本技術(shù)涉及粒子濾波的，特別是涉及一種基于粒子濾波的農(nóng)田總初級(jí)生產(chǎn)力優(yōu)化模擬方法。

背景技術(shù)：

1、總初級(jí)生產(chǎn)力（gross?primary?productivity，gpp）為綠色植被通過光合作用過程在單位面積單位時(shí)間內(nèi)固定的總碳量，是作物碳匯能力和產(chǎn)量的重要指標(biāo)。精確估算農(nóng)田生態(tài)系統(tǒng)gpp不僅有利于認(rèn)識(shí)全球氣候變化和人類活動(dòng)下陸地生態(tài)系統(tǒng)的變化特征，更有助于避免未來可能的全球糧食風(fēng)險(xiǎn)。陸地生態(tài)系統(tǒng)模型是研究陸地生態(tài)系統(tǒng)gpp的重要工具，可以模擬和預(yù)測(cè)全球和區(qū)域尺度gpp的動(dòng)態(tài)變化。

2、相關(guān)技術(shù)中，如中國專利cn116011635a提供了一種粒子濾波數(shù)據(jù)同化的區(qū)域作物產(chǎn)量估測(cè)方法及系統(tǒng)，方法包括：在作物關(guān)鍵生育期內(nèi)，按照固定時(shí)間間隔運(yùn)行每個(gè)粒子，直至每個(gè)粒子都運(yùn)行到作物成熟期為止，并獲取每個(gè)粒子輸出的第一lai；根據(jù)后驗(yàn)概率密度函數(shù)、更新后的每個(gè)第一lai和似然函數(shù)，更新每個(gè)粒子的初始權(quán)重，得到每個(gè)粒子的更新權(quán)重；在粒子散度小于預(yù)設(shè)值的情況下，對(duì)初始粒子集合中的每個(gè)粒子重采樣，更新初始粒子集合；在每個(gè)粒子運(yùn)行到作物成熟期的情況下，根據(jù)每個(gè)粒子的作物產(chǎn)量和最終權(quán)重，獲取作物產(chǎn)量的估測(cè)值。本發(fā)明能夠提高粒子的順序采樣效率，降低重采樣次數(shù)，保持了粒子輸入?yún)?shù)的多樣性，同時(shí)提高了對(duì)作物產(chǎn)量預(yù)測(cè)的速度和精度。

3、然而，相關(guān)技術(shù)中，直接通過粒子濾波算法對(duì)農(nóng)作物的生產(chǎn)進(jìn)行模擬優(yōu)化更新，在實(shí)際的粒子濾波算法的模擬過程中，存在觀測(cè)值與預(yù)測(cè)值不一致的情況，導(dǎo)致后續(xù)的粒子濾波優(yōu)化算法與實(shí)際的觀測(cè)情況并不一致，使得模擬結(jié)果與實(shí)際觀測(cè)結(jié)果不匹配，導(dǎo)致模擬結(jié)果精度較低。

技術(shù)實(shí)現(xiàn)思路

1、1.?要解決的問題

2、基于此，有必要針對(duì)上述技術(shù)問題，提供一種通過考慮觀測(cè)值與模擬值之間的關(guān)系，繼而提升模擬結(jié)果的精度的基于粒子濾波的農(nóng)田總初級(jí)生產(chǎn)力優(yōu)化模擬方法。

3、2.?技術(shù)方案

4、第一方面，本技術(shù)提供了一種基于粒子濾波的農(nóng)田總初級(jí)生產(chǎn)力優(yōu)化模擬方法。方法包括：

5、構(gòu)建生物圈-大氣交換過程模擬器模型并基于預(yù)設(shè)的經(jīng)驗(yàn)分布獲取隨機(jī)參數(shù)集合，所述隨機(jī)參數(shù)集合包括多個(gè)隨機(jī)參數(shù)組，每個(gè)隨機(jī)參數(shù)組包括不同的生物圈-大氣交換過程模擬器模型對(duì)應(yīng)的敏感參數(shù)以及與敏感參數(shù)對(duì)應(yīng)的初始權(quán)重；

