[發明專利]一種基于極限學習機的土壤濕度預測方法

在審

• 申請號: 202211328245.8
• 申請日: 2022-10-27
• 公開（公告）號: CN115730511A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 劉玉燕;劉軒;王延倉;張文豪;占玉林;金永濤
• 申請（專利權）人: 北華航天工業學院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F119/02
• 代理公司: 北京易捷勝知識產權代理有限公司 11613
• 代理人: 于建國

1.一種基于極限學習機的土壤濕度預測方法，其特征在于，所述預測方法包括以下步驟：

步驟1：輸入數據，對數據進行預處理，將數據集劃分為兩部分，一部分為訓練集，另一部分為測試集；

步驟2：確定極限學習機神經網絡的拓撲結構為層次型，層次型模型將神經網絡分為輸入層、隱含層和輸出層，各層順序連接，分別設置輸入層、隱含層和輸出層神經元的個數；

步驟3：對極限學習機神經網絡進行初始化，隨機產生輸入層與隱含層間的連接權值及隱含層神經元的偏差，權值代表神經元之間的連接強度，利用偏差可以更好地實現預測結果與數據的擬合；

步驟4：選擇一個無限可微的函數作為隱含層的激活函數，計算得到隱含層輸出矩陣；

步驟5：通過最小二乘法計算出隱含層和輸出層間的連接權值；

步驟6：將獲得的參數和測試數據樣本輸入極限學習機預測模型得到預測結果，并選取土壤濕度預測中常用的兩種評價指標：均方誤差MSE和決定系數R²，對模型的預測性能進行評價，從而完成對土壤濕度的精準預測。

2.根據權利要求1所述的一種基于極限學習機的土壤濕度預測方法，其特征在于，所述步驟1具體包括，將數據分為訓練集和測試集，訓練集和測試集包括輸入數據和目標數據，其中輸入數據包括降水量、蒸發量、溫度、風速、地表溫度、氣壓、土壤濕度，目標數據為土壤濕度。

3.根據權利要求2所述的一種基于極限學習機的土壤濕度預測方法，其特征在于，所述步驟3具體包括，隨機產生輸入權重w和隱層偏差b，且在訓練過程中不需要重復迭代無需進行調整。

4.根據權利要求3所述一種基于極限學習機的土壤濕度預測方法，其特征在于，所述步驟4具體包括，計算隱含層輸出矩陣H＝g(x*w+b)。

5.根據權利要求4所述一種基于極限學習機的土壤濕度預測方法，其特征在于，所述步驟5具體包括，計算輸出層權重β＝H⁺T，H為隱含層的輸出矩陣，H⁺為隱含層輸出矩陣H的摩爾彭羅斯廣義逆，T為訓練數據的目標矩陣。

6.根據權利要求5所述一種基于極限學習機的土壤濕度預測方法，其特征在于，所述步驟6具體包括，計算模型評價指標均方誤差決定系數其中y_i為土壤濕度預測值，t_i為真實值，為土壤濕度真實數據的平均值。