[发明专利]草地二氧化碳通量预测方法及装置

权利要求书

1.一种草地二氧化碳通量预测方法，其特征在于，包括：

实时或定时采集待预测区域的环境数据以及表征所述待预测区域的牧草状态的状态数据；

将所述环境数据及状态数据匹配传输至数据库中；

自所述数据库中调出所述环境数据及状态数据，并输入至用于预测所述待预测区域的二氧化碳通量等级的预测模型中；

基于所述预测模型输出预测的二氧化碳通量等级。

2.根据权利要求1所述的预测方法，其特征在于，还包括：

建立神经网络模型架构；

将匹配存储地历史环境数据及状态数据作为输入数据，将与所述输入数据对应地历史二氧化碳通量等级作为输出数据，分别输入至所述神经网络模型架构中进行训练；

得到所述预测模型。

3.根据权利要求2所述的预测方法，其特征在于，所述建立神经网络模型架构，包括：

对所述神经网络模型架构进行初始化，确定所述输入层、隐含层的随机权重及阈值。

4.根据权利要求2所述的预测方法，其特征在于，所述对所述神经网络模型架构进行训练，包括：

将所述输入数据及输出数据按序输入至所述神经网络模型架构中，得到所述隐含层输出的第一输出式；

基于所述第一输出式确定所述输出层输出的第二输出式；

基于所述第二输出式确定输出层输出数据；

计算所述输出层输出数据的误差；

确定所述误差是否满足预设要求，若满足，则完成训练。

5.根据权利要求4所述的预测方法，其特征在于，所述第一输出式及第二输出式分别为：

式中的函数f为：

其中，x'为所述隐含层输出数据，d为所述输出层输出数据，θ₁为所述隐含层阈值，θ₂为所述输出层阈值，x为输入向量，f为隐含层激励函数，其中w_j和θ_j为系数。

6.根据权利要求4所述的预测方法，其特征在于，所述计算所述输出层输出数据的误差，包括：

基于下述公式计算所述误差：

其中，e_p为所述误差，t_k为期望输出值，其基于所述输出数据确定，d_k为预测输出值，其基于所述输出层输出数据确定。

7.根据权利要求6所述的预测方法，其特征在于，还包括：

若所述误差未满足所述预设要求，则按照下式逐层计算误差：

其中，为所述隐含层的误差，为所述输入层的误差，为隐含层p₁的期望输出值，为隐含层p₁的预测输出值，为隐含层p1输出数据。

8.根据权利要求7所述的预测方法，其特征在于，还包括：

基于所述逐层计算的误差反向调整各层的权值；

重新输入所述输入数据及输出数据至调整权值后的所述神经网络模型架构中，重新计算所述输出层输出数据，及其误差，直至所述误差满足所述预设要求。

9.根据权利要求1所述的预测方法，其特征在于，所述环境数据包括光照强度、空气温度、地表温度、土壤温度、天气状态数据；

所述状态数据包括牧草生育期类型；

所述将所述环境数据及状态数据匹配传输至数据库中，包括：

将所述环境数据及状态数据经过物联网传输至所述数据库中。

10.一种预测装置，包括：

采集模块，其用于采集待预测区域的环境数据以及表征所述待预测区域的牧草状态的状态数据；

传输模块，其用于将所述环境数据及状态数据匹配传输至数据库中；

预测模型，其用于自所述数据库中调出所述环境数据及状态数据，并基于所述环境数据及状态数据对待预测区域的二氧化碳通量等级进行预测，并输出所述预测的二氧化碳通量等级。