6、基于由敏感參數(shù)隨機(jī)值組成的參數(shù)組分別驅(qū)動(dòng)生物圈-大氣交換過程模擬器模型并獲取到對(duì)應(yīng)的模擬變量；

7、獲取與模擬變量對(duì)應(yīng)的觀測(cè)變量并基于所述觀測(cè)變量對(duì)模型參數(shù)進(jìn)行迭代操作，所述迭代操作包括：

8、基于所述觀測(cè)變量與模型參數(shù)對(duì)應(yīng)的模擬變量，計(jì)算模型參數(shù)組對(duì)應(yīng)的模擬變量發(fā)生時(shí)觀測(cè)變量發(fā)生的似然概率；

9、基于所述似然概率調(diào)整敏感參數(shù)組的權(quán)重，將調(diào)整后的權(quán)重設(shè)置為更新權(quán)重；

10、基于所述更新權(quán)重和對(duì)應(yīng)的敏感參數(shù)組構(gòu)建更新參數(shù)集合；

11、基于更新參數(shù)集合分別驅(qū)動(dòng)生物圈-大氣交換過程模擬器模型并獲取到對(duì)應(yīng)的更新模擬變量；

12、重復(fù)所述迭代操作直至所述觀測(cè)變量同化完畢。

13、在其中一個(gè)實(shí)施例中，基于所述觀測(cè)變量與模擬變量計(jì)算模擬變量發(fā)生時(shí)觀測(cè)變量發(fā)生的似然概率：

14、；

15、其中，為模擬變量發(fā)生時(shí)觀測(cè)變量發(fā)生的似然概率，表示圓周率；表示自然底數(shù)；表示觀測(cè)值的標(biāo)準(zhǔn)差，表示時(shí)刻第個(gè)參數(shù)組，表示對(duì)應(yīng)的模擬變量，表示時(shí)刻對(duì)應(yīng)的觀測(cè)變量；

16、基于所述觀測(cè)變量發(fā)生的似然概率，更新所述參數(shù)組的權(quán)重；

17、參數(shù)組更新后的權(quán)重通過所述似然概率計(jì)算得到，為確保每個(gè)時(shí)刻所有參數(shù)組的權(quán)重之和為1，其公式如下：

18、；

19、其中，為模擬變量發(fā)生時(shí)觀測(cè)變量發(fā)生的似然概率，表示時(shí)刻第個(gè)參數(shù)組更新后的權(quán)重，表示時(shí)刻第個(gè)參數(shù)組更新后的權(quán)重。

20、在其中一個(gè)實(shí)施例中，統(tǒng)計(jì)有效參數(shù)組數(shù)量估計(jì)值，公式如下：

21、；

22、其中，為有效參數(shù)組的數(shù)量估計(jì)值，為第個(gè)參數(shù)組在時(shí)刻的更新權(quán)重；

23、將有效參數(shù)組數(shù)量估計(jì)值與預(yù)設(shè)的臨界閾值進(jìn)行比對(duì)；

24、若有效參數(shù)組數(shù)量估計(jì)值小于預(yù)設(shè)的臨界閾值，則判定進(jìn)行參數(shù)集合重采樣并獲取重采樣參數(shù)集合。

25、在其中一個(gè)實(shí)施例中，判定進(jìn)行參數(shù)集合重采樣包括：

26、統(tǒng)計(jì)更新參數(shù)集合的累計(jì)復(fù)制次數(shù)，公式如下：

27、；

28、其中，為在時(shí)刻前個(gè)更新參數(shù)組的累計(jì)復(fù)制次數(shù)，為四舍五入取整函數(shù)，為參數(shù)組的數(shù)量，為第個(gè)更新參數(shù)組在時(shí)刻的更新權(quán)重；

