一种知识约束下的多目标土壤空间抽样优化模型

摘要：

土壤空间抽样优化需要综合考虑抽样精度、成本、代表性以及样点数量与空间布局等多目标,属于典型的NP-Hard空间优化决策问题.先验知识的应用以及多目标的博弈能够有效地提高抽样精度和效率.通过研究土壤空间抽样先验知识及其空间分层技术,以及土壤空间抽样方案与粒子群算法映射关系,建立了基于知识约束下多目标粒子群算法的土壤空间抽样优化模型.模型以最小克里金方差和最大熵为抽样目标,以分层最小样本量、空间阻隔和可达性为约束条件,结合目标规划法进行多目标帕累托优化方案求解,并以陕西省横山县为实验区验证了模型的有效性.实验结果表明,该模型相比传统方法具有较高的收敛效率和抽样精度,先验知识与目标规划法的应用显著提升了抽样方案代表性,能够为土壤空间抽样以及土壤质量监测网络构建提供新的技术支撑.

关键词：空间抽样、土壤、粒子群、目标规划、多目标优化

所属期刊栏目：39

分类号：P208(一般性问题)

资助基金：The National High-Tech R&D Program of China863 Program,No.2011AA120304; the China Postdoctoral Science Foundation,No.2012M511253; the Fundamental Research Funds for the Central Universities,No.121044.国家863计划资助项目2011AA120304;中国博士后科学基金资助项目2012M511253;中央高校基本科研业务费专项资金青年教师资助项目121044.

在线出版日期：2015-01-12（万方平台首次上网日期，不代表论文的发表时间）

页码：1282-1286