[发明专利]基于复数神经网络的土壤墒情预测方法及装置

说明书

技术领域

本发明实施例涉及农业信息技术领域，具体涉及一种基于复数神经网络的土壤墒情预测方法及装置。

背景技术

我国的季风气候和传统低效的农业灌溉技术综合导致我国农业水资源利用率低，节水灌溉技术主要依据作物的需水、耗水规律来控制、调配水资源，节水灌溉策略的制定必须依靠土壤墒情的增长消退规律。因此，准确、高效地预测土壤墒情的长期变化趋势，是实现精准灌溉、提高水资源利用率改善农作物生长状况的基础。

目前国内外学者常用的土壤墒情预测模型主要有确定性和随机性模型。确定性模型是从土壤水分运移、转化所遵循的物理规律出发建立土壤水动态模型，主要有经验公式法、土层水量平衡法、土壤水动力学法等。随机性方法则考虑了土壤水分变化的随机特点，用随机模拟法来探讨田间土壤水分的变化过程，如多元回归预测法、神经网络模型等。以上模型的复杂性和预测精度各不相同。经验性模型比较简单便于应用，但是模型中经验参数的适用范围有限；多元回归预测法通过建立土壤墒情与多种环境因素之间的回归方程进行土壤墒情预测，但在但在中长期预测时误差累计严重导致预测精度低；神经网络预测模型提高了中长期土壤墒情预测的预测精度，但模型参数选择复杂且依赖大量的经验技巧，训练过程容易陷入局部极值。

发明内容

本发明实施例的一个目的是解决现有技术使用确定性和随机性模型时由于输入数据维度较高，导致预测精度低的问题。

本发明实施例提出了一种基于复数神经网络的土壤墒情预测方法，包括：

获取待预测土壤的历史墒情数据；

从所述历史墒情数据中选取距离预测时间点最近的N个时间点对应的墒情数据；

将选取的墒情数据转换为单位圆上的复数；

根据转换后的墒情数据和预构建的MLMVN神经网络预测待预测土壤在所述预测时间点的墒情数据。

可选的，在根据转换后的墒情数据和预构建的MLMVN神经网络预测待预测土壤在所述预测时间点的墒情数据之前，所述方法还包括：

根据选取的墒情数据的个数确定输入层的节点数；

根据输入层的节点数构建多输入单输出的MLMVN神经网络。

可选的，当所述MLMVN神经网络含有两个隐含层时，设置第一隐含层节点数少于第二隐含层节点数。

可选的，所述根据转换后的墒情数据和预构建的MLMVN神经网络预测待预测土壤在所述预测时间点的墒情数据包括：

若所述预测时间点为一个，则将选取的墒情数据输入至MLMVN神经网络，获取待预测土壤在所述预测时间点的墒情数据。

可选的，若预测时间点为两个或者两个以上，则将选取的墒情数据输入至MLMVN神经网络，获取待预测土壤在第一预测时间点的墒情数据；

从所述选取的墒情数据以及第一个预测时间点对应的墒情数据中选取距离预测时间点最近的N个时间点对应的墒情数据；

将选取的墒情数据输入至MLMVN神经网络，获取待预测土壤在下一预测时间点的墒情数据。

本发明实施例提供一种基于复数神经网络的土壤墒情预测装置，包括：

获取模块，用于获取待预测土壤的历史墒情数据；

选取模块，用于从所述历史墒情数据中选取距离预测时间点最近的N个时间点对应的墒情数据；

转换模块，用于将选取的墒情数据转换为单位圆上的复数；

预测模块，用于根据转换后的墒情数据和预构建的MLMVN神经网络预测待预测土壤在所述预测时间点的墒情数据。

可选的，所述装置还包括：建模模块；

所述建模模块，用于根据选取的墒情数据的个数确定输入层的节点数；根据输入层的节点数构建多输入单输出的MLMVN神经网络。

可选的，当所述MLMVN神经网络含有两个隐含层时，设置第一隐含层节点数少于第二隐含层节点数。

可选的，所述预测模块，用于在预测时间点为一个时，将选取的墒情数据输入至MLMVN神经网络，获取待预测土壤在所述预测时间点的墒情数据。

可选的，所述预测模块，还用于在预测时间点为两个或者两个以上，将选取的墒情数据输入至MLMVN神经网络，获取待预测土壤在第一预测时间点的墒情数据；从所述选取的墒情数据以及第一个预测时间点对应的墒情数据中选取距离预测时间点最近的N个时间点对应的墒情数据；将选取的墒情数据输入至MLMVN神经网络，获取待预测土壤在下一预测时间点的墒情数据。