本發(fā)明屬于變異函數(shù)優(yōu)化技術(shù)領(lǐng)域，具體來(lái)講是涉及一種森林資源管理的變異函數(shù)參數(shù)擬合的優(yōu)化方法。

背景技術(shù)：

森林資源是林業(yè)生產(chǎn)的物質(zhì)基礎(chǔ)，森林資源狀況是衡量林業(yè)工作成效最重要的標(biāo)志。森林在發(fā)展過程中因受人為經(jīng)營(yíng)活動(dòng)和自然因素影響，森林資源始終處于消長(zhǎng)動(dòng)態(tài)變化之中，因此，必需加強(qiáng)對(duì)森林資源的管理與監(jiān)督，建立科學(xué)有效的管理體系。森林資源管理的對(duì)象主要是林地、林木、野生動(dòng)植物以及森林環(huán)境。

變異函數(shù)是指區(qū)域化變量增量平方的數(shù)學(xué)期望，即區(qū)域化變量增量的方差。典型變異函數(shù)曲線分為拋物線型(連續(xù)型)、線性型、間斷型(塊金型)、隨機(jī)型(純塊金型)、轉(zhuǎn)變型，它們代表了具有不同連續(xù)性和隨機(jī)性的地質(zhì)體參數(shù)的變化性特點(diǎn)。實(shí)際計(jì)算的實(shí)驗(yàn)變異函數(shù)2γ*(h)是在以向量h相隔的N對(duì)點(diǎn)的兩個(gè)觀測(cè)值間增量平方的平均值，即2γ*(h)＝1N(h)∑N(h)i＝1〔Z(xi+h)Z(xi)〕22γ*(h)為增量方差之半，又叫半變異函數(shù)，簡(jiǎn)稱變異函數(shù)。

支持向量回歸法主要是通過升維后，在高維空間中構(gòu)造線性決策函數(shù)來(lái)實(shí)現(xiàn)線性回歸，用e不敏感函數(shù)時(shí)，其基礎(chǔ)主要是e不敏感函數(shù)和核函數(shù)算法。若將擬合的數(shù)學(xué)模型表達(dá)多維空間的某一曲線，則根據(jù)e不敏感函數(shù)所得的結(jié)果，就是包括該曲線和訓(xùn)練點(diǎn)的“e管道”。在所有樣本點(diǎn)中，只有分布在“管壁”上的那一部分樣本點(diǎn)決定管道的位置。這一部分訓(xùn)練樣本稱為“支持向量”。為適應(yīng)訓(xùn)練樣本集的非線性，傳統(tǒng)的擬合方法通常是在線性方程后面加高階項(xiàng)。此法誠(chéng)然有效，但由此增加的可調(diào)參數(shù)未免增加了過擬合的風(fēng)險(xiǎn)。支持向量回歸算法采用核函數(shù)解決這一矛盾。用核函數(shù)代替線性方程中的線性項(xiàng)可以使原來(lái)的線性算法“非線性化”，即能做非線性回歸。與此同時(shí)，引進(jìn)核函數(shù)達(dá)到了“升維”的目的，而增加的可調(diào)參數(shù)是過擬合依然能控制。支持向量機(jī)中的一大亮點(diǎn)是在傳統(tǒng)的最優(yōu)化問題中提出了對(duì)偶理論，主要有最大最小對(duì)偶及拉格朗日對(duì)偶。

在處理森林資源管理的變異函數(shù)參數(shù)時(shí)在低維空間向量集通常難于劃分，解決的方法是將它們映射到高維空間。但這個(gè)辦法帶來(lái)的困難就是計(jì)算復(fù)雜度的增加，而核函數(shù)正好巧妙地解決了這個(gè)問題。也就是說(shuō)，只要選用適當(dāng)?shù)暮撕瘮?shù)，就可以得到高維空間的分類函數(shù)。在確定了核函數(shù)之后，由于確定核函數(shù)的已知數(shù)據(jù)也存在一定的誤差，考慮到推廣性問題，因此必須對(duì)變異函數(shù)的參數(shù)在擬合過程中進(jìn)行優(yōu)化，使其數(shù)值無(wú)限接近最適值。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明解決的技術(shù)問題是提供了一種森林資源管理的變異函數(shù)參數(shù)擬合的優(yōu)化方法，其主要是在森林資源管理過程中將對(duì)應(yīng)的變異函數(shù)的參數(shù)在擬合過程中通過多重?cái)?shù)據(jù)分析處理，使用粒子群優(yōu)化、支持向量回歸等優(yōu)化方法，以此達(dá)到變異函數(shù)的取值范圍更加精確化的效果。

