一種基于隨機(jī)森林的激光大氣傳輸效應(yīng)評(píng)估方法

譚 哲,龔艷春,楊云濤,冷 坤

(陸軍工程大學(xué)基礎(chǔ)部,江蘇 南京 211101)

1 引 言

激光經(jīng)過大氣傳輸后到達(dá)靶目標(biāo)處一定面積內(nèi)的光功率密度分布是衰減效應(yīng)、湍流效應(yīng)和非線性熱暈效應(yīng)共同作用的結(jié)果,與激光的初始狀態(tài)、傳輸路徑上的大氣環(huán)境密切相關(guān)。通過對(duì)靶目標(biāo)處的光功率換算,可以得到環(huán)圍功率(PIB)、遠(yuǎn)場(chǎng)光斑半徑、衍射極限倍數(shù)等光束質(zhì)量評(píng)價(jià)因子,以實(shí)現(xiàn)對(duì)激光大氣傳輸效應(yīng)的評(píng)估。對(duì)激光大氣傳輸效應(yīng)進(jìn)行評(píng)估研究,根據(jù)分析方法和采用模型的不同,主要有波動(dòng)光學(xué)模型評(píng)估方法、定標(biāo)律模型評(píng)估方法和統(tǒng)計(jì)分析模型評(píng)估方法[1]。波動(dòng)光學(xué)模型評(píng)估方法是基于波動(dòng)光學(xué)方程,通過多層相位屏方法建立的激光大氣傳輸仿真軟件；定標(biāo)律模型評(píng)估方法是將不同的激光系統(tǒng)參數(shù)輸入仿真軟件經(jīng)計(jì)算獲得了激光傳輸規(guī)律,而后加入特征參數(shù)進(jìn)行擬合,得出定標(biāo)公式。統(tǒng)計(jì)分析模型評(píng)估方法的原理是基于外場(chǎng)設(shè)備時(shí)時(shí)測(cè)量、數(shù)據(jù)統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)等技術(shù),研究各類輸入?yún)?shù)對(duì)傳輸效應(yīng)的影響。

本文在機(jī)器學(xué)習(xí)的基礎(chǔ)上,采用RF算法。RF基于2014年1月煙臺(tái)地區(qū)某地實(shí)際大氣環(huán)境數(shù)據(jù)[5]、激光發(fā)射參數(shù)以及上述兩類數(shù)據(jù)通過相位屏模型[6]獲取仿真數(shù)據(jù)(包括PIB、遠(yuǎn)場(chǎng)光斑半徑、衍射極限倍數(shù)等光束質(zhì)量評(píng)價(jià)因子,本文選取PIB作研究對(duì)象),對(duì)PIB進(jìn)行預(yù)測(cè),并將預(yù)測(cè)結(jié)果與相位屏生成的PIB比較,檢驗(yàn)其擬合能力。同時(shí)為了評(píng)價(jià)模型的準(zhǔn)確性和可靠性,分別采用RF、SVM[4]從均方根誤差(ERMS)、平均絕對(duì)誤差(EMA)和平均相對(duì)誤差(EMR)等方面進(jìn)行比較,以實(shí)現(xiàn)對(duì)激光大氣傳輸效應(yīng)的評(píng)估。

2 RF算法

2.1 RF的工作原理

RF算法是一種基于決策樹的集成算法,它利用Bootstrap重采樣技術(shù),以隨機(jī)的模式來構(gòu)建森林,采用Bagging算法有放回的從原始訓(xùn)練集取樣得到多個(gè)訓(xùn)練集,而后用每一個(gè)訓(xùn)練集進(jìn)行訓(xùn)練得到相應(yīng)的決策樹模型[7]來組建立“森林”。決策樹通過選擇最優(yōu)特征在樹的每個(gè)節(jié)點(diǎn)不停進(jìn)行分類,直到達(dá)到樹成型的停止條件[8]。決策樹的分支結(jié)點(diǎn)所包含的樣本盡可能屬于同一類別,即結(jié)點(diǎn)的“純度”越高。信息增益和Gini是提高樣本“純度”的最佳方式,信息增益使用“信息熵”表征“純度”的高低,數(shù)據(jù)集D的信息熵公式為:

(1)

Ent(d)的值越小,D的“純度”的越高。 表示任意類別樣本 占數(shù)據(jù)集D的概率假定離散屬性A有k個(gè)值,用特征A對(duì)D進(jìn)行劃分,D會(huì)被劃分為k個(gè)部分,此時(shí)可用特征A分割結(jié)點(diǎn)的信息增益用Gain(D,A)表示,公式如下:

(2)

數(shù)據(jù)集D的純度還可用基尼指數(shù)來衡量,基尼指數(shù)越小,D的純度越高。公式如下:

(3)

(4)

由于本文處理的是激光發(fā)射參數(shù)、大氣環(huán)境參數(shù)和PIB的關(guān)系,因此采用隨機(jī)森林回歸(random forest for regression,RFR)算法。隨機(jī)森林回歸[9]模型是通過與隨機(jī)向量θ有關(guān)的決策樹構(gòu)成的,模型的預(yù)測(cè)結(jié)果是k棵決策樹的{h(X,θi,i=1,2,…,k)}均值。

(5)

