[發(fā)明專利]一種基于APSO-ELM和模糊邏輯的灌溉時(shí)間計(jì)算方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010697268.0
• 申請(qǐng)日: 2020-07-20
• 公開(kāi)（公告）號(hào): CN111967181A
• 公開(kāi)（公告）日: 2020-11-20
• 發(fā)明（設(shè)計(jì)）人: 溫宗周;何洋;李麗敏;田強(qiáng)明
• 申請(qǐng)（專利權(quán)）人: 西安工程大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/04;G06N3/00;G06Q50/02
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 燕肇琪

1.一種基于APSO-ELM和模糊邏輯的灌溉時(shí)間計(jì)算方法，其特征在于，具體按照以下步驟實(shí)施：

步驟1、構(gòu)建灌溉在線監(jiān)測(cè)系統(tǒng)，進(jìn)行實(shí)時(shí)監(jiān)測(cè)作物生長(zhǎng)環(huán)境參數(shù)，建立APSO-ELM模型，通過(guò)APSO-ELM網(wǎng)絡(luò)預(yù)測(cè)模型，將監(jiān)測(cè)得到的生長(zhǎng)環(huán)境數(shù)據(jù)作為輸入，輸出預(yù)測(cè)參考作物的蒸發(fā)蒸騰量；建立模糊控制的灌溉時(shí)間預(yù)報(bào)模型；

步驟2、將步驟1中得到的作物蒸發(fā)蒸騰量以及土壤濕度下降率數(shù)據(jù)作為模糊控制的輸入，輸入到模糊控制的灌溉時(shí)間預(yù)報(bào)模型中，最終輸出作物需要的灌溉時(shí)間，完成灌溉時(shí)間計(jì)算。

2.根據(jù)權(quán)利要求1所述的一種基于APSO-ELM和模糊邏輯的灌溉時(shí)間計(jì)算方法，其特征在于，所述步驟1中的灌溉在線監(jiān)測(cè)系統(tǒng)包括多個(gè)無(wú)線智能傳感器模塊和現(xiàn)場(chǎng)預(yù)報(bào)終端模塊，多個(gè)無(wú)線智能傳感器模塊分別與現(xiàn)場(chǎng)預(yù)報(bào)終端模塊通過(guò)ZigBee模塊進(jìn)行通訊連接，現(xiàn)場(chǎng)預(yù)報(bào)終端模塊通過(guò)GPRS通訊方式與控制中心連接。

3.根據(jù)權(quán)利要求2所述的一種基于APSO-ELM和模糊邏輯的灌溉時(shí)間計(jì)算方法，其特征在于，所述現(xiàn)場(chǎng)預(yù)報(bào)終端模塊包括中央處理器和分別與中央處理器連接的電源模塊、存儲(chǔ)模塊及GPRS模塊，GPRS模塊與控制中心通過(guò)GPRS通訊方式連接。

4.根據(jù)權(quán)利要求2所述的一種基于APSO-ELM和模糊邏輯的灌溉時(shí)間計(jì)算方法，其特征在于，所述無(wú)線智能傳感器模塊包括監(jiān)測(cè)分機(jī)和與監(jiān)測(cè)分機(jī)連接的傳感器采集模塊，GPRS模塊與監(jiān)測(cè)分機(jī)模塊通過(guò)ZigBee模塊進(jìn)行通訊連接。

5.根據(jù)權(quán)利要求1所述的一種基于APSO-ELM和模糊邏輯的灌溉時(shí)間計(jì)算方法，其特征在于，所述步驟1中建立APSO-ELM模型具體按照以下步驟實(shí)施：

步驟1.1.1、建立APSO-ELM算法模型，為了避免由于ELM輸入層與隱含層隨機(jī)生成的權(quán)值和閡值給網(wǎng)絡(luò)預(yù)測(cè)精度帶來(lái)不穩(wěn)定險(xiǎn)，引入APSO使之可以避免陷入局部最優(yōu)，優(yōu)化網(wǎng)絡(luò)帶來(lái)的不穩(wěn)定性；

①：APSO是在PSO的基礎(chǔ)上改進(jìn)而來(lái)的，粒子群優(yōu)化算法(PSO)是一種群體智能算法，現(xiàn)假設(shè)粒子的初始狀態(tài)設(shè)置屬性如下式所示：

式中表示粒子i在t時(shí)刻的位置；L_d，U_d分別表示搜索空間的下限和上限；表示粒子i在t時(shí)刻的速度；v_min，v_max分別為粒子的最小和最大速度；