本發(fā)明的技術(shù)方案如下：

一種森林資源管理的變異函數(shù)參數(shù)擬合的優(yōu)化方法，主要包括以下步驟:

(1)通過衛(wèi)星獲取森林資源的遙感影像，對(duì)所述的遙感影像進(jìn)行預(yù)處理，獲取預(yù)處理后的遙感影像數(shù)據(jù)，對(duì)抽樣區(qū)域采用計(jì)算機(jī)終端進(jìn)行數(shù)據(jù)統(tǒng)計(jì)及量化處理；

(2)針對(duì)得到的森林資源的數(shù)據(jù)進(jìn)行數(shù)據(jù)粒子群優(yōu)化，采用K均值劃分方法對(duì)變量參數(shù)集進(jìn)行劃分聚類，獲得數(shù)據(jù)集的聚類結(jié)果，根據(jù)適應(yīng)度值公式對(duì)變量參數(shù)進(jìn)行擬合；

(3)將變量參數(shù)集的具體數(shù)據(jù)值與最優(yōu)適應(yīng)度值在允許誤差范圍內(nèi)生成特征矢量及用于反映抽樣區(qū)域空間特征的特征矢量，利用支持向量回歸法對(duì)抽樣區(qū)域多維的特征矢量進(jìn)行變異函數(shù)參數(shù)擬合的優(yōu)化。

進(jìn)一步的，所述的數(shù)據(jù)統(tǒng)計(jì)及量化處理是指根據(jù)遙感影像將預(yù)處理得到的遙感影像與預(yù)先存儲(chǔ)的位置矢量數(shù)據(jù)進(jìn)行疊加，生成森林遙感影像地理信息圖，使用計(jì)算機(jī)終端對(duì)信息圖的數(shù)據(jù)統(tǒng)計(jì)，將需要數(shù)據(jù)分析的區(qū)域進(jìn)行坐標(biāo)格網(wǎng)劃分，形成的網(wǎng)格單元按照對(duì)應(yīng)比例的列為單位數(shù)值，在所述的區(qū)域內(nèi)選擇固定區(qū)域進(jìn)行抽樣，抽樣區(qū)域的具體形狀沒有要求，以能準(zhǔn)確的獲取抽樣區(qū)域數(shù)據(jù)為準(zhǔn)，不局限抽樣區(qū)域的維度，然后利用插值法探索分析區(qū)域的數(shù)據(jù)的空間變異結(jié)構(gòu)，擬合生成各個(gè)變量參數(shù)的理論變異函數(shù)，所述的變量參數(shù)是根據(jù)實(shí)際生產(chǎn)需要轉(zhuǎn)化對(duì)應(yīng)生成的。

