一种烟田土壤水分预测方法技术

本发明专利技术提供一种烟田土壤水分预测方法，该方法提出基于主元分析与径向基函数(radial basis function，RBF)神经网络的烟田土壤水分预测模型，首先对烟田土壤水分的影响因素进行分析，确定影响参数；然后利用主元分析法消除原始输入层数据的相关性，得到一组彼此不相关的新输入变量；最后将重构的训练样本空间作为RBF神经网络的输入，进行土壤水分预测，并通过实例仿真及比较分析表明该方法预测精度较高。

【技术实现步骤摘要】

本专利技术涉及烟叶种植大田监控领域，更具体地，涉及。
技术介绍
烟田土壤水分的变化对烟叶的生长、产量和烟叶香气质、量以及肥料利用率、烟株 根系生长、土传性病虫害等都有很大的影响。因此，烟田土壤水分预测预报是烟草水土工程 生产管理的重要依据，对烟区种植的规划尤其是确定施肥种类、数量以及烟草土传性病害 预测预报具有重要的意义。 土壤水分是一个复杂的非线性耦合系统，受外界环境等因素影响很大，在通常情 况下，只有充分考虑影响其预测的各个因子，才能建立满足实际需要的预测模型。常用的 土壤墒情预测模型有经验公式法、水量平衡法、土壤水动力学法、时间序列模型法等。这些 方法在所需的边界条件都具备的情况下，大多数可以获得比较满意的结果，但在实际应用 中存在以下问题：1)需要通过试验测定或通过统计分析得到符合条件的各种参数，由于自 然条件千差万别，需要投入大量的人力物力，且建立的模型过于复杂，妨碍了模型的实际推 广应用；2)传统水分预测模型需要输入的参数基本上是确定的，如果缺少其中的部分输入 量，将严重影响模型的预测结果，而实际应用，多数参数很难获得，使模型难以应用。 近年来，为了建立理论基础坚实、形式相对简单、参数易于获得，并且能够满足实 际需要的土壤墒情预测模型，许多学者采用神经网络方法对土壤水分预测进行了研究，并 且取得一定的成果。由于神经网络不需要建立精确的数学模型，就能实现从输入端到输出 端的非线性映射，因此在土壤水分预测中得到了广泛应用。目前，这些研究的特点与存在的 问题有：1)大部分都是采用误差反向传播（back propagation，BP)神经网络进行预测建 模，而BP神经网络具有学习算法的收敛速度慢，模型的训练机时长，在训练过程中总体误 差容易陷入局部极小等不足；2)影响土壤水分的因素种类众多且复杂多变，传统神经网络 的预测方法是简单地把所有因素或人为地将部分主要因素作为神经网络的输入。但是，由 于各闪素之间具有较强的相关性，如果简单地将所有因素人为简化或合并，会造成大量有 用信息的丢失或重叠，从而影响预测精度。
技术实现思路
本专利技术提供一种预测精度较高的烟田土壤水分预测方法。 为了达到上述技术效果，本专利技术的技术方案如下： -种烟田土壤水分预测方法，包括以下步骤： Sl :确定影响烟田土壤水分的参数； S2 :建立烟田土壤水分预测模型； S3:收集样本数据，对建立的烟田土壤水分预测模型进行训练之后即开始进行土 壤水分分析预测。 进一步地，所述步骤Sl的具体过程如下： 利用土壤水分经验计算公式Q2= P' +I-S-ET-L+Q i，结合烟草生产实践经验，得到 影响烟田土壤水分主要的参数变量有：烟田烟叶各生长阶段初单位面积的土壤贮水量一 Q1，烟田烟叶各生长阶段末单位面积的土壤贮水量一〇2，烟田烟叶各生长阶段蒸散发量一 ET，烟田烟叶各生长阶段平均气温一T，烟田烟叶各生长阶段降水一P'，烟田烟叶各生长阶 段日照时间一t，烟田烟叶各生长阶段灌水量一I，烟田烟叶各生长阶段径流量一S，烟田烟 叶各生长阶段渗漏量一 L。 