式中,fRFR表示RFR模型的結(jié)果。

2.2 RFR模型訓(xùn)練

圖1 隨機(jī)森林建模步驟的結(jié)構(gòu)框圖

將模型在測(cè)試集上的ERMS、EMA、EMR作為評(píng)價(jià)模型預(yù)測(cè)精度的指標(biāo)。變量值與預(yù)測(cè)值的相關(guān)系數(shù)(R)作為模型模擬結(jié)果與實(shí)際值的吻合程度的衡量指標(biāo)。ERMS、EMA和EMR的值越小,R的絕對(duì)值越接近1,表明模型的預(yù)測(cè)效果越好。定義式如下:

(6)

(7)

(8)

(9)

3 仿真與結(jié)果

3.1 仿真數(shù)據(jù)生成

圖2 RFR中數(shù)據(jù)來源

3.2 RFR參數(shù)篩選結(jié)果分析

隨機(jī)森林模型在構(gòu)建過程中,兩個(gè)關(guān)鍵參數(shù)決策樹數(shù)量(n_estimators)和最大的樹深度(max_depth)的選取可采用學(xué)習(xí)曲線法和網(wǎng)格搜索法。具體過程先使n_estimato-rs的值使參數(shù)局部最優(yōu),在前述基礎(chǔ)上再求max_depth的值使參數(shù)局部最優(yōu),通過兩次參數(shù)調(diào)整實(shí)現(xiàn)全局最優(yōu)。光束質(zhì)量評(píng)價(jià)因子PIB預(yù)測(cè)模型的最優(yōu)參數(shù)學(xué)習(xí)曲線圖法如圖4所示。

網(wǎng)格搜索法可選用調(diào)參算法(如Grid Search)對(duì)n_estimators、max_depth一并搜索,得出n_estimators:79,max_depth:17,模型在測(cè)試集上相關(guān)系數(shù)為0.878。對(duì)比上述兩種方法,隨機(jī)森林模型采用學(xué)習(xí)曲線法可以得到最優(yōu)參數(shù)n_estimators:88,max_depth:12,模型相關(guān)系數(shù)為0.906。

3.3 RFR與SVM預(yù)測(cè)結(jié)果對(duì)比

圖5(a)、5(b)給出了RFR的PIB的預(yù)測(cè)結(jié)果散點(diǎn)圖,圖中直線表示預(yù)測(cè)值與仿真值相等的情況,數(shù)據(jù)點(diǎn)越接近圖中直線,相關(guān)系數(shù)越大,代表自變量對(duì)因變量的解釋程度越高。從圖5中結(jié)果可知,PIB模型訓(xùn)練集與測(cè)試集的數(shù)據(jù)點(diǎn)基本位于直線上,說明模型的擬合程度較高,預(yù)測(cè)誤差較小。測(cè)試集平均絕對(duì)誤差為0.015 %,平均相對(duì)誤差為0.017 %,均方根誤差為0.021 %。通過10次交叉驗(yàn)證的檢驗(yàn)分析技術(shù),求得模型均方根誤差均值為0.035 %。因?yàn)?.021 %小于0.035 %,在平均均方根誤差范圍內(nèi),即模型構(gòu)建符合要求。

圖5(c)、5(d)中為SVM的PIB預(yù)測(cè)結(jié)果散點(diǎn)圖,圖中模型在預(yù)測(cè)集上預(yù)測(cè)精度為0.901,測(cè)試集平均絕對(duì)誤差為0.61 %,平均相對(duì)誤差為0.53 %,均方根誤差為0.44 %。從圖5(a)、5(b)和圖5(c)、5(d)結(jié)果分析中可知,RFR比SVM的相關(guān)系數(shù)大,且RFR的ERMS、EMA、EMR更低。表明RFR比SVM的預(yù)測(cè)精度高,RFR較SVM能更好地?cái)M合自變量和因變量間的回歸關(guān)系。

3.4 RFR中變量的影響分析

4 結(jié) 論

本文參照2014年1月煙臺(tái)地區(qū)相關(guān)數(shù)據(jù)分布結(jié)合隨機(jī)采樣方法,通過多層相位屏模型獲取了更接近實(shí)際的仿真數(shù)據(jù)。從仿真數(shù)據(jù)出發(fā),基于隨機(jī)森林回歸算法構(gòu)建了激光大氣傳輸效應(yīng)評(píng)估模型,研究了激光發(fā)射參數(shù)和大氣環(huán)境參數(shù)對(duì)PIB的影響。結(jié)果表明:

(1)訓(xùn)練集、測(cè)試集的預(yù)測(cè)結(jié)果與仿真數(shù)據(jù)的均方根誤差優(yōu)于0.021 %,同時(shí)在經(jīng)過交叉驗(yàn)證所得均方根誤差均值0.035 %范圍內(nèi),模型符合要求。

(2)隨機(jī)森林比支持向量機(jī)能更好的擬合激光初始功率、能見度、湍流強(qiáng)度、風(fēng)速、溫度、傳輸距離與PIB的多元回歸關(guān)系,擬合程度為0.906。

(3)PIB分別與激光風(fēng)速、溫度、能見度呈弱相關(guān)性,與湍流強(qiáng)度呈中等程度相關(guān)性,與傳輸距離呈強(qiáng)相關(guān)性。

(4)基于隨機(jī)森林的輸入變量重要性排序?yàn)?傳輸距離>湍流強(qiáng)度>風(fēng)速>溫度>能見度。