進(jìn)一步的，所述的數(shù)據(jù)粒子群優(yōu)化是根據(jù)區(qū)域數(shù)據(jù)得到變量參數(shù)的取值范圍進(jìn)行分類，并得到分類后的變量參數(shù)集，針對(duì)每個(gè)變量參數(shù)集確定具體數(shù)據(jù)值、允許誤差、數(shù)據(jù)量，采用粒子編碼方式對(duì)選擇的變量參數(shù)集中的數(shù)據(jù)進(jìn)行編碼，設(shè)定粒子種群中粒子的數(shù)目及最大迭代次數(shù)、整個(gè)粒子種群的位置和速度的搜索空間范圍，設(shè)定每個(gè)粒子的初始位置和速度，根據(jù)當(dāng)前粒子編碼位置各維度的值獲得初始聚類中心子簇的序號(hào)，采用K均值劃分方法對(duì)變量參數(shù)集進(jìn)行劃分聚類，所述的K均值劃分方法指是兩個(gè)元素在歐氏空間中的集合距離，用于標(biāo)識(shí)兩個(gè)標(biāo)量元素的相異度，其公式為：獲得數(shù)據(jù)集的聚類結(jié)果，根據(jù)適應(yīng)度值公式，對(duì)變量參數(shù)集聚類結(jié)果計(jì)算粒子的適應(yīng)度值，判斷當(dāng)前粒子適應(yīng)度值與粒子種群的最優(yōu)適應(yīng)度值的大小，若小于則將粒子種群最優(yōu)適應(yīng)度值用當(dāng)前粒子適應(yīng)度值替換，將粒子種群最優(yōu)位置用當(dāng)前粒子位置替換，否則不變，判斷粒子群優(yōu)化迭代次數(shù)是否到達(dá)預(yù)設(shè)的最大迭代次數(shù)，若是，則停止迭代，輸出粒子種群最優(yōu)適應(yīng)度值和對(duì)應(yīng)的變量參數(shù)集類簇劃分結(jié)果，否則，返回繼續(xù)進(jìn)行計(jì)算。

進(jìn)一步的，所述的支持向量回歸法是指利用支持向量回歸對(duì)抽樣區(qū)域多維的特征矢量進(jìn)行訓(xùn)練，最后利用訓(xùn)練得到的支持向量回歸訓(xùn)練模型對(duì)理論上變異函數(shù)生成的區(qū)域數(shù)據(jù)進(jìn)行測(cè)試，得到理論上的每個(gè)多維區(qū)域圖形的預(yù)測(cè)值，從而來(lái)優(yōu)化理論數(shù)據(jù)通過變異函數(shù)于實(shí)際抽樣區(qū)域特征性的變化情況，真實(shí)反映客觀評(píng)價(jià)情況與主觀感知的相關(guān)性，優(yōu)點(diǎn)是獲得的立體圖像的特征矢量信息具有較強(qiáng)的穩(wěn)定性且能夠較好地反映立體圖像的視覺舒適度變化情況，按照以上步驟分別求取每一個(gè)抽樣區(qū)域圖形對(duì)應(yīng)的多維方向下的不同空間間隔所對(duì)應(yīng)優(yōu)化后的變異函數(shù)值，以變異函數(shù)值為Y軸，空間間隔為X軸，建立映射關(guān)系，具體的映射關(guān)系數(shù)量根據(jù)選取的區(qū)域圖形維度相關(guān)，得到一個(gè)與理論數(shù)值最佳擬合的圖形，利用線性方程進(jìn)行回歸計(jì)算，獲取擬合度及每個(gè)維度下的局部最優(yōu)空間尺度，把所有維度圖像結(jié)合形成所對(duì)應(yīng)的最優(yōu)變異函數(shù)對(duì)應(yīng)區(qū)域圖形。

進(jìn)一步的，所述的插值法采用克里金插值方法，在數(shù)據(jù)網(wǎng)格化的過程中考慮了描述對(duì)象的空間相關(guān)性質(zhì)，使插值結(jié)果更科學(xué)、更接近于實(shí)際情況，能給出插值的誤差，使插值的可靠程度一目了然，其插值方差就是指實(shí)際參數(shù)值z(mì)v與估計(jì)值z(mì)v*兩者偏差平方的數(shù)學(xué)期望：

而插值點(diǎn)的zv*通過N個(gè)離散點(diǎn)獲得；

其中λ與N個(gè)離散點(diǎn)指的是加權(quán)系數(shù)。

進(jìn)一步的，所述的維度是指空間維度，是根據(jù)地理對(duì)象的實(shí)際分布特征以及地圖表達(dá)的需要來(lái)確定的，包括：0維、1維、2維、2.5維和3維。

進(jìn)一步的，所述的迭代是指最開始使用的數(shù)據(jù)定位按照粒子適應(yīng)度值作為下一次迭代的參考點(diǎn)位置，隨著參考點(diǎn)更靠近真實(shí)的位置，數(shù)據(jù)定位的位置也會(huì)無(wú)限靠近真實(shí)的位置。在迭代過程中，數(shù)據(jù)定位不受線性或者非線性屬性的約束，會(huì)在不同的維度空間對(duì)所有的區(qū)域數(shù)值進(jìn)行迭代，以此來(lái)對(duì)非線性屬性進(jìn)行補(bǔ)償。

