i*)据，模拟数据结构，最后进行检验。因maxQ)=Sz‘Dz基金项目：公益性行业(农业)科研专项经费(200903001)。作者简介：金玉洁(1975一)，女，硕士研究生，工程师，主要从事水土资源规划及节水灌溉新技术研究工作。 2014年第8期江苏水利表1南京市横溪街道河道清淤工程方案个方面，优选出综合条件最优的河道于差异驱动原理的赋权法则容易受清淤工程方案极为重要。限于原始数据结构从而忽略决策者利用投影寻踪分类模型对表1的主观信息。投影寻踪分类模型偏向建模，其中，环境协调性、土地增值效于后者，因此，笔者认为，投影寻踪分益为“越大越优”指标，工程投资成类模型在河道清淤工程方案优选的本、占地及耗时为“越小越优”指标。研究中，一方面可考虑针对不同数据采用matlab7．1建立投影寻踪分类模结构进行模型的改良，另一方面，可型，在RAGA优化过程中选定父代初考虑将其制作成普适软件，方便决策始种群规模为n=400，交叉概率Pc=者使用。0．8，变异概率=0．8，优秀个体数目参考文献：选定为20个，a-O．05，加速2O次，则l1』LinW，TianZ，WenX．Restoring在得到的横溪街道河道清淤工程方MuhisourceDegradedImagesbasedon案优选中，最大投影指标值为0．4498，Wavelet—DomainProjectionPursuit最佳投影方向nf．=(0．4072，0．0198，LearningNetwork；proceedingsofthe0．5437，0．3158，0．0627)，I一Ⅳ方案的ThirdInternationalSymposiumon投影值依次为zfJ)：(1．0425，1．2381，MuhispectralImageProcessingand0．8052，0．0989)。根据投影值越大、PatternRecognition，October20，2003河道清淤方案越优的原则，4种方案一October22，2003，Beijing，China，F，的优劣次序从优至劣依次为：方案2003[C]．SPIE．Ⅱ，方案I，方案Ⅲ，方案Ⅳ。更直观[2]SobarG，ChangC—I，PlazaA．的对比计算结果如图1所示。Endmembergenerationbyprojection1．41．21j霉0．80．6O．4O．201lIIIlIV方案图14种方案比较4结论pursuit；proceedingsoftheAlgorithms从以上模型计算成果来看，投影andTechnologiesforMuhispectral，寻踪分类模型在河道清淤工程方案Hyperspectral，andUhraspectralImagery的优选中得到了很好的应用，其原理XI，March28，2005一April1，2005，客观科学，计算简单便捷，具有相当Orlando，FL，Unitedstates，F，2005lCJ．的推广和应用价值。对于多目标、多SPIE．指标的决策问题，目前有两种赋权[3]XuQ-S，RenF0nthemethod法，即：基于功能驱动原理的赋权法ofchoosingthetypeaboutinterchange与基于差异驱动原理的赋权法。基于basedonProjectionPursuitCluster功能驱动原理的赋权法容易受到主ModellJj．BeijingGongyeDaxue观因素和决策者个人偏好的影响；基Xuebao／JournalofBeijingUniversity 2014年第8期江苏水利ofTechnology，2007，33(2)：193—196．[9]赵小勇．投影寻踪模型及其在水[13]冯静．基于免疫克隆的投影寻[4]董前进，王先甲，艾学山，eta1．土资源中的应用[D]．东北农业大学，踪聚类算法及其应用[D]．西安电子基于投影寻踪和粒子群优化算法的洪2006．科技大学，2010．水分类研究[_1]．水文，2007(04)：10—14．[10]张玲玲，王宗志，顾敏．房地产[14]胡欣欣，王李进，陈平留．基于[5]封志明，郑海霞，刘宝勤．基于遗风险评价的投影寻踪模型研究[J]．水投影寻踪模型的森林案观评价[J]．传投影寻踪模型的农业水资源利用利经济，2005(01)：20—22、65．江西农业大学学报，2009，v．31；No．效率综合评价EJ]．农业工程学报，2005111JMiyoshiT，NakaoK，Ichihashi154(02)：306—310．(03)：66—70．H，eta1．Neuro-fuzzyprojeetionpursuit115JZhangXL，DingJ，WangSJ．[6]付强，付红，王立坤．基于加速遗regression；proceedingsoftheProceedingsProjectionpursuitmethodforassessing传算法的投影寻踪模型在水质评价ofthe1995IEEEInternationalConferenceanalogybasinslJj．