29、基于所述累計(jì)復(fù)制次數(shù)，計(jì)算各個(gè)參數(shù)組的復(fù)制次數(shù)，公式如下：

30、=-；

31、其中，為第個(gè)更新參數(shù)組在時(shí)刻的復(fù)制次數(shù)，為在時(shí)刻前個(gè)更新參數(shù)組的累計(jì)復(fù)制次數(shù)，為在時(shí)刻前個(gè)更新參數(shù)組的累計(jì)復(fù)制次數(shù)；

32、基于所述更新參數(shù)組的復(fù)制次數(shù)判定該參數(shù)組是否進(jìn)行重采樣。

33、在其中一個(gè)實(shí)施例中，基于所述更新參數(shù)組的復(fù)制次數(shù)判定該參數(shù)組是否進(jìn)行重采樣包括：

34、當(dāng)有效參數(shù)組數(shù)量估計(jì)值小于預(yù)設(shè)的臨界閾值時(shí)，基于霍爾頓序列和指數(shù)函數(shù)對(duì)所述復(fù)制次數(shù)不為零的更新參數(shù)組進(jìn)行重采樣，獲取重采樣參數(shù)組，公式如下：

35、；

36、其中，為四舍五入取整函數(shù)，表示時(shí)刻第個(gè)參數(shù)組，為第個(gè)更新參數(shù)組在時(shí)刻的復(fù)制次數(shù)，為更新參數(shù)組的偏移量，公式如下：

37、；

38、其中，為基于更新參數(shù)組重采樣得到的時(shí)刻第個(gè)參數(shù)組對(duì)應(yīng)的偏移量，為更新參數(shù)組的數(shù)量，用于決定采樣參數(shù)組的分散程度。

39、第二方面，本技術(shù)還提供了一種基于粒子濾波的農(nóng)田總初級(jí)生產(chǎn)力優(yōu)化模擬裝置。裝置包括：

40、隨機(jī)參數(shù)構(gòu)建模塊，用于構(gòu)建生物圈-大氣交換過程模擬器模型并基于預(yù)設(shè)的經(jīng)驗(yàn)分布獲取隨機(jī)參數(shù)集合，所述隨機(jī)參數(shù)集合包括多個(gè)隨機(jī)參數(shù)組，每個(gè)隨機(jī)參數(shù)組包括不同的生物圈-大氣交換過程模擬器模型對(duì)應(yīng)的敏感參數(shù)以及與敏感參數(shù)對(duì)應(yīng)的初始權(quán)重；

41、模擬變量計(jì)算模塊，用于基于隨機(jī)參數(shù)集合分別驅(qū)動(dòng)生物圈-大氣交換過程模擬器模型并獲取到對(duì)應(yīng)的模擬變量；

42、模型參數(shù)迭代模塊，用于獲取與模擬變量對(duì)應(yīng)的觀測(cè)變量并基于所述觀測(cè)變量對(duì)模型參數(shù)進(jìn)行迭代操作，所述迭代操作包括：基于所述觀測(cè)變量與模型參數(shù)對(duì)應(yīng)的模擬變量，計(jì)算模型參數(shù)組對(duì)應(yīng)的模擬變量發(fā)生時(shí)觀測(cè)變量發(fā)生的似然概率；基于所述似然概率調(diào)整敏感參數(shù)組的權(quán)重，將調(diào)整后的權(quán)重設(shè)置為更新權(quán)重；基于所述更新權(quán)重和對(duì)應(yīng)的敏感參數(shù)組構(gòu)建更新參數(shù)集合；基于更新參數(shù)集合分別驅(qū)動(dòng)生物圈-大氣交換過程模擬器模型并獲取到對(duì)應(yīng)的更新模擬變量；