進(jìn)一步的，所述的線性方程的計(jì)算方法為最小二乘法。

進(jìn)一步的，所述的變異函數(shù)的線性范圍是拋物線型、線性型、間斷型、隨機(jī)型、轉(zhuǎn)變型其中的一種或者幾種的組合。

與現(xiàn)有技術(shù)相比，本發(fā)明的方法具有以下優(yōu)點(diǎn)：通過衛(wèi)星獲取森林資源的遙感影像數(shù)據(jù)，對(duì)抽樣區(qū)域采用計(jì)算機(jī)終端進(jìn)行數(shù)據(jù)統(tǒng)計(jì)及量化處理，針對(duì)得到的森林資源的數(shù)據(jù)進(jìn)行數(shù)據(jù)粒子群優(yōu)化，采用K均值劃分方法對(duì)變量參數(shù)集進(jìn)行劃分聚類，獲得數(shù)據(jù)集的聚類結(jié)果，根據(jù)適應(yīng)度值公式對(duì)變量參數(shù)進(jìn)行擬合；將變量參數(shù)集的具體數(shù)據(jù)值與最優(yōu)適應(yīng)度值在允許誤差范圍內(nèi)生成特征矢量及用于反映抽樣區(qū)域空間特征的特征矢量，利用支持向量回歸法對(duì)抽樣區(qū)域多維的特征矢量進(jìn)行變異函數(shù)參數(shù)擬合的優(yōu)化；本發(fā)明的方法針對(duì)目前國(guó)內(nèi)外衛(wèi)星系統(tǒng)的各種多時(shí)相、不同分辨率、多空間尺度的多源遙感數(shù)據(jù)，優(yōu)化后可以更好的滿足各級(jí)林業(yè)部門對(duì)森林資源管理信息化的需要，達(dá)到加強(qiáng)森林資源管理的目的，同時(shí)還可以實(shí)現(xiàn)森林資源數(shù)據(jù)的及時(shí)更新和階段性的管理計(jì)劃。

附圖說(shuō)明

圖1是本發(fā)明所述的一種森林資源管理的變異函數(shù)參數(shù)擬合的優(yōu)化方法流程示意圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

為便于對(duì)本發(fā)明實(shí)施例的理解，下面將結(jié)合附圖及具體實(shí)施例為例做進(jìn)一步的解釋說(shuō)明，實(shí)施例并不構(gòu)成對(duì)本發(fā)明實(shí)施例的限定。

根據(jù)某山區(qū)的森林區(qū)域的屬性數(shù)據(jù)進(jìn)行資源管理，其中屬性數(shù)據(jù)包括：地類、樹種、林齡、株數(shù)、病蟲害情況，其中一種森林資源管理的變異函數(shù)參數(shù)擬合的優(yōu)化方法，主要包括以下步驟：

(1)通過衛(wèi)星獲取森林資源的遙感影像，對(duì)所述的遙感影像進(jìn)行預(yù)處理，獲取預(yù)處理后的遙感影像數(shù)據(jù)，對(duì)抽樣區(qū)域采用計(jì)算機(jī)終端進(jìn)行數(shù)據(jù)統(tǒng)計(jì)及量化處理；所述的數(shù)據(jù)統(tǒng)計(jì)及量化處理是指根據(jù)遙感影像將預(yù)處理得到的遙感影像與預(yù)先存儲(chǔ)的位置矢量數(shù)據(jù)進(jìn)行疊加，生成森林遙感影像地理信息圖，使用計(jì)算機(jī)終端對(duì)信息圖的數(shù)據(jù)統(tǒng)計(jì)，將需要數(shù)據(jù)分析的區(qū)域進(jìn)行坐標(biāo)格網(wǎng)劃分，形成的網(wǎng)格單元按照對(duì)應(yīng)比例的列為單位數(shù)值，在所述的區(qū)域內(nèi)選擇固定區(qū)域進(jìn)行抽樣，抽樣區(qū)域的具體形狀沒有要求，以能準(zhǔn)確的獲取抽樣區(qū)域數(shù)據(jù)為準(zhǔn)，不局限抽樣區(qū)域的維度，然后利用插值法探索分析區(qū)域的數(shù)據(jù)的空間變異結(jié)構(gòu)，擬合生成各個(gè)變量參數(shù)的理論變異函數(shù)，所述的變量參數(shù)是根據(jù)實(shí)際生產(chǎn)需要轉(zhuǎn)化對(duì)應(yīng)生成的。

