[发明专利]基于贝叶斯动态模型的滩涂面积预测方法

说明书

技术领域

本发明属于计算机自动化领域，涉及沿海滩涂面积的预测方法。 

背景技术

我国地处西太平洋沿岸，是海洋灾害多发地区。海洋灾害为我国带来了巨大的经济损失，因此，其防灾减灾工作历来为我国政府所重视。近年来，沿海滩涂面积呈日益变化趋势，例如频频出现的“怪潮”现象，为正在作业的渔民造成了巨大的经济损失以及人身损失。因此对沿海滩涂的面积变化进行预测，减少沿海地区的损失，为了国家海洋防灾减灾工作的重中之重。 

常用的水文时间序列的预测方法是Box-Jenkins方法，它是一种精确度相当高的短期预测方法。然而，该方法存在着一定的局限性，它只适用于平稳的时间序列，对于非平稳的时间序列，不能直接用ARMA模型去描述，必须利用差分法转化平稳序列才能进行研究。而进行差分转化需要大量足够的数据，在实际中，这个要求往往是困难的。 

滩涂面积变化受到海洋动力、入海河流、气候和气温等一系列的自然因素以及人为因素的影响，往往表现为非平稳的时间序列。 

本发明采用贝叶斯动态模型方法，该方法不仅依赖于已有的动态数据，而且还依赖于测试人员的经验、专家的建议和相关的资料、历史的数据等，即由客观信息和主观信息的综合得到后验信息，并由此推断得到后验分布。根据后验分布所建立的动态模型对未来时刻的数据进行预测。其特点在于：模型的适应性好，适合描述复杂的变化规律，能处理异常情况的发生；在对数据方面的要求大大减少的同时，又得到了同样精度的预测。 

发明内容

本发明公开了一种滩涂面积的预测方法。该方法包括以下步骤：通过RS、GPS和GIS结合，得到近十年来上海滩涂面积；根据上述数据选定贝叶斯动态模型的初始训练集；调用该模型进行预测，并与实际值进行对比，直到预测结果在实际值的置信区间内为止。本发明提出的预测方法，其预测结构精细，在节省数据开销的同时也提高的预测精度，为沿海渔民作业躲避海洋灾害提供工具，同时也为国家防灾减灾做出贡献。 

附图说明

图1为本发明的预测过程流程图。 

图2为本发明的数据处理过程流程图。 

图3为本发明采用的贝叶斯预测方法的递推过程。 

具体实施方式

本发明公开了一种滩涂面积的预测方法，下面结合附图对实施方式进行说明。 

1.请参考图1。图1为本发明的预测过程流程图。通过数据处理，得到近十年来上海滩涂面积；根据上述数据选定贝叶斯动态模型的初始训练集；调用该模型进行预测，并与实际值进行对比，直到预测结果在实际值的置信区间内为止。 

2.请参考图2。图2为本发明的数据处理流程图。选择多时相RS影像图，用GIS处理软件结合海图对影像图进行配图，校准；选择训练样区；利用GPS得到野外实地考察记录，再加上历史数据资料，在RS处理软件中对训练样区中的水体、滩涂、人工堤坝、植物群落等执行监督分类；将分类后的图像进行GIS数据合成，得到所要的训练样区面积值。 

3.请参考图3。图3为贝叶斯动态模型预测方法的递推过程。贝叶斯动态线性模型(DynamicLinear Models，简记为DLM)是由两个方程确定的系统，这个系统描述为： 

(I).过程的观测如何随机地依赖于当前的状态参数； 

(II).状态参数如何随时间变化，表示了系统内部的动态变化和随机扰动。 

定义：DLM由4个元素所决定，{F，G，V，W}_t＝{F_t，G_t，V_t，W_t}， 

具体表示为： 

观测方程y_t＝F_t′θ_t+ν_t ν_t～N[0，V_t] 

状态方程θ_t＝G_tθ_t-1+ω_t ω_t～N[0，W_t] 

初始先验条件：(θ₀|D₀)～N[m₀，C₀] 

观测方程和状态误差序列是独立的，并且是相互独立的，且与(θ₀|D₀)独立。