[發(fā)明專利]一種基于BP神經(jīng)網(wǎng)絡(luò)的莠去津殘留評價(jià)方法

在審

• 申請?zhí)枺?/td>: 201610008728.8
• 申請日: 2016-01-07
• 公開（公告）號: CN105675807A
• 公開（公告）日: 2016-06-15
• 發(fā)明（設(shè)計(jì)）人: 楊璐;王炳蔚;鄭麗敏
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)大學(xué)
• 主分類號: G01N33/00
• 分類號: G01N33/00;G06N3/08
• 代理公司: 北京衛(wèi)平智業(yè)專利代理事務(wù)所(普通合伙) 11392
• 代理人: 董琪

1.一種基于莠去津殘留的知識表示方法，其特征在于，用于計(jì)算莠去津殘 留值的原始特征包括：原始莠去津噴藥量，噴藥的目標(biāo)作物，田間環(huán)境因素等， 具體的田間環(huán)境因素包括年降水量、年平均溫度、年平均濕度、土壤半衰期、 土壤有機(jī)質(zhì)含量、土壤PH值、粉塵含量(1.0-0.01mm)、物理性粘粒含量 (0.01-0.001mm)。

2.如權(quán)利要求1所述的基于莠去津殘留的知識表示方法，其特征在于，包 含以下步驟：

(1)對莠去津殘留量相關(guān)的影響因素進(jìn)行原始數(shù)據(jù)采集，應(yīng)用數(shù)據(jù)預(yù)處理 方法對數(shù)據(jù)進(jìn)行歸一化表示。

(2)上述歸一化結(jié)果構(gòu)成用于預(yù)測的特征值，對特征值進(jìn)行莠去津殘留量 的相關(guān)性分析，刪除與莠去津殘留量不相關(guān)的變量，并獲得各特征值的相關(guān) 系數(shù)。

(3)應(yīng)用上述相關(guān)系數(shù)確定各特征值權(quán)重，并將特征值進(jìn)行離散化處理。

(4)根據(jù)各特征值離散化程度的不同，應(yīng)用神經(jīng)元數(shù)量決定公式，計(jì)算符 合神經(jīng)網(wǎng)絡(luò)輸入格式的莠去津殘留特征值，得到評估莠去津殘留的規(guī)則庫。

3.如權(quán)利要求1和權(quán)利要求2所述的基于莠去津殘留的知識表示方法，其 特征在于，在上述步驟1中，為將原始數(shù)據(jù)在統(tǒng)一量綱下進(jìn)行相關(guān)性比較，數(shù) 據(jù)歸一化采用Z-score標(biāo)準(zhǔn)化方法。

4.如權(quán)利要求1和權(quán)利要求2所述的基于莠去津殘留的知識表示方法，其 特征在于，在上述步驟2中，設(shè)定莠去津殘留量相關(guān)系數(shù)閾值，當(dāng)特征值相關(guān) 系數(shù)小于該閾值時(shí)，刪去該特征維度；當(dāng)特征值相關(guān)系數(shù)大于等于該閾值時(shí)， 保留該特征維度并將該相關(guān)系數(shù)標(biāo)記為權(quán)重。在上述步驟3中，應(yīng)用該特征值 權(quán)重進(jìn)行離散化處理，當(dāng)特征值權(quán)重較高時(shí)，該特征值的離散化程度更高；當(dāng) 特征值權(quán)重較低時(shí)，該特征值的離散化程度較低。

5.如權(quán)利要求1和權(quán)利要求2所述的基于莠去津殘留的知識表示方法，其 特征在于，在步驟4中，某個(gè)特征值所對應(yīng)的神經(jīng)元組包含的神經(jīng)元個(gè)數(shù)由此 特征值中包含的離散條件數(shù)決定。神經(jīng)元數(shù)目決定公式如下：

N＝[Log₂(M+1)+0.5]

式中：M為此特征值包含的離散條件數(shù)；N是該神經(jīng)元組包含的神經(jīng)元個(gè) 數(shù)。系數(shù)0.5用于對公式的前半部分取整。利用該公式可唯一標(biāo)識各個(gè)特征值， 并使得輸入神經(jīng)元盡可能少。

6.一種BP神經(jīng)網(wǎng)絡(luò)的泛化能力優(yōu)化方法，其特征在于，包含以下步驟：

(1)根據(jù)上述的基于莠去津殘留的知識表示方法，獲取得到訓(xùn)練神經(jīng)網(wǎng)絡(luò) 的特征值，并確定神經(jīng)網(wǎng)絡(luò)的初始神經(jīng)元數(shù)目。

(2)將訓(xùn)練樣本輸入神經(jīng)網(wǎng)絡(luò)，計(jì)算網(wǎng)絡(luò)從隱含層到輸出層的實(shí)際輸出。

(3)從輸出層反向計(jì)算至輸入層，應(yīng)用網(wǎng)絡(luò)性能函數(shù)逐層修正各個(gè)神經(jīng)元 間的連接權(quán)值和閾值。

(4)對多個(gè)樣本進(jìn)行多次重復(fù)訓(xùn)練，直到所有樣本的輸出均達(dá)到訓(xùn)練要 求。