一种农田多源信息动态调节融合方法及系统技术方案

本发明专利技术公开了一种农田多源信息动态调节融合方法及系统，包括确定证据因子和识别框架，并计算各个证据因子分别对识别框架中各个命题的概率分配值；根据概率分配值和D‑S证据理论中的冲突系数计算公式计算冲突系数，并判断冲突系数是否在设定阈值区间内，若不在则采用经典D‑S证据理论合成规则进行数据融合，若在则采用平均证据因子替代冲突因子的概率分配值的方式修正证据源，并采用经典D‑S证据理论合成规则进行数据融合，或者根据各个证据因子的权重系数和历史积累数据因子对经典D‑S证据理论合成规则进行改进，并采用改进后的经典D‑S证据理论合成规则进行数据融合，提高了农田监测数据融合的可靠性和合理性，降低了决策的风险。

A Method and System for Dynamic Regulation and Fusion of Farmland Multi-source Information

【技术实现步骤摘要】
一种农田多源信息动态调节融合方法及系统
本专利技术涉及农业信息化
，特别是涉及一种农田多源信息动态调节融合方法及系统。
技术介绍
随着精细化、信息化现代农业的发展，物联网技术、计算机技术等高新技术开始大量的应用于农业领域，开始形成基于信息技术平台、结合大数据与机械设备、优化作物管理和农业资源使用效率的综合性农田管理优化技术，即精准农业。精准灌溉作为精准农业的一环，可精细准确的调整各项土壤和作物管理措施，最大限度的优化使用水投入量，以获得最高产量和最大经济效益，而实现精准灌溉需要依靠多种农田灌溉决策因子，这涉及到多源农田环境信息的融合。目前常用的信息融合技术包括贝叶斯原理、模糊粗糙集理论、人工神经网络、D-S证据理论等多种融合技术。其中，D-S证据理论常用于解决不确定性问题，在农田灌溉，可以很好的消除灌溉不确定性等问题，但是由于D-S证据理论在证据高度冲突的情况下容易产生完全错误的结果。现在对经典理论进行了改进，以解决这种高冲突带来的问题，常见的是从两个方面进行修改，其一是对冲突证据源进行修改，这样直接进行修改，简单处理了冲突，造成了整体信息的损失，同时带来聚焦能力下降问题；其二是修改证据合成规则，通过判断证据之间的可信度，基于可信度采用加权平均的思想将证据冲突概率分配给各个命题。其中，目前现有的农田信息数据融合方式在解决证据冲突的时候，采用平均证据代替冲突证据，从而形成证据对命题分配概率一致的效果，这样虽然会降低冲突系数，但忽略了冲突因子携带信息，丧失了数据的完整性，同时也带来证据聚焦能力下降的问题，并且由于没有考虑不同证据因子的重要程度，可能导致核心证据因子的主导地位不能发挥作用，从而使得融合结果脱离实际，误导决策结果，另外没有考虑历史积累数据的影响，由于农田环境监测是一个连续的过程，并且是一个缓慢变化的过程，所以应该吸收历史积累数据规律，从而在对当前冲突进行概率分配的时候进行动态的调节。综上所述，现有的进行决策级数据融合的方法普遍存在的问题为：证据因子高冲突情况下，数据融合结果不确定性高甚至出现与事实相悖的融合结果，因此需要一种新的数据融合方法。
技术实现思路
本专利技术的目的是提供一种农田多源信息动态调节融合方法及系统，通过引入证据权重和历史积累数据因子改进了D-S证据理论合成规则，解决了现有技术在多源数据融合时，因忽略灌溉因子和历史累计数据对当前数据的影响而导致的融合结果不确定甚至与事实相悖，从而误导决策结果的问题。该方法对于不同的情况可以得到较好的融合结果，提高了农田监测数据融合的可靠性和合理性，降低了决策的风险。