標(biāo)準(zhǔn)PSO速度和位置更新公式如下所示：

式中，分別表示粒子i在t+1時(shí)刻的速度和位置；r₁，r₂為0-1之間的隨機(jī)數(shù)；c₁，c₂為學(xué)習(xí)因子；w為慣性權(quán)值系數(shù)；p_id為個(gè)體最優(yōu)位置；p_gd為全局最優(yōu)位置；由于標(biāo)準(zhǔn)PSO具有全局搜索能力差，尋優(yōu)速度慢等問(wèn)題，所以采用如下改進(jìn)參數(shù)因子：

②：w大小可以影響算法的全局搜索能力，所以選用非線性動(dòng)態(tài)慣性權(quán)重策略，公式為：

其中，w(t)表示粒子在t時(shí)刻的慣性權(quán)重；k為控制因子，用于調(diào)節(jié)w和t變化曲線的平滑度，經(jīng)過(guò)多次試驗(yàn)，其k值范圍可取[3，4]；w_start為慣性權(quán)重的初始值；w_end為慣性權(quán)重終值；t_max為最大迭代次數(shù)；t為當(dāng)前迭代次數(shù)，本次取值范圍[0.9，0.4]；

③：為了避免把局部最優(yōu)解誤作為全局最優(yōu)解以及尋優(yōu)速度過(guò)慢的問(wèn)題，采用學(xué)習(xí)因子自調(diào)整策略，其調(diào)整公式如下：

式中，為粒子i在t時(shí)刻的適應(yīng)值；f(p_i)為個(gè)體粒子的最優(yōu)適應(yīng)值；f(p_g)為粒子的全局最優(yōu)適應(yīng)值。k₁、k₂為權(quán)重系數(shù),選擇范圍在[0.5,5]，其數(shù)值大小的選擇與適應(yīng)度函數(shù)隨粒子位置變化的坡度有關(guān)；

步驟1.1.2、將整個(gè)測(cè)試樣本按照三比七的比例劃分為測(cè)試集和訓(xùn)練集，首先需要初始ELM和粒子群的基本參數(shù)，然后通過(guò)APSO算法不斷的迭代更新，得到ELM網(wǎng)絡(luò)最優(yōu)的權(quán)值和閾值；

步驟1.1.3、得到APSO-ELM網(wǎng)絡(luò)的輸出作物蒸發(fā)蒸騰量。

6.根據(jù)權(quán)利要求1所述的一種基于APSO-ELM和模糊邏輯的灌溉時(shí)間計(jì)算方法，其特征在于，所述建立模糊控制的灌溉時(shí)間預(yù)報(bào)模型具體按照以下步驟實(shí)施：

步驟1.2.1、確定輸入輸出，輸入量x1＝作物蒸發(fā)蒸騰量，x2＝土壤濕度下降率；輸出量Y＝作物需要的灌溉時(shí)間；

步驟1.2.2、隸屬度函數(shù)的確定，系統(tǒng)的輸入量確定為兩個(gè)，第一個(gè)輸入量是土壤濕度的下降率△E，下降率可以反映變化的快慢；第二個(gè)輸入量是作物蒸發(fā)蒸騰量ET0，可以反映出維持作物生理活動(dòng)最基本需水量。輸出量為灌溉時(shí)間。其中△E語(yǔ)言值設(shè)置為4個(gè)，ET0和灌溉時(shí)間語(yǔ)言值設(shè)置為7個(gè)。土壤水分下降率變化偏差△E、作物蒸發(fā)蒸騰量ET0、灌溉時(shí)間的隸屬度函數(shù)都選用三角形隸屬度；其中輸入變量△E的語(yǔ)言變量為：NB，NM，NS，ZO，分別表示土壤水分下降率快速減少、中速減少、低速減少、不變，論域?yàn)閇-3,0]；ETO的語(yǔ)言變量為：NB，NM，NS，ZO，PS，PM，PB，分別為零、非常少、少、偏中、中、偏多、多，論域?yàn)閇-3,3]；灌溉時(shí)間的語(yǔ)言變量為：ZO，PS，PS+，PM，PM+，PB，PB+，分別表示不灌，灌溉時(shí)間很短、灌溉時(shí)間較短、灌溉時(shí)間中等、灌溉時(shí)間較長(zhǎng)、灌溉時(shí)間很長(zhǎng)、灌溉時(shí)間最長(zhǎng)，論域?yàn)閇0，6]；

步驟1.2.3、模糊規(guī)則制定，模糊規(guī)則為在土壤濕度下降率以及實(shí)際作物蒸發(fā)蒸騰量變化時(shí)，輸出的灌溉時(shí)間要能根據(jù)其變化滿足作物的水分需求。