一种基于人工智能的水土侵蚀计算方法技术

本发明专利技术公开了一种基于人工智能的水土侵蚀计算方法，它包括：步骤1、收集侵蚀地区历史基础数据和水土侵蚀历史数据；步骤2、将侵蚀地区均匀划分为一个个的网格单元；步骤3、将步骤1收集到的历史基础数据作为神经网络模型的输入参数，水土侵蚀历史数据作为划分结果，让神经网络模型进行自主学习，自动调整神经网络模型参数；步骤4、将待测区域现状基础数据代入调整后的神经网络模型，自动计算每个网格单元的水土侵蚀数据；解决了现有技术采用CSLE通用方程计算水土流失存在的参数难以确定，无法全面考虑影响水土侵蚀的客观因素，场景变化对精度的影响极其明显等技术问题。

【技术实现步骤摘要】
一种基于人工智能的水土侵蚀计算方法
本专利技术属于水土侵蚀评估技术，尤其涉及一种基于人工智能的水土侵蚀计算方法。
技术介绍
：目前水土流失比较常用的是通用方程（CSLE），其基本形式为：A=R*K*LS*B*E*T式中：A为单位面积上时间和空间平均的土壤侵蚀量，t/(hm2)；R为降雨侵蚀力因子，MJmm/(hm2)；K为土壤可蚀性因子，thm2/(hm2MJmm)；L为坡长因子；S为坡度因子；B为生物措施因子；E为工程措施因子；T为耕作措施因子；该方程是通过水土保持专业工作人员，多年潜心专研，通过对不同地区，不同时间，对水土侵蚀状况的对比总结，形成的经验公式，现有技术存在参数难以确定，无法全面考虑影响水土侵蚀的客观因素，场景变化（所谓场景：是指计算的目标地域及模型计算参数的确定人）对精度的影响极其明显等技术问题。
技术实现思路
：本专利技术要解决的技术问题：提供一种基于人工智能的水土侵蚀计算方法，以解决现有技术采用CSLE通用方程计算水土流失存在的参数难以确定，无法全面考虑影响水土侵蚀的客观因素，场景变化对精度的影响极其明显等技术问题。本专利技术技术方案：一种基于人工智能的水土侵蚀计算方法，它包括：步骤1、收集侵蚀地区历史基础数据和水土侵蚀历史数据；步骤2、将侵蚀地区均匀划分为一个个的网格单元；步骤3、将步骤1收集到的历史基础数据作为神经网络模型的输入参数，水土侵蚀历史数据作为划分结果，让神经网络模型进行自主学习，自动调整神经网络模型参数；步骤4、将待测区域现状基础数据代入调整后的神经网络模型，自动计算每个网格单元的水土侵蚀数据；步骤5、根据每个网格单元的水土侵蚀数据，得到水土侵蚀分布图。步骤1所述的历史基础数据包括水文资料、遥感资料、地形资料、土壤资料、土地类型、防治措施和社会经济指标数值。步骤2所述的网格单元大小为5米乘5米。所述水文资料包括年平均降雨量P、年平均径流量R、年最大雨强I和最大雨强对应洪峰；遥感资料包括植被覆盖率、居民地覆盖率、基岩裸露率和水体覆盖率；地形资料包括坡度s和坡长L；土壤资料包括砂粒含量SAN、粉砂含量SIL、粘粒含量SLA和有机质含量C；土地类型包括岩溶和非岩溶；防治措施包括坡改地比例、经济林比例、水保林比例、种草比例、封禁治理比例和保土耕作比例；社会经济指标包括人口、GDP和大牲畜数据。所述历史基础数据为过去30-50年的历史基础数据。本专利技术的有益效果：本专利技术采用基于前馈神经网络的人工智能模型，采集侵蚀地区历史基础数据和水土侵蚀历史数据对模型进行训练，得到更好的模型适应性；纳入更多的水土侵蚀影响因素，使训练后的模型更接近的客观环境的状况，再将现有的基础数据作为输入条件代入训练后的模型自动计算出水土侵蚀数据；以实现提高准确度和实时性；避免解决了现有技术采用CSLE通用方程计算水土流失存在的参数难以确定，无法全面考虑影响水土侵蚀的客观因素，场景变化对精度的影响极其明显等技术问题。具体实施方式：一种基于人工智能的水土侵蚀计算方法，它包括：步骤1、收集侵蚀地区历史基础数据和水土侵蚀历史数据；步骤1所述的历史基础数据包括水文资料、遥感资料、地形资料、土壤资料、土地类型、防治措施和社会经济指标数值。所述水文资料包括年平均降雨量P、年平均径流量R、年最大雨强I和最大雨强对应洪峰；遥感资料包括植被覆盖率、居民地覆盖率、基岩裸露率和水体覆盖率；地形资料包括坡度s和坡长L；土壤资料包括砂粒含量SAN、粉砂含量SIL、粘粒含量SLA和有机质含量C；土地类型包括岩溶和非岩溶；防治措施包括坡改地比例、经济林比例、水保林比例、种草比例、封禁治理比例和保土耕作比例；社会经济指标包括人口、GDP和大牲畜数据。所述历史基础数据为过去30-50年的历史基础数据。本专利技术通过采集上述历史基础数据信息，对模型进行训练，纳入更多的水土侵蚀影响因素，使模型更接近的客观环境的状况。步骤2、将侵蚀地区均匀划分为一个个的网格单元；步骤2所述的网格单元大小为5米乘5米；网格单元作为计算单元进行土壤侵蚀强度划分，单元大小可根据收集的所收集的资料进行适当确定，一旦确定往下就不能再变更。步骤3、将步骤1收集到的历史基础数据作为神经网络模型的输入参数，水土侵蚀历史数据作为划分结果，让神经网络模型进行自主学习，自动调整神经网络模型参数；神经网络模型采用基于前馈神经网络的人工智能模型或基于多层前馈神经网络模型。步骤4、将待测区域现状基础数据代入调整后的神经网络模型，自动计算每个网格单元的水土侵蚀数据；步骤5、根据每个网格单元的水土侵蚀数据，得到水土侵蚀分布图。本文档来自技高网...