为实现上述目的，本专利技术提供了如下方案：一种农田多源信息动态调节融合方法，包括：获取农田多源数据，并将所述农田多源数据确定为证据因子；所述证据因子包括土壤水分、水分胁迫指数以及气孔导度；确定数据融合的识别框架；所述识别框架包括三个命题，分别为灌溉命题、不灌溉命题以及不确定命题；计算各个所述证据因子分别对所述识别框架中各个命题的概率分配值，并建立基本概率分配矩阵；所述基本概率分配矩阵的元素为概率分配值；根据所述基本概率分配矩阵，结合D-S证据理论中的冲突系数计算公式，计算冲突系数；判断所述冲突系数是否在设定阈值区间内，得到第一判断结果；若所述第一判断结果表示所述冲突系数不在所述设定阈值区间内，则采用经典D-S证据理论合成规则对所述基本概率分配矩阵中所有的概率分配值进行数据融合，确定所述识别框架中各个命题的支持率；若所述第一判断结果表示所述冲突系数在所述设定阈值区间内，则确定各个所述证据因子的权重系数，并根据所述基本概率分配矩阵中的概率分配值，确定冲突因子；判断所述冲突因子的权重系数是否大于权重平均值，得到第二判断结果；若所述第二判断结果表示所述冲突因子的权重系数小于或者等于所述权重平均值，则采用平均证据因子的概率分配值替代所述冲突因子的概率分配值的方式修正所述基本概率分配矩阵，并采用经典D-S证据理论合成规则对修正后的基本概率分配矩阵中所有的概率分配值进行数据融合，确定所述识别框架中各个命题的支持率；若所述第二判断结果表示所述冲突因子的权重系数大于所述权重平均值，则根据各个所述证据因子的权重系数和历史积累数据因子对所述经典D-S证据理论合成规则进行改进，并采用改进后的经典D-S证据理论合成规则对所述基本概率分配矩阵中所有的概率分配值进行数据融合，确定所述识别框架中各个命题的支持率。可选的，所述计算各个所述证据因子分别对所述识别框架中各个命题的概率分配值，并建立基本概率分配矩阵，具体包括：利用所述识别框架，建立模糊粗糙集隶属度函数；所述模糊粗糙集隶属度函数包括三个概率分配函数，分别为灌溉命题概率分配函数、不灌溉命题概率分配函数以及不确定命题概率分配函数；确定所述识别框架中各个命题的模糊区间；根据各个所述证据因子，结合所述灌溉命题概率分配函数和灌溉命题的模糊区间的最小值和最大值，计算各个所述证据因子对所述灌溉命题的概率分配值；其中，第i个证据因子对所述灌溉命题的概率分配函数为mi1；根据各个所述证据因子，结合所述不灌溉命题概率分配函数和不灌溉命题的模糊区间的最小值和最大值，计算各个所述证据因子对所述不灌溉命题的概率分配值；其中，第i个证据因子对所述不灌溉命题的概率分配函数为mi2；所述各个所述证据因子对所述识别框架中灌溉命题的概率分配值和各个所述证据因子对所述识别框架中不灌溉命题的概率分配值，结合所述不确定命题概率分配函数，计算各个所述证据因子对所述不确定命题的概率分配值；其中，第i个证据因子对所述不确定命题的概率分配函数为mi3；将所有所述概率分配值组合，建立基本概率分配矩阵；其中，所述基本概率分配矩阵的列元素表示各个证据因子对每个命题的概率分配值。可选的，所述灌溉命题概率分配函数为所述不灌溉命题概率分配函数为所述不确定命题概率分配函数为mi3＝1-mi1-mi2；其中，x表示证据因子；d1、d2表示灌溉命题的模糊区间的最小值和最大值；d3、d4表示不灌溉命题的模糊区间的最小值和最大值。可选的，所述确定各个所述证据因子的权重系数，具体包括：根据专家经验，确定每个所述证据因子的权重系数。可选的，所述根据各个所述证据因子的权重系数和历史积累数据因子对所述经典D-S证据理论合成规则进行改进，并采用改进后的经典D-S证据理论合成规则对所述基本概率分配矩阵中所有的概率分配值进行数据融合，确定所述识别框架中各个命题的支持率，具体包括：计算每个所述证据因子的可信度；根据所述证据因子的可信度和权重系数，计算每个所述证据因子的可用度；获取一组历史积累数据因子；根据所述历史积累数据因子，计算均值矩阵；所述均值矩阵的元素表示各个历史积累数据因子对各个命题的平均支持度；将所述均值矩阵中的元素按列求和取平均，得到每个命题的平均概率分配值；计算各个所述证据因子中每个命题的概率分配值与所述平均概率分配值的相似度并归一化，得到每个所述证据因子的相似度；根据所述证据因子的可用度和相似度，计算每个所述证据因子的调节度；根据每个所述证据因子的调节度，改进所述经典D-S证据理论合成规则；采用改进后的经典D-S证据理论合成规则对所述基本概率分配矩阵中所有的概率分配值进行数据融合，确定所述识别框架中各个命题的支持率。可选的本文档来自技高网...