在實(shí)現(xiàn)本步驟時(shí)，可以通過以下方式來(lái)實(shí)現(xiàn)：獲取森林資源的遙感影像，對(duì)遙感影像進(jìn)行波段選擇和運(yùn)算，得到森林資源的第一遙感圖像，其中，在獲取林業(yè)資源的遙感影像時(shí)，可以根據(jù)具體的需要，對(duì)遙感影像的分辨率、光譜波段、成像時(shí)段、傳感器進(jìn)行選擇；對(duì)第一遙感圖像進(jìn)行輻射增強(qiáng)、幾何校正、反差調(diào)整、空間增強(qiáng)和圖像融合處理，得到第二遙感圖像，使解譯后的影像的信息更為豐富，以改善視覺效果。將遙感影像林相圖中各小班的特征數(shù)據(jù)與森林資源數(shù)據(jù)庫(kù)中的相應(yīng)小班的屬性數(shù)據(jù)進(jìn)行對(duì)比，判斷各小班的屬性數(shù)據(jù)是否發(fā)生變化；

(2)針對(duì)得到的森林資源的數(shù)據(jù)進(jìn)行數(shù)據(jù)粒子群優(yōu)化，采用K均值劃分方法對(duì)變量參數(shù)集進(jìn)行劃分聚類，獲得數(shù)據(jù)集的聚類結(jié)果，根據(jù)適應(yīng)度值公式對(duì)變量參數(shù)進(jìn)行擬合；所述的數(shù)據(jù)粒子群優(yōu)化是根據(jù)區(qū)域數(shù)據(jù)得到變量參數(shù)的取值范圍進(jìn)行分類，并得到分類后的變量參數(shù)集，針對(duì)每個(gè)變量參數(shù)集確定具體數(shù)據(jù)值、允許誤差、數(shù)據(jù)量，采用粒子編碼方式對(duì)選擇的變量參數(shù)集中的數(shù)據(jù)進(jìn)行編碼，設(shè)定粒子種群中粒子的數(shù)目及最大迭代次數(shù)、整個(gè)粒子種群的位置和速度的搜索空間范圍，設(shè)定每個(gè)粒子的初始位置和速度，根據(jù)當(dāng)前粒子編碼位置各維度的值獲得初始聚類中心子簇的序號(hào)，采用K均值劃分方法對(duì)變量參數(shù)集進(jìn)行劃分聚類，所述的K均值劃分方法指是兩個(gè)元素在歐氏空間中的集合距離，用于標(biāo)識(shí)兩個(gè)標(biāo)量元素的相異度，其公式為：獲得數(shù)據(jù)集的聚類結(jié)果，根據(jù)適應(yīng)度值公式，對(duì)變量參數(shù)集聚類結(jié)果計(jì)算粒子的適應(yīng)度值，判斷當(dāng)前粒子適應(yīng)度值與粒子種群的最優(yōu)適應(yīng)度值的大小，若小于則將粒子種群最優(yōu)適應(yīng)度值用當(dāng)前粒子適應(yīng)度值替換，將粒子種群最優(yōu)位置用當(dāng)前粒子位置替換，否則不變，判斷粒子群優(yōu)化迭代次數(shù)是否到達(dá)預(yù)設(shè)的最大迭代次數(shù)，若是，則停止迭代，輸出粒子種群最優(yōu)適應(yīng)度值和對(duì)應(yīng)的變量參數(shù)集類簇劃分結(jié)果，否則，返回繼續(xù)進(jìn)行計(jì)算。