ShuikexueJinzhan／中的应用研究[．1]_地理科学，2003(02)：onNeuralNetworksPart1(of6)，AdvancesinWaterScience，2001，12236-239．November27，1995-December1，1995，(3)：356—360．[7]金菊良，张欣莉，丁晶．评估洪Perth，Aust，F，1995[C]．IEEE．[16]ZhaoY，AtkesonCG．Projection水灾情等级的投影寻踪模型[J]．系统112JShaoXH，HouMM，ChenLpursuitlearning；proceedingsofthe工程理论与实践，2002(02)：140—144．H．eta1．EvaluationofSubsurfaceInternationalJointC0nferenceon[8]王顺久，李跃清．投影寻踪模型DrainageDesignBasedonProjectionNeuralNetworks—IJCNN一91一Seattle．在区域生态环境质量评价中的应用[J]．PursuitJj．EnergyProcedia，2012，16，July8，l991一July12，1991，Seattle，生态学杂志，2006(07)：869—872．PartB(0)：747—752．WA，USA，F，1991[C]．PublbyIEEE．ApplicationofProjectionPursuitClassificationModeltoOptimalSelectionofRiverDredgingSchemesJINYujie，WANGChao，WANGJie(NanjingWaterPlanningandDesigningInstitudeCO．Ltd，Nanjing210006，Jiangsu)Abstract：Projectionpursuitwasanewmathematicmethodoncalculatinghigh—dimensionaldata．Inthispaper，thecontentandmodelingmethodwereintroducedindetail，andtheactualexampleofariverdredgingprojectinNanjingwasintroducedfordeeperanalysis．Resultsshowedthat，theprojectionpursuitmodelhadpreferableapplicationvalueintheoptimumselectionoffiverdredgingschemes，andthestudyachievementscouldprovidebeneficialbasisforselectingoptimalfiverdredgingscheme．Keywords：projeetionpursuit；model；fiver；project；optimumselection(上接第38页)坡体不崩塌。根据计算出来的块石平均折算4．1．3护坡石块的尺寸d的计算直径≥0．299m，即只要块石或卵23tg睾2△=——===二二I‘一30d土壤根据设计类型分析，宾格网护坡石平均折算直径大于0．299m，均可作、／1+mg酉曩量可视为干砌石护坡，可取A=0．64，由为碎料填空隙，宾格网厚度为0．3m。⋯30表1可知，当m=2．0时，K=1．2。宾格网的材质、长度、宽度等指：．_30×2_112cx／Tl~g由式(3)可得：标可根据生产厂家的具体情况而定。(4)最后确定护底长度三为：5结束语捌_59寺r一r。，n，n十，kL=mAhp=2xl12=224cm。考依据河道冲刷理论，阐述宾格网虑不确定的安全因素，取定护底长度=1．59×1．2x—0．64x~应用于河道生态护坡的设计理论，该+2)x1．22BC=L=300cm为设计长度。理论是建立在软体排石笼护坡设计=0．254m从图2可知，BC段是设计护底理论基础上并结合宾格网的特性提==99m出的。在计算护坡石块(稳定)的尺寸长度，该段通过设计流量Q|殳计时，水流对河底的下切，多次冲刷形成冲故块石平均折算直径di>0．299(d)时，未考虑宾格网的作用，主要原刷坑Ah并淤积。BC段受重力作mo因是考虑宾格网在受到最不利破坏用，从c端开始逐步随冲刷坑的形4．2确认宾格网河道生态护坡的技的情况下，洪水对岸坡(或河底)冲成而逐步下沉。经过多次的冲刷和术指标刷时块石的稳定性。在块石稳定的前淤积使得BC段逐步变成BD段，从4．2．1河道护坡的主要参数提下，选择稳定的块石尺寸，以确定而使护底L的空间位置发生了变岸坡长度L护坡=9m，护底长度糯宾格网的规格，做到最为经济合理地化。这样，护坡体ABD像帷幕一样承=3m，护坡石块的尺寸d≥0．299m。选择宾格网。受着河水的冲刷，并牢牢保护着岸4．2．2确认宾格网规格和厚度'