[發明專利]一種基于深度學習元胞自動機模型的土壤含水量預測方法

有效

• 申請號: 201510587554.0
• 申請日: 2015-09-15
• 公開（公告）號: CN105243435B
• 公開（公告）日: 2018-10-26
• 發明（設計）人: 宋效東;劉峰;張甘霖;趙玉國;李德成;楊金玲
• 申請（專利權）人: 中國科學院南京土壤研究所
• 主分類號: G06F17/00
• 分類號: G06F17/00;G06Q10/04;G06N3/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 唐循文

1.一種基于深度學習元胞自動機模型的土壤含水量預測方法，其特征在于，包括如下步驟：

步驟001.針對目標土壤區域，按預設樣本點選擇要求，選擇預設數量的訓練樣本點和預設數量的驗證樣本點，并且針對訓練樣本點設定對應的訓練檢測期，以及針對驗證樣本點設定對應的驗證檢測期，同時，針對目標土壤區域，設定各類環境變量，并進入步驟002；

步驟002.獲得各個訓練樣本點分別對應訓練檢測期中各個單位檢測期的土壤含水量數據，構成分別與訓練檢測期中各個單位檢測期相對應的各訓練樣本點土壤含水量數據集，同時，獲得目標土壤區域分別對應訓練檢測期中各個單位檢測期的各類環境變量數據，并針對環境變量數據進行歸一化處理，并進入步驟003；

步驟003.分別針對不同單位檢測期各訓練樣本點土壤含水量數據集進行插值數據處理，獲得空間上與目標土壤區域相對應、且時間上分別與訓練檢測期中各個單位檢測期相對應的各個訓練目標土壤區域土壤含水量空間分布柵格圖層，并進入步驟004；

步驟004.針對各個訓練目標土壤區域土壤含水量空間分布柵格圖層，分別建立與之對應、相同大小、相同空間分辨率的副本柵格圖層，并進入步驟005；

步驟005.分別針對各個訓練目標土壤區域土壤含水量空間分布柵格圖層，遍歷柵格圖層中各個柵格所對應的元胞單元，分別針對各個元胞單元，在元胞單元的8個相鄰元胞單元中，統計對應土壤含水量大于該元胞單元所對應土壤含水量的相鄰元胞單元的數量，并將該數量填入所屬訓練目標土壤區域土壤含水量空間分布柵格圖層對應副本柵格圖層中、與該元胞單元位置相對應的柵格位置；基于上述操作，更新獲得分別與各個訓練目標土壤區域土壤含水量空間分布柵格圖層相對應的各個副本柵格圖層，即獲得目標土壤區域所對應的各個土壤含水量元胞間鄰域作用變量，并進入步驟006；

步驟006.采用受限玻爾茲曼機構建深度信念網絡，并且根據不同單位檢測期各訓練樣本點土壤含水量數據集、各個土壤含水量元胞間鄰域作用變量，以及目標土壤區域分別對應訓練檢測期中各個單位檢測期的各類環境變量數據，通過深度信念網絡獲得目標土壤區域所對應的元胞狀態轉換規則，并進入步驟007；

步驟007.獲得各個驗證樣本點分別對應驗證檢測期中各個單位檢測期的土壤含水量數據，構成分別與驗證檢測期中各個單位檢測期相對應的各驗證樣本點土壤含水量數據集，同時，獲得目標土壤區域分別對應驗證檢測期中各個單位檢測期的各類環境變量數據，并針對環境變量數據進行歸一化處理，進入步驟008；

步驟008.根據目標土壤區域分別對應驗證檢測期中各個單位檢測期的各類環境變量數據，采用元胞自動機模型，結合目標土壤區域所對應的元胞狀態轉換規則，分別獲得對應驗證檢測期中各個單位檢測期的土壤含水量驗證數據，并進入步驟009；

步驟009.將各驗證樣本點土壤含水量數據集分別按時間對應關系與目標土壤區域土壤含水量驗證數據進行比較檢驗，判斷目標土壤區域所對應的元胞狀態轉換規則是否準確，是則進入步驟010，否則進入步驟011；

步驟010.獲得目標土壤區域對應預測時間的各類環境變量數據，并采用元胞自動機模型，結合目標土壤區域所對應的元胞狀態轉換規則，獲得目標土壤區域土壤預測時間含水量預測數據；

步驟011.獲得目標土壤區域對應預測時間的各類環境變量數據，并采用元胞自動機模型，結合目標土壤區域所對應的元胞狀態轉換規則，獲得目標土壤區域土壤預測時間含水量預測數據，并針對該目標土壤區域土壤預測時間含水量預測數據的不確定性進行評估。

2.根據權利要求1所述一種基于深度學習元胞自動機模型的土壤含水量預測方法，其特征在于：所述步驟001中，針對所述目標土壤區域，按預設樣本點選擇要求，采用保留方法選擇設定預設數量的訓練樣本點和預設數量的驗證樣本點。

3.根據權利要求1所述一種基于深度學習元胞自動機模型的土壤含水量預測方法，其特征在于：所述步驟002中，采用無線土壤水分傳感器測定獲得各個訓練樣本點分別對應訓練檢測期中各個單位檢測期的土壤含水量數據；以及所述步驟007中，采用無線土壤水分傳感器測定獲得各個驗證樣本點分別對應驗證檢測期中各個單位檢測期的土壤含水量數據。