[發(fā)明專利]一種土壤水分預(yù)測方法和裝置

有效

• 申請?zhí)枺?/td>: 202210093943.8
• 申請日: 2022-01-26
• 公開（公告）號: CN114118634B
• 公開（公告）日: 2022-08-30
• 發(fā)明（設(shè)計）人: 何莉;石鐵柱;唐乾坤;張德津;王敬哲
• 申請（專利權(quán)）人: 深圳大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G01N33/24;G06N3/04;G06N3/08
• 代理公司: 北京睿智保誠專利代理事務(wù)所(普通合伙) 11732
• 代理人: 周新楣

1.一種土壤水分預(yù)測方法，其特征在于，包括：

獲取監(jiān)測數(shù)據(jù)，所述監(jiān)測數(shù)據(jù)包括土壤的歷史水分、土壤所處地理的環(huán)境歷史數(shù)據(jù)，所述歷史水分為歷史時序水分；

土壤的歷史水分、土壤所處地理的環(huán)境歷史數(shù)據(jù)分別通過物聯(lián)網(wǎng)傳感器獲取，具體的，是通過地面?zhèn)鞲衅骰精@取時序的水分和環(huán)境數(shù)據(jù)的，地面?zhèn)鞲衅骰景庀髠鞲衅鳌⑼寥浪謧鞲衅鳌⑻栞椪斩葌鞲衅鳎坏孛鎮(zhèn)鞲衅骰緦⒉杉降臄?shù)據(jù)通過Lora物聯(lián)網(wǎng)網(wǎng)關(guān)傳輸?shù)降孛婀?jié)點站，節(jié)點站將信息通過5G傳輸回服務(wù)器；

所述獲取監(jiān)測數(shù)據(jù)，所述監(jiān)測數(shù)據(jù)包括土壤的歷史水分、土壤所處地理的環(huán)境歷史數(shù)據(jù)，之后包括：

統(tǒng)一所述歷史水分所對應(yīng)的時間尺度和所述環(huán)境歷史數(shù)據(jù)所對應(yīng)的時間尺度，得到統(tǒng)一時間尺度之后的所述歷史水分和所述環(huán)境歷史數(shù)據(jù)，統(tǒng)一時間尺度之后的所述歷史水分和所述環(huán)境歷史數(shù)據(jù)所對應(yīng)的時間點為同一個時間點；

對統(tǒng)一時間尺度之后的所述歷史水分和所述環(huán)境歷史數(shù)據(jù)分別進行歸一化處理，得到歸一化之后的所述歷史水分和歸一化之后的所述環(huán)境歷史數(shù)據(jù)；

依據(jù)所述歷史水分和所述環(huán)境歷史數(shù)據(jù)，得到土壤的實際預(yù)測水分；

所述依據(jù)所述歷史水分和所述環(huán)境歷史數(shù)據(jù)，得到土壤的實際預(yù)測水分，包括：

依據(jù)所述環(huán)境歷史數(shù)據(jù)，得到所述環(huán)境歷史數(shù)據(jù)中的氣象歷史數(shù)據(jù)和太陽歷史輻照度；

獲取第一樣本水分、與所述第一樣本水分所對應(yīng)的氣象樣本數(shù)據(jù)和太陽樣本輻照度；

將所述第一樣本水分、所述氣象樣本數(shù)據(jù)、所述太陽樣本輻照度輸入到神經(jīng)網(wǎng)絡(luò)模型中，得到所述神經(jīng)網(wǎng)絡(luò)模型輸出的樣本預(yù)測水分；

獲取與所述樣本預(yù)測水分所對應(yīng)的第二樣本水分，所述第二樣本水分所對應(yīng)的時刻位于所述第一樣本水分所對應(yīng)的時刻之后；

獲取所述第一樣本水分所對應(yīng)的時間節(jié)點，所述時間節(jié)點在所述第一樣本水分所對應(yīng)的時間中最接近所述第二樣本水分所對應(yīng)的時間；

獲取所述神經(jīng)網(wǎng)絡(luò)模型所對應(yīng)的輸出時間步長，所述輸出時間步長為所述樣本預(yù)測水分所對應(yīng)的時刻與所述時間節(jié)點之間的時間差；

調(diào)整所述輸出時間步長，得到調(diào)整所述輸出時間步長之后的所述神經(jīng)網(wǎng)絡(luò)模型；

將所述第一樣本水分、所述氣象樣本數(shù)據(jù)、所述太陽樣本輻照度輸入到調(diào)整所述輸出時間步長之后的所述神經(jīng)網(wǎng)絡(luò)模型，得到調(diào)整所述輸出時間步長之后的所述神經(jīng)網(wǎng)絡(luò)模型輸出的預(yù)測水分，記為調(diào)整所述輸出時間步長所對應(yīng)的預(yù)測水分；

獲取與所述輸出時間步長所對應(yīng)的第三樣本水分；

依據(jù)所述第三樣本水分和調(diào)整所述輸出時間步長所對應(yīng)的預(yù)測水分，訓練所述神經(jīng)網(wǎng)絡(luò)模型，得到訓練之后的所述神經(jīng)網(wǎng)絡(luò)模型；

將所述歷史水分、所述氣象歷史數(shù)據(jù)和所述太陽歷史輻照度輸入到訓練之后的所述神經(jīng)網(wǎng)絡(luò)模型，得到土壤的實際預(yù)測水分；

所述方法還包括：

完成訓練之后，根據(jù)實時采集到的實現(xiàn)氣象數(shù)據(jù)、太陽輻照度、時序土壤水分自適應(yīng)調(diào)節(jié)長短期記憶深度學習模型；

所述依據(jù)所述第三樣本水分和調(diào)整所述輸出時間步長所對應(yīng)的預(yù)測水分，訓練所述神經(jīng)網(wǎng)絡(luò)模型，得到訓練之后的所述神經(jīng)網(wǎng)絡(luò)模型，之后還包括：

獲取測試樣本水分、氣象測試樣本數(shù)據(jù)、太陽測試樣本輻照度、水分觀測值；

將所述測試樣本水分、所述氣象測試樣本數(shù)據(jù)、所述太陽測試樣本輻照度輸入到訓練之后的所述神經(jīng)網(wǎng)絡(luò)模型，得到所述神經(jīng)網(wǎng)絡(luò)模型輸出的水分預(yù)測值；

依據(jù)所述水分預(yù)測值和所述水分觀測值，得到由所述水分預(yù)測值和所述水分觀測值所構(gòu)成的決定系數(shù)、平均絕對誤差、均方根誤差；

依據(jù)所述決定系數(shù)R²、所述平均絕對誤差MAE、所述均方根誤差RMSE，調(diào)整所述神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，得到測試之后的所述神經(jīng)網(wǎng)絡(luò)模型，

式中，為土壤水分的預(yù)測值(％)，y_i為其觀測值(％)，為土壤水分觀測值的平均值(％)，n為樣本數(shù)量；

所述方法還包括：模型的訓練提前設(shè)定參數(shù)，設(shè)定參數(shù)包括神經(jīng)網(wǎng)絡(luò)隱藏層層數(shù)、每層的神經(jīng)元節(jié)點數(shù)、激活函數(shù)、梯度優(yōu)化方式，激活函數(shù)為linear，梯度優(yōu)化方式為adam。