基于改进人工蜂群优化随机森林的地磁参考图制备技术研究

《Geomatics》：Research on the Preparation Technology of Geomagnetic Reference Map Based on Improved Artificial Bee Colony Optimization for Random Forest

　　

高精度地磁参考图对于可靠的地磁场建模和精确的地磁匹配导航至关重要，尤其是在观测稀疏且磁异常变化复杂的区域。然而，传统地图构建方法在观测稀疏或空间变化复杂时通常表现出有限的精度和鲁棒性。为解决这些挑战，研究人员提出了一种改进的人工蜂群优化随机森林模型（IABC-RF），用于利用磁异常数据重构地磁参考图。该方法集成了增强的人工蜂群策略，以优化随机森林模型的超参数，从而提高其在非线性地磁环境中的预测精度和稳定性。基于世界数字磁异常图（WDMAM）获取的南中国海区域（5–25′ N 和100–120′ E）磁异常数据进行的实验表明，IABC-RF方法优于传统方法。IABC-RF方法实现了最低的均方根误差（RMSE）为1.46 nT，最小标准差为1.58 nT，同时保持了有竞争力的计算时间3.4 s。相比之下，克里金插值（Kriging interpolation）产生的RMSE为2.47 nT，反距离加权（IDW）得到的RMSE为14.45 nT，改进施帕德插值（improved Shepard interpolation）给出的RMSE为11.68 nT。IABC-RF方法在保留整体地磁趋势和准确恢复局部异常细节方面表现出色，对异常值具有更强的鲁棒性。进一步在噪声条件（5%和10%噪声）下对IABC-RF方法的评估显示，尽管所有方法因添加噪声导致性能下降，但IABC-RF方法仍表现出优越的鲁棒性。这些发现表明，IABC-RF方法为构建高精度地磁参考图提供了一种高效可靠的解决方案，即使在噪声环境下也具有强大性能。该方法对于在复杂操作环境中改进地磁匹配导航尤为有价值。

**论文解读文章：基于改进人工蜂群优化随机森林的地磁参考图制备技术研究**

**研究背景与问题**

地磁匹配导航是一种重要的辅助导航方式，其定位精度高度依赖于预建立的地磁参考图的准确性和空间连续性。高精度地磁参考图是实现可靠地磁场建模和精确地磁匹配导航的基础，尤其在观测稀疏、磁异常变化复杂的区域。然而，传统的地磁参考图构建方法（如克里金插值、反距离加权插值及改进施帕德插值）往往在精度和鲁棒性方面存在局限，尤其在面对稀疏观测数据或复杂空间变化时，难以满足高精度导航的需求。现有方法如支持向量机优化的克里金插值虽提高了精度，但计算成本高、对参数敏感；卷积神经网络等方法需要大量标注数据和硬件资源，泛化能力有限。因此，急需开发一种兼顾精度、计算效率和鲁棒性的新插值方法，以提升地磁参考图构建的质量和实用价值。本研究旨在提出一种基于改进人工蜂群优化随机森林（IABC-RF）的框架，用于地磁参考图重构，该论文发表在《Geomatics》期刊上。

**主要关键技术方法**

研究人员采用改进人工蜂群优化随机森林模型（IABC-RF）用于地磁参考图重构。关键技术包括：随机森林（RF）集成学习算法，通过Bootstrap重采样和节点随机分裂构建多棵决策树，具有较强的抗噪性和高维数据处理能力；改进人工蜂群（IABC）算法，通过混沌映射初始化种群、自适应搜索步长、等距分布并行搜索、逆轮盘选择及引力势场引导侦察蜂更新等机制，优化RF的五个关键超参数（决策树数量、最大深度、叶节点最小样本数、分裂所需最小样本数、每分裂考虑的特征数）。数据源自世界数字磁异常图（WDMAM）中南中国海区域（5–25° N, 100–120° E）的栅格磁异常数据（分辨率0.05°×0.05°），将空间坐标（经度、纬度）作为输入特征，磁异常值作为回归目标，样本共30000组（80%训练集，20%测试集）。实验在MATLAB2019a环境下完成，并与克里金插值、反距离加权插值（IDW）和改进施帕德插值进行对比。