【技术保护点】
一种基于人工智能的水土侵蚀计算方法，它包括：步骤1、收集侵蚀地区历史基础数据和水土侵蚀历史数据；步骤2、将侵蚀地区均匀划分为一个个的网格单元；步骤3、将步骤1收集到的历史基础数据作为神经网络模型的输入参数，水土侵蚀历史数据作为划分结果，让神经网络模型进行自主学习，自动调整神经网络模型参数；步骤4、将待测区域现状基础数据代入调整后的神经网络模型，自动计算每个网格单元的水土侵蚀数据；步骤5、根据每个网格单元的水土侵蚀数据，得到水土侵蚀分布图。

【技术特征摘要】
1.一种基于人工智能的水土侵蚀计算方法，它包括：步骤1、收集侵蚀地区历史基础数据和水土侵蚀历史数据；步骤2、将侵蚀地区均匀划分为一个个的网格单元；步骤3、将步骤1收集到的历史基础数据作为神经网络模型的输入参数，水土侵蚀历史数据作为划分结果，让神经网络模型进行自主学习，自动调整神经网络模型参数；步骤4、将待测区域现状基础数据代入调整后的神经网络模型，自动计算每个网格单元的水土侵蚀数据；步骤5、根据每个网格单元的水土侵蚀数据，得到水土侵蚀分布图。2.根据权利要求1所述的一种基于人工智能的水土侵蚀计算方法，其特征在于：步骤1所述的历史基础数据包括水文资料、遥感资料、地形资料、土壤资料、土地类型、防治措施和社会经济指标数值。3.根据权利要求1所述的一种基于人工智...

【专利技术属性】
技术研发人员：李胜，郑强，张宗旗，朱金，周世界，张茜，
申请(专利权)人：贵州东方世纪科技股份有限公司，
类型：发明
国别省市：贵州,52