43、迭代同化輸出模塊，用于重復(fù)所述迭代操作直至所述觀測(cè)變量同化結(jié)束。

44、第三方面，本技術(shù)還提供了一種計(jì)算機(jī)設(shè)備。計(jì)算機(jī)設(shè)備包括存儲(chǔ)器和處理器，存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)以下步驟：

45、構(gòu)建生物圈-大氣交換過程模擬器模型并基于預(yù)設(shè)的經(jīng)驗(yàn)分布獲取隨機(jī)參數(shù)集合，所述隨機(jī)參數(shù)集合包括多個(gè)隨機(jī)參數(shù)組，每個(gè)隨機(jī)參數(shù)組包括不同的生物圈-大氣交換過程模擬器模型對(duì)應(yīng)的敏感參數(shù)以及與敏感參數(shù)對(duì)應(yīng)的初始權(quán)重；

46、基于由敏感參數(shù)隨機(jī)值組成的參數(shù)組分別驅(qū)動(dòng)生物圈-大氣交換過程模擬器模型并獲取到對(duì)應(yīng)的模擬變量；

47、獲取與模擬變量對(duì)應(yīng)的觀測(cè)變量并基于所述觀測(cè)變量對(duì)模型參數(shù)進(jìn)行迭代操作，所述迭代操作包括：

48、基于所述觀測(cè)變量與模型參數(shù)對(duì)應(yīng)的模擬變量，計(jì)算模型參數(shù)組對(duì)應(yīng)的模擬變量發(fā)生時(shí)觀測(cè)變量發(fā)生的似然概率；

49、基于所述似然概率調(diào)整敏感參數(shù)組的權(quán)重，將調(diào)整后的權(quán)重設(shè)置為更新權(quán)重；

50、基于所述更新權(quán)重和對(duì)應(yīng)的敏感參數(shù)組構(gòu)建更新參數(shù)集合；

51、基于更新參數(shù)集合分別驅(qū)動(dòng)生物圈-大氣交換過程模擬器模型并獲取到對(duì)應(yīng)的更新模擬變量；

52、重復(fù)所述迭代操作直至所述觀測(cè)變量同化完畢。

53、第四方面，本技術(shù)還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)以下步驟：

54、構(gòu)建生物圈-大氣交換過程模擬器模型并基于預(yù)設(shè)的經(jīng)驗(yàn)分布獲取隨機(jī)參數(shù)集合，所述隨機(jī)參數(shù)集合包括多個(gè)隨機(jī)參數(shù)組，每個(gè)隨機(jī)參數(shù)組包括不同的生物圈-大氣交換過程模擬器模型對(duì)應(yīng)的敏感參數(shù)以及與敏感參數(shù)對(duì)應(yīng)的初始權(quán)重；

55、基于由敏感參數(shù)隨機(jī)值組成的參數(shù)組分別驅(qū)動(dòng)生物圈-大氣交換過程模擬器模型并獲取到對(duì)應(yīng)的模擬變量；

56、獲取與模擬變量對(duì)應(yīng)的觀測(cè)變量并基于所述觀測(cè)變量對(duì)模型參數(shù)進(jìn)行迭代操作，所述迭代操作包括：

57、基于所述觀測(cè)變量與模型參數(shù)對(duì)應(yīng)的模擬變量，計(jì)算模型參數(shù)組對(duì)應(yīng)的模擬變量發(fā)生時(shí)觀測(cè)變量發(fā)生的似然概率；

58、基于所述似然概率調(diào)整敏感參數(shù)組的權(quán)重，將調(diào)整后的權(quán)重設(shè)置為更新權(quán)重；

59、基于所述更新權(quán)重和對(duì)應(yīng)的敏感參數(shù)組構(gòu)建更新參數(shù)集合；

60、基于更新參數(shù)集合分別驅(qū)動(dòng)生物圈-大氣交換過程模擬器模型并獲取到對(duì)應(yīng)的更新模擬變量；

61、重復(fù)所述迭代操作直至所述觀測(cè)變量同化完畢。

62、第五方面，本技術(shù)還提供了一種計(jì)算機(jī)程序產(chǎn)品。計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)以下步驟：

