【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。