[發(fā)明專利]一種基于BAS-RBF的番茄需水預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110316661.5
• 申請(qǐng)日: 2021-03-17
• 公開（公告）號(hào): CN113052379A
• 公開（公告）日: 2021-06-29
• 發(fā)明（設(shè)計(jì)）人: 劉心;李玉瓊;李文竹
• 申請(qǐng)（專利權(quán)）人: 河北工程大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06Q50/02;G06K9/62;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于BAS?RBF的番茄需水預(yù)測(cè)方法，使用主成分分析算法篩選出對(duì)番茄需水量影響更大的環(huán)境因素，再利用天牛須搜索算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)模型中隱含層基函數(shù)中心以及隱含層與輸出層間的連接權(quán)值，進(jìn)而建立了與番茄結(jié)果期需水特性相適應(yīng)的需水預(yù)測(cè)模型用于需水預(yù)測(cè)。經(jīng)與現(xiàn)有的需水預(yù)測(cè)方法對(duì)比，該方法在提高預(yù)測(cè)精度的同時(shí)還能提高算法效率。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于BAS-RBF的番茄需水預(yù)測(cè)方法，屬于水資源管理技術(shù)領(lǐng)域。

背景技術(shù)

番茄是我國(guó)種植面積排名第四的蔬菜，番茄產(chǎn)業(yè)已成為我國(guó)蔬菜產(chǎn)業(yè)的重要組成部分，提升番茄產(chǎn)量對(duì)農(nóng)業(yè)增效起著重要作用。番茄在生長(zhǎng)過程中，尤其進(jìn)入結(jié)果期對(duì)土壤水分含量有很高的要求，合理灌溉是提升番茄產(chǎn)量的關(guān)鍵。而且我國(guó)是個(gè)水資源十分短缺的國(guó)家，因此有效提升農(nóng)業(yè)用水利用率，合理制定灌溉方案是亟待解決的問題。

影響結(jié)果期番茄的土壤含水量的因素有很多，比如風(fēng)速、光照、空氣濕度等等，傳統(tǒng)灌溉的標(biāo)準(zhǔn)只通過重點(diǎn)關(guān)注土壤表面的干燥程度判斷是否給水，判斷條件單一，考慮角度較為片面，得到的灌溉指示與實(shí)際需求誤差較大。針對(duì)這一問題，需要選擇更加準(zhǔn)確的降維分析方法，對(duì)可能影響土壤含水量的各種環(huán)境因素進(jìn)行篩選，確定影響較大的環(huán)境因素，進(jìn)而做出更加準(zhǔn)確的土壤含水量判斷。同時(shí)，想要實(shí)現(xiàn)對(duì)土壤含水量的預(yù)測(cè)，提前進(jìn)行做好給水準(zhǔn)備，應(yīng)分析番茄需水和各環(huán)境因素之間的關(guān)系。各影響因素之間具有復(fù)雜的非線性關(guān)系，人工神經(jīng)網(wǎng)絡(luò)是近些年來快速成熟起來的非線性系統(tǒng)理論，善于處理非線性問題。但是，一般的神經(jīng)網(wǎng)絡(luò)通常存在求解的早熟和容易陷入局部極小值的問題，另一方面，大多數(shù)智能算法優(yōu)化神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)的運(yùn)算周期長(zhǎng)，編碼復(fù)雜，因此，為了解決番茄需水預(yù)測(cè)中精度低，預(yù)測(cè)時(shí)間長(zhǎng)等問題，選擇收斂速度快且可避免陷入局部極小值的徑向基(Radialbasis function，RBF)神經(jīng)網(wǎng)絡(luò)進(jìn)行番茄需水預(yù)測(cè)是目前的一個(gè)主要預(yù)測(cè)方法。

發(fā)明內(nèi)容

經(jīng)分析，發(fā)現(xiàn)現(xiàn)有技術(shù)存在如下缺點(diǎn)：

1)傳統(tǒng)判斷番茄需水量的方式比較片面，忽略環(huán)境因素之間的相關(guān)性分析，判斷條件單一，判斷結(jié)果誤差大；

2)RBF神經(jīng)網(wǎng)絡(luò)需要初始化相關(guān)的網(wǎng)絡(luò)參數(shù)，如隱含層基函數(shù)中心，隱含層與輸出層間的連接權(quán)值等，傳統(tǒng)的RBF神經(jīng)網(wǎng)絡(luò)中這些參數(shù)都是隨機(jī)選擇，而參數(shù)的選擇直接關(guān)乎到神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度好壞，因此初始化網(wǎng)絡(luò)參數(shù)的選擇在提升網(wǎng)絡(luò)預(yù)測(cè)精度中至關(guān)重要。

基于此，本發(fā)明提出一種基于BAS-RBF的番茄需水預(yù)測(cè)方法，使用主成分分析(Principal Component Analysis，PCA)算法篩選出對(duì)番茄需水量影響更多的環(huán)境因素，再利用天牛須搜索算法(Beetle Antennae Search algorithm，BAS)的高收斂質(zhì)量、快收斂速度、易于實(shí)現(xiàn)等優(yōu)點(diǎn)，優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)模型中隱含層基函數(shù)中心以及隱含層與輸出層間的連接權(quán)值，進(jìn)而建立了與番茄結(jié)果期需水特性相適應(yīng)的需水預(yù)測(cè)模型。

本發(fā)明采用下述的技術(shù)方案：

一種基于天牛須搜索算法優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)的番茄需水預(yù)測(cè)方法，包括如下步驟：首先，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，篩選出主要成分指標(biāo)；其次，以主要成分指標(biāo)的數(shù)據(jù)作為輸入變量，利用BAS優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的初始化參數(shù)；再次，以得到的最優(yōu)初始化參數(shù)建立BAS-RBF預(yù)測(cè)模型，并對(duì)該模型進(jìn)行訓(xùn)練得到番茄結(jié)果期需水預(yù)測(cè)模型；最后，利用所述需水預(yù)測(cè)模型進(jìn)行需水預(yù)測(cè)，得到預(yù)測(cè)結(jié)果。

特定地，使用主成分分析算法對(duì)數(shù)據(jù)進(jìn)行降維和去噪，篩選出累計(jì)貢獻(xiàn)率大于85％的環(huán)境因素作為主要成分指標(biāo)，選出的主要成分指標(biāo)為：平均氣壓、相對(duì)濕度和平均氣溫。

利用BAS算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的初始化參數(shù)包括以下步驟：