63、構(gòu)建生物圈-大氣交換過程模擬器模型并基于預(yù)設(shè)的經(jīng)驗(yàn)分布獲取隨機(jī)參數(shù)集合，所述隨機(jī)參數(shù)集合包括多個(gè)隨機(jī)參數(shù)組，每個(gè)隨機(jī)參數(shù)組包括不同的生物圈-大氣交換過程模擬器模型對(duì)應(yīng)的敏感參數(shù)以及與敏感參數(shù)對(duì)應(yīng)的初始權(quán)重；

64、基于由敏感參數(shù)隨機(jī)值組成的參數(shù)組分別驅(qū)動(dòng)生物圈-大氣交換過程模擬器模型并獲取到對(duì)應(yīng)的模擬變量；

65、獲取與模擬變量對(duì)應(yīng)的觀測(cè)變量并基于所述觀測(cè)變量對(duì)模型參數(shù)進(jìn)行迭代操作，所述迭代操作包括：

66、基于所述觀測(cè)變量與模型參數(shù)對(duì)應(yīng)的模擬變量，計(jì)算模型參數(shù)組對(duì)應(yīng)的模擬變量發(fā)生時(shí)觀測(cè)變量發(fā)生的似然概率；

67、基于所述似然概率調(diào)整敏感參數(shù)組的權(quán)重，將調(diào)整后的權(quán)重設(shè)置為更新權(quán)重；

68、基于所述更新權(quán)重和對(duì)應(yīng)的敏感參數(shù)組構(gòu)建更新參數(shù)集合；

69、基于更新參數(shù)集合分別驅(qū)動(dòng)生物圈-大氣交換過程模擬器模型并獲取到對(duì)應(yīng)的更新模擬變量；

70、重復(fù)所述迭代操作直至所述觀測(cè)變量同化完畢。

71、3.?有益效果

72、相比于現(xiàn)有技術(shù)，本發(fā)明的有益效果為：

73、(1).本方法采用粒子濾波算法，通過獲取beps模型的模擬值與觀測(cè)值，通過觀測(cè)值來調(diào)整模型參數(shù)中的權(quán)重來迭代新的模擬值，直至將beps模型的模擬值迭代到與觀測(cè)值相互匹配的結(jié)果，不涉及復(fù)雜的矩陣轉(zhuǎn)置和求逆運(yùn)算，也無需專業(yè)人員進(jìn)行耗時(shí)的模型伴隨代碼編寫工作，相比于其他常見數(shù)據(jù)同化算法更加簡單高效，更加適合用于復(fù)雜的生態(tài)系統(tǒng)過程模型的優(yōu)化。該方法一方面克服了卡爾曼濾波算法要求處理系統(tǒng)必須是線性系統(tǒng)的條件限制；另一方面也突破了變分法要求系統(tǒng)狀態(tài)變量基于高斯分布的條件要求，這種非線性非高斯的隨機(jī)模式特征使其具有廣泛的應(yīng)用前景。

74、(2).本方法建立于beps這一基于過程的生態(tài)系統(tǒng)模型之上。beps模型內(nèi)蘊(yùn)植物光合作用、呼吸作用等多個(gè)機(jī)理過程，并考慮了水熱碳相關(guān)過程的緊密耦合。因此，本方法在進(jìn)行作物總初級(jí)生產(chǎn)力優(yōu)化之時(shí)，也并不對(duì)變量直接進(jìn)行優(yōu)化，而是通過調(diào)節(jié)模型控制參數(shù)間接進(jìn)行變量的優(yōu)化，這使得本方法能夠從更深層次、更加機(jī)理性的角度對(duì)優(yōu)化結(jié)果進(jìn)行分析。