进一步地，所述步骤S2的具体过程如下： 1)、对nXm的样本数据矩阵X标准化，X的每一列对应于一个变量，每一行对应于 一个样本： 式中 M = [1?!? · · · mj 为 X 的均值，s = [S1S2 · · · sj 为 X 的标准差； 2)、对Xs进行主元分析得到式中 I^t2, ·· Rn为得分向量，p ^p2, ·· Rm为负荷向量，并用前k个主元来代 替数据中的主要变化即主成分，则X'近似地表示为 3)、4，利用径向基函数神经网 络来对X'p分析处理得到预测模型：式中R1(Y)为隐层中的径向基函 数，i为隐层的节点数目，i = 1，2，· · · 1，s为输出神经元的个数，s = 1，2，· · ·，h，Wis为第i个隐层单元到输出单元的权值。 进一步地，所述步骤3)中R1 (X'）的计算过程如下： 式中C1为第i个隐层单元对应的径向基函数的中心，σ i为第i个隐层单元对应 的被感知器中心点宽度，用来调节网络的灵敏度，I |X'-C11 I为向量X'-C1的范数，表示X' 与C1的欧几里德距离。 进一步地，确定第i个隐层单元对应的径向基函数的中心的具体过程如下： 设有A组样本数据，选取第j组输入向量，计算欧几里德范数J1U)= IX'（J)-C1(J-I) I Γ，找出与输入样本距离最小的中心c_，调整中心为： c_(J·) = c_(J:l)+a(X'（j)-c_(j-l)) 式中a为学习速率，每学习一次，调小一次a，其他各中心向量维持不变，再计算调 整后的欧几里德范数0_(j) = I |x'（j)-c_(j) I I2,重复中心和宽度的确定过程，使得训 练样本距离该中心的距离最小，此时的c(j)即为中心。 与现有技术相比，本专利技术技术方案的有益效果是： 本专利技术提出了一种基于主元分析与径向基函数（radial basis function，RBF)神 经网络的烟田土壤水分预测模型，首先对烟田土壤水分的影响因素进行分析，确定影响参 数；然后利用主元分析法消除原始输入层数据的相关性，得到一组彼此不相关的新输入变 量；最后将重构的训练样本空间作为RBF神经网络的输入，进行土壤水分预测，并通过实例 仿真及比较分析表明该方法预测精度较高。【附图说明】 图1为本专利技术方法流程图。【具体实施方式】 附图仅用于示例性说明，不能理解为对本专利的限制； 为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品 的尺寸； 对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解 的。 下面结合附图和实施例对本专利技术的技术方案做进一步的说明。 实施例1 如图1所示，，包括以下步骤： Sl :确定影响烟田土壤水分的参数； S2 :建立烟田土壤水分预测模型； S3:收集样本数据，对建立的烟田土壤水分预测模型进行训练之后即开始进行土 壤水分分析预测。 进一步地，步骤Sl的具体过程如下： 利用土壤水分经验计算公式Q2= P' +I-S-ET-L+Q i，结合烟草生产实践经验，得到 影响烟田土壤水分主要的参数变量有：烟田烟叶各生长阶段初单位面积的土壤贮水量一 Q1，烟田烟叶各生长阶段末单位面积的土壤贮水量一〇2，烟田烟叶各生长阶段蒸散发量一 ET，烟田烟叶各生长阶段平均气温一T，烟田烟叶各生长阶段降水一P'，烟田烟叶各生长阶 段日照时间一t，烟田烟叶各生长阶段灌水量一I，烟田烟叶各生长阶段径流量一S，烟田烟 叶各生长阶段渗漏量一 L。 进一步地，步骤S2的具体过程如下： 1)、当前第1页1 2 本文档来自技高网...

【技术保护点】
一种烟田土壤水分预测方法，其特征在于，包括以下步骤：S1：确定影响烟田土壤水分的参数；S2：建立烟田土壤水分预测模型；S3：收集样本数据，对建立的烟田土壤水分预测模型进行训练之后即开始进行土壤水分分析预测。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈泽鹏，
申请(专利权)人：中国烟草总公司广东省公司，
类型：发明
国别省市：广东;44