【技术保护点】
1.一种农田多源信息动态调节融合方法，其特征在于，所述农田多源信息动态调节融合方法包括：获取农田多源数据，并将所述农田多源数据确定为证据因子；所述证据因子包括土壤水分、水分胁迫指数以及气孔导度；确定数据融合的识别框架；所述识别框架包括三个命题，分别为灌溉命题、不灌溉命题以及不确定命题；计算各个所述证据因子分别对所述识别框架中各个命题的概率分配值，并建立基本概率分配矩阵；所述基本概率分配矩阵的元素为概率分配值；根据所述基本概率分配矩阵，结合D‑S证据理论中的冲突系数计算公式，计算冲突系数；判断所述冲突系数是否在设定阈值区间内，得到第一判断结果；若所述第一判断结果表示所述冲突系数不在所述设定阈值区间内，则采用经典D‑S证据理论合成规则对所述基本概率分配矩阵中所有的概率分配值进行数据融合，确定所述识别框架中各个命题的支持率；若所述第一判断结果表示所述冲突系数在所述设定阈值区间内，则确定各个所述证据因子的权重系数，并根据所述基本概率分配矩阵中的概率分配值，确定冲突因子；判断所述冲突因子的权重系数是否大于权重平均值，得到第二判断结果；若所述第二判断结果表示所述冲突因子的权重系数小于或者等于所述权重平均值，则采用平均证据因子的概率分配值替代所述冲突因子的概率分配值的方式修正所述基本概率分配矩阵，并采用经典D‑S证据理论合成规则对修正后的基本概率分配矩阵中所有的概率分配值进行数据融合，确定所述识别框架中各个命题的支持率；若所述第二判断结果表示所述冲突因子的权重系数大于所述权重平均值，则根据各个所述证据因子的权重系数和历史积累数据因子对所述经典D‑S证据理论合成规则进行改进，并采用改进后的经典D‑S证据理论合成规则对所述基本概率分配矩阵中所有的概率分配值进行数据融合，确定所述识别框架中各个命题的支持率。...

