农田土壤的重金属含量预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种农田土壤的重金属含量预测方法、装置、设备及存储介质，属于土壤重金属污染检测技术领域。本发明专利技术获取待预测农田土壤中已知区域的土地信息，将所述土地信息输入至预设神经网络模型，并获取所述预设神经网络模型输出的目标重金属含量值，将所述目标重金属含量值作为所述待预测农田土壤中未知区域的重金属含量预测结果，通过将已知区域的土地信息输入至改进的自适应广义回归神经网络模型中，得到农田土壤中未知区域的重金属含量值，节省了模型训练时间，提高了农田土壤中重金属含量值预测的精确度。

【技术实现步骤摘要】
农田土壤的重金属含量预测方法、装置、设备及存储介质
本专利技术涉及土壤重金属污染检测
，尤其涉及一种农田土壤的重金属含量预测方法、装置、设备及存储介质。
技术介绍
农田土壤重金属污染是指由于人类活动，导致农田土壤中的微量金属元素含量超过标准值，过量沉积而引起的含量过高，统称为农田土壤重金属污染。而农田土壤作为人类各种粮食作物赖以生存的自然环境，其生态环境问题一直是环境科学界研究的热点。目前对于农田土壤中重金属含量的预测采用的是传统的多元线性回归方法或广义回归神经网络，而传统方法中所采用的模型训练时间较长，预测精度较低。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供一种农田土壤的重金属含量预测方法、装置、设备及存储介质，旨在解决现有技术中农田土壤的重金属含量预测精度较低的技术问题。为实现上述目的，本专利技术提供了一种农田土壤的重金属含量预测方法，所述方法包括以下步骤:获取待预测农田土壤中已知区域的土地信息；将所述土地本文档来自技高网...

【技术保护点】
1.一种农田土壤的重金属含量预测方法，其特征在于，所述方法包括：/n获取待预测农田土壤中已知区域的土地信息；/n将所述土地信息输入至预设神经网络模型，并获取所述预设神经网络模型输出的目标重金属含量值；/n将所述目标重金属含量值作为所述待预测农田土壤中未知区域的重金属含量预测结果。/n

【技术特征摘要】
1.一种农田土壤的重金属含量预测方法，其特征在于，所述方法包括：
获取待预测农田土壤中已知区域的土地信息；
将所述土地信息输入至预设神经网络模型，并获取所述预设神经网络模型输出的目标重金属含量值；
将所述目标重金属含量值作为所述待预测农田土壤中未知区域的重金属含量预测结果。


2.如权利要求1所述的农田土壤的重金属含量预测方法，其特征在于，所述将所述土地信息输入至预设神经网络模型，并获取所述预设神经网络模型输出的目标重金属含量值的步骤之前，还包括：
获取初始神经网络模型的目标参数；
基于鸟群算法对所述初始神经网络模型中的目标参数进行修改，获得预设神经网络模型。


3.如权利要求2所述的农田土壤的重金属含量预测方法，其特征在于，所述基于鸟群算法对所述初始神经网络模型中的目标参数进行修改，获得预设神经网络模型的步骤包括：
初始化并行鸟群算法，得到鸟群以及所述鸟群中的多个鸟群个体；
获取所述鸟群的飞行间隔；
根据所述飞行间隔判断所述鸟群是否进行飞行行为；
根据判断结果控制各个鸟群个体执行目标行为；
获取各个鸟群个体的当前位置；
根据所述当前位置确定所述鸟群的目标位置；
根据所述目标位置对所述初始神经网络模型的目标参数进行修改，获得预设神经网络模型。


4.如权利要求3所述的农田土壤的重金属含量预测方法，其特征在于，所述根据判断结果控制各个鸟群个体执行目标行为的步骤包括：
在所述鸟群未进行飞行行为时，在预设范围内随机生成各个鸟群个体对应的常数；
根据所述常数控制对应的鸟群个体执行觅食行为或警戒行为；
或，在所述鸟群进行飞行行为时，获取各个鸟群个体的当前适应度值；
根据所述当前适应度值控制对应的鸟群个体执行生产行为或乞讨行为。


5.如权利要求4所述的农田土壤的重金属含量预测方法，其特征在于，所述根据所述常数控制对应的鸟群个体执行觅食行为或警戒行为的步骤包括：
获取各个鸟群个体对应的初始值；
控制小于所述初始值的常...

【专利技术属性】
技术研发人员：张聪，曹文琪，张俊杰，陈方，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：湖北;42