**研究结果**

**3.1 研究区概况**
研究区选定南中国海（5–25° N, 100–120° E），包含海洋和边缘海环境，地磁异常场呈现明显的空间异质性（包括平滑背景变化和局部高梯度异常带），为评估地磁参考图重构方法提供了代表性测试条件。

**3.2 数据来源与预处理**
从WDMAM提取5–25° N、100–120° E范围内的磁异常数据作为原始完整参考场。研究人员人为设置空白区域模拟缺失观测，并引入5%和10%噪声以测试插值方法的鲁棒性。

**3.3 训练模型**
研究人员将区域空间划分为10个模块，选取其中8个模块（区域1-8，含24000组样本）作为训练集，区域9-10（含6000组样本）作为测试集。通过IABC优化RF超参数，使用空间坐标拟合磁异常值。特征重要性分析显示不同区域特征对模型预测贡献差异显著（区间4贡献最高约3.982，区间3最低约0.697）。测试集预测结果表明，IABC-RF模型的预测值与真实值高度吻合，展现了良好的预测性能和泛化能力。

**3.4 完成地磁参考图**
在无噪声、5%噪声和10%噪声条件下，对比了IABC-RF与克里金、IDW、改进施帕德四种方法的重构效果。

- **无噪声条件**：IABC-RF在保留全局趋势和恢复局部异常细节方面表现最佳，RMSE为1.46 nT，SD为1.58 nT，R²为0.99，计算时间3.4 s；而克里金RMSE为2.47 nT，IDW为14.45 nT，改进施帕德为11.68 nT。IABC-RF获得了最自然的边界过渡和平滑与精度的平衡。
- **5%噪声条件**：所有方法性能下降，但IABC-RF仍保持最低RMSE（1.59 nT）和最高R²（0.99），SD为2.02 nT，计算时间3.4 s；IDW性能恶化最严重（RMSE 15.73 nT），克里金计算时间最长（13.2 s）。IABC-RF表现出优越的抗噪鲁棒性。
- **10%噪声条件**：IABC-RF的RMSE仅增至1.63 nT，MAE 1.38 nT，R² 0.97，SD 2.11 nT，计算时间3.5 s；而克里金RMSE升至2.97 nT，IDW为14.98 nT，改进施帕德为12.06 nT。IABC-RF在去噪与细节保留之间达到了更优平衡，重构结果空间一致性和形态保真度最高。

**讨论与结论**

讨论部分指出，本研究的一个局限性是未包含基于深度学习的方法进行对比，因为深度学习需要更大的标注数据集和更高的计算成本，而本研究聚焦于轻量级且鲁棒的RF框架。未来可将深度学习纳入比较。研究结论部分翻译如下：本研究利用全球数字磁异常图（WDMAM）和南中国海地磁数据，开发了经人工蜂群算法优化的增强型随机森林模型（IABC-RF）。该模型的性能与用于生成地磁参考图的传统插值技术进行了比较。结果表明，IABC-RF模型在精度和稳定性方面显著优于传统方法（包括克里金、改进施帕德和IDW）。具体而言，IABC-RF模型实现了最低的均方根误差（RMSE）为1.46 nT，展示了其优越的插值精度。克里金在某些区域表现良好，但改进施帕德和IDW方法在处理复杂地磁变化区域时精度较低。此外，研究考察了IABC-RF模型在噪声条件下的鲁棒性（引入5%和10%噪声）。发现即使在噪声环境下，IABC-RF仍保持优越性能，有效保存地磁模式并捕获局部特征。这突显了IABC-RF在复杂、有噪声环境中构建高精度地磁参考图的实用价值和可靠性。