利用C#和ArcEngineSDK研究開發(fā)了森林資源管理數(shù)據(jù)優(yōu)化系統(tǒng)，針對(duì)森林資源的地類、樹種、林齡、株數(shù)、病蟲害情況，在更新數(shù)據(jù)之前，需對(duì)原有數(shù)據(jù)庫(kù)進(jìn)行備份，數(shù)據(jù)更新完畢，最終形成下一年度的森林資源數(shù)據(jù)庫(kù)。每一年度的森林資源數(shù)據(jù)庫(kù)中都存儲(chǔ)了從建庫(kù)開始的所有森林資源管理的數(shù)據(jù)。

(3)將變量參數(shù)集的具體數(shù)據(jù)值與最優(yōu)適應(yīng)度值在允許誤差范圍內(nèi)生成特征矢量及用于反映抽樣區(qū)域空間特征的特征矢量，利用支持向量回歸法對(duì)抽樣區(qū)域多維的特征矢量進(jìn)行變異函數(shù)參數(shù)擬合的優(yōu)化，所述的支持向量回歸法是指利用支持向量回歸對(duì)抽樣區(qū)域多維的特征矢量進(jìn)行訓(xùn)練，最后利用訓(xùn)練得到的支持向量回歸訓(xùn)練模型對(duì)理論上變異函數(shù)生成的區(qū)域數(shù)據(jù)進(jìn)行測(cè)試，得到理論上的每個(gè)多維區(qū)域圖形的預(yù)測(cè)值，從而來(lái)優(yōu)化理論數(shù)據(jù)通過變異函數(shù)于實(shí)際抽樣區(qū)域特征性的變化情況，真實(shí)反映客觀評(píng)價(jià)情況與主觀感知的相關(guān)性，優(yōu)點(diǎn)是獲得的立體圖像的特征矢量信息具有較強(qiáng)的穩(wěn)定性且能夠較好地反映立體圖像的視覺舒適度變化情況，按照以上步驟分別求取每一個(gè)抽樣區(qū)域圖形對(duì)應(yīng)的多維方向下的不同空間間隔所對(duì)應(yīng)優(yōu)化后的變異函數(shù)值，以變異函數(shù)值為Y軸，空間間隔為X軸，建立映射關(guān)系，具體的映射關(guān)系數(shù)量根據(jù)選取的區(qū)域圖形維度相關(guān)，得到一個(gè)與理論數(shù)值最佳擬合的圖形，利用線性方程進(jìn)行回歸計(jì)算，獲取擬合度及每個(gè)維度下的局部最優(yōu)空間尺度，把所有維度圖像結(jié)合形成所對(duì)應(yīng)的最優(yōu)變異函數(shù)對(duì)應(yīng)區(qū)域圖形。

其中，所述的插值法采用克里金插值方法，在數(shù)據(jù)網(wǎng)格化的過程中考慮了描述對(duì)象的空間相關(guān)性質(zhì)，使插值結(jié)果更科學(xué)、更接近于實(shí)際情況，能給出插值的誤差，使插值的可靠程度一目了然，其插值方差就是指實(shí)際參數(shù)值z(mì)v與估計(jì)值z(mì)v*兩者偏差平方的數(shù)學(xué)期望：

而插值點(diǎn)的zv*通過N個(gè)離散點(diǎn)獲得；

其中λ與N個(gè)離散點(diǎn)指的是加權(quán)系數(shù)。

其中，所述的迭代是指最開始使用的數(shù)據(jù)定位按照粒子適應(yīng)度值作為下一次迭代的參考點(diǎn)位置，隨著參考點(diǎn)更靠近真實(shí)的位置，數(shù)據(jù)定位的位置也會(huì)無(wú)限靠近真實(shí)的位置。在迭代過程中，數(shù)據(jù)定位不受線性或者非線性屬性的約束，會(huì)在不同的維度空間對(duì)所有的區(qū)域數(shù)值進(jìn)行迭代，以此來(lái)對(duì)非線性屬性進(jìn)行補(bǔ)償。所述的線性方程的計(jì)算方法為最小二乘法。所述的變異函數(shù)的線性范圍是隨機(jī)型。

最后所應(yīng)說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的精神和范圍。