【技术特征摘要】
1.一种农田多源信息动态调节融合方法，其特征在于，所述农田多源信息动态调节融合方法包括：获取农田多源数据，并将所述农田多源数据确定为证据因子；所述证据因子包括土壤水分、水分胁迫指数以及气孔导度；确定数据融合的识别框架；所述识别框架包括三个命题，分别为灌溉命题、不灌溉命题以及不确定命题；计算各个所述证据因子分别对所述识别框架中各个命题的概率分配值，并建立基本概率分配矩阵；所述基本概率分配矩阵的元素为概率分配值；根据所述基本概率分配矩阵，结合D-S证据理论中的冲突系数计算公式，计算冲突系数；判断所述冲突系数是否在设定阈值区间内，得到第一判断结果；若所述第一判断结果表示所述冲突系数不在所述设定阈值区间内，则采用经典D-S证据理论合成规则对所述基本概率分配矩阵中所有的概率分配值进行数据融合，确定所述识别框架中各个命题的支持率；若所述第一判断结果表示所述冲突系数在所述设定阈值区间内，则确定各个所述证据因子的权重系数，并根据所述基本概率分配矩阵中的概率分配值，确定冲突因子；判断所述冲突因子的权重系数是否大于权重平均值，得到第二判断结果；若所述第二判断结果表示所述冲突因子的权重系数小于或者等于所述权重平均值，则采用平均证据因子的概率分配值替代所述冲突因子的概率分配值的方式修正所述基本概率分配矩阵，并采用经典D-S证据理论合成规则对修正后的基本概率分配矩阵中所有的概率分配值进行数据融合，确定所述识别框架中各个命题的支持率；若所述第二判断结果表示所述冲突因子的权重系数大于所述权重平均值，则根据各个所述证据因子的权重系数和历史积累数据因子对所述经典D-S证据理论合成规则进行改进，并采用改进后的经典D-S证据理论合成规则对所述基本概率分配矩阵中所有的概率分配值进行数据融合，确定所述识别框架中各个命题的支持率。2.根据权利要求1所述的农田多源信息动态调节融合方法，其特征在于，所述计算各个所述证据因子分别对所述识别框架中各个命题的概率分配值，并建立基本概率分配矩阵，具体包括：利用所述识别框架，建立模糊粗糙集隶属度函数；所述模糊粗糙集隶属度函数包括三个概率分配函数，分别为灌溉命题概率分配函数、不灌溉命题概率分配函数以及不确定命题概率分配函数；确定所述识别框架中各个命题的模糊区间；根据各个所述证据因子，结合所述灌溉命题概率分配函数和灌溉命题的模糊区间的最小值和最大值，计算各个所述证据因子对所述灌溉命题的概率分配值；其中，第i个证据因子对所述灌溉命题的概率分配函数为mi1；根据各个所述证据因子，结合所述不灌溉命题概率分配函数和不灌溉命题的模糊区间的最小值和最大值，计算各个所述证据因子对所述不灌溉命题的概率分配值；其中，第i个证据因子对所述不灌溉命题的概率分配函数为mi2；所述各个所述证据因子对所述识别框架中灌溉命题的概率分配值和各个所述证据因子对所述识别框架中不灌溉命题的概率分配值，结合所述不确定命题概率分配函数，计算各个所述证据因子对所述不确定命题的概率分配值；其中，第i个证据因子对所述不确定命题的概率分配函数为mi3；将所有所述概率分配值组合，建立基本概率分配矩阵；其中，所述基本概率分配矩阵的列元素表示各个证据因子对每个命题的概率分配值。3.根据权利要求2所述的农田多源信息动态调节融合方法，其特征在于，所述灌溉命题概率分配函数为所述不灌溉命题概率分配函数为所述不确定命题概率分配函数为mi3＝1-mi1-mi2；其中，x表示证据因子；d1、d2表示灌溉命题的模糊区间的最小值和最大值；d3、d4表示不灌溉命题的模糊区间的最小值和最大值。4.根据权利要求1所述的农田多源信息动态调节融合方法，其特征在于，所述确定各个所述证据因子的权重系数，具体包括：根据专家经验，确定每个所述证据因子的权重系数。5.根据权利要求1所述的农田多源信息动态调节融合方法，其特征在于，所述根据各个所述证据因子的权重系数和历史积累数据因子对所述经典D-S证据理论合成规则进行改进，并采用改进后的经典D-S证据理论合成规则对所述基本概率分配矩阵中所有的概率分配值进行数据融合，确定所述识别框架中各个命题的支持率，具体包括：计算每个所述证据因子的可信度；根据所述证据因子的可信度和权重系数，计算每个所述证据因子的可用度；获取一组历史积累数据因子；根据所述历史积累数据因子，计算均值矩阵；所述均值矩阵的元素表示各个历史积累数据因子对各个命题的平均支持度；将所述...

【专利技术属性】
技术研发人员：赵小强，高强，权恒，晏珠峰，石俊丽，赵治伟，刘耀文，
申请(专利权)人：西安邮电大学，西安碧海蓝天电子信息技术有限公司，
类型：发明
国别省市：陕西,61