一种基于遗传算法的农业气象监测数据处理方法及系统技术方案

技术编号:26690716 阅读:58 留言:0更新日期:2020-12-12 02:41
本发明专利技术涉及一种基于遗传算法的农业气象监测数据处理方法及系统。该方法包括:随机生成卡尔曼滤波算法中的参数;获取输入数据;对输入数据进行预处理,得到预处理后的输入数据;根据预处理后的输入数据初始运行卡尔曼滤波算法进行初始值编码,得到输入数据和卡尔曼初始滤波的误差,将其作为适应度值;将适应度值采用遗传算法进行处理,得到新的适应度值;判断新的适应度值是否满足结束条件;若否,则返回“将适应度值基于遗传算法进行选择操作、交叉操作和变异操作,得到新的适应度值”;若是,则根据新的适应度值获取卡尔曼滤波的最优参数值;根据最优参数值,进行农业气象监测。本发明专利技术能够提高气象监测的处理精度和效率。

【技术实现步骤摘要】
一种基于遗传算法的农业气象监测数据处理方法及系统
本专利技术涉及农业信息分析领域,特别是涉及一种基于遗传算法的农业气象监测数据处理方法及系统。
技术介绍
随着我国农业大数据技术的不断发展,农业大数据技术所涉及范围也越来越广,特别是目前农业活动的各个环节不断的增多,其产生的数据数量也越来越多,因此,关于农业数据处理相关需求也越来越多。农业大数据的来源广泛、类型多样、结构复杂、有潜在的价值也很难利用,虽然我国的农业大数据技术还不是很成熟,但是我们必须对农业大数据技术的发展状况进行及时分析,建立完善的农业大数据处理技术体系,进一步促进我国的农业大数据技术发展。现有技术中利用处理后的气象数据存在噪声点难以清除的问题,并且依靠现有技术处理后的气象数据进行气象监测存在处理精度不高和效率低下的问题,不能适应农业信息分析的需要。
技术实现思路
本专利技术的目的是提供一种基于遗传算法的农业气象监测数据处理方法及系统,能够提高气象监测的处理精度和效率。为实现上述目的,本专利技术提供了如下方案:一种基于遗传算法的农业气象监测数据处理方法,包括:随机生成卡尔曼滤波算法中的参数,所述参数包括温度、湿度、降水量、光照时长和风力;获取输入数据,所述输入数据为所述参数中的数据;对所述输入数据进行预处理,得到预处理后的输入数据;根据所述预处理后的输入数据初始运行卡尔曼滤波算法进行初始值编码,得到输入数据和卡尔曼初始滤波的误差,将所述输入数据和卡尔曼初始滤波的误差作为适应度值;将所述适应度值采用遗传算法进行处理,得到新的适应度值;判断所述新的适应度值是否满足结束条件;若否,则返回“将所述适应度值基于遗传算法进行选择操作、交叉操作和变异操作,得到新的适应度值”;若是,则根据所述新的适应度值获取卡尔曼滤波的最优参数值;根据所述最优参数值,进行农业气象监测。可选地,所述对所述输入数据进行预处理,得到预处理后的输入数据,具体包括:对所述输入数据进行标准化处理、归一化处理、填充性处理和可靠性处理,得到预处理后的输入数据。可选地,所述将所述适应度值采用遗传算法进行处理,得到新的适应度值,具体包括:将所述适应度值基于遗传算法进行选择操作、交叉操作和变异操作,得到新的适应度值。可选地,所述根据所述最优参数值,进行农业气象监测,具体包括:将所述最优参数值带入卡尔曼滤波公式,得到最优滤波结果;根据所述最优滤波结果,进行农业气象监测。一种基于遗传算法的农业气象监测数据处理系统,包括:参数生成模块,用于随机生成卡尔曼滤波算法中的参数,所述参数包括温度、湿度、降水量、光照时长和风力;输入数据获取模块,用于获取输入数据,所述输入数据为所述参数中的数据;预处理模块,用于对所述输入数据进行预处理,得到预处理后的输入数据;适应度值确定模块,用于根据所述预处理后的输入数据初始运行卡尔曼滤波算法进行初始值编码,得到输入数据和卡尔曼初始滤波的误差,将所述输入数据和卡尔曼初始滤波的误差作为适应度值;遗传算法处理模块,用于将所述适应度值采用遗传算法进行处理,得到新的适应度值;判断模块,用于判断所述新的适应度值是否满足结束条件;返回模块,用于当所述新的适应度值不满足结束条件,返回“将所述适应度值基于遗传算法进行选择操作、交叉操作和变异操作,得到新的适应度值”;最优参数值确定模块,用于当所述新的适应度值满足结束条件,根据所述新的适应度值获取卡尔曼滤波的最优参数值;农业气象监测模块,用于根据所述最优参数值,进行农业气象监测。可选地,所述预处理模块,具体包括:预处理单元,用于对所述输入数据进行标准化处理、归一化处理、填充性处理和可靠性处理,得到预处理后的输入数据。可选地,所述遗传算法处理模块,具体包括:遗传算法处理单元,用于将所述适应度值基于遗传算法进行选择操作、交叉操作和变异操作,得到新的适应度值。可选地,所述农业气象监测模块,具体包括:最优滤波结果确定单元,用于将所述最优参数值带入卡尔曼滤波公式,得到最优滤波结果;农业气象监测单元,用于根据所述最优滤波结果,进行农业气象监测。根据本专利技术提供的具体实施例,本专利技术公开了以下技术效果:本专利技术将遗传算法和卡尔曼滤波算法结合起来,利用遗传算法对卡尔曼滤波器中的参数进行编码,以此来优化卡尔曼滤波算法,从而能够提高气象监测数据处理的精度和效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。图1为本专利技术基于遗传算法的农业气象监测数据处理方法流程图;图2为本专利技术基于遗传算法的农业气象监测数据处理系统结构图。具体实施方式下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。本专利技术的目的是提供一种基于遗传算法的农业气象监测数据处理方法及系统,能够提高气象监测数据处理的精度和效率。为使本专利技术的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本专利技术作进一步详细的说明。如图1所示,一种基于遗传算法的农业气象监测数据处理方法包括:步骤101:随机生成卡尔曼滤波算法中的参数,所述参数包括温度、湿度、降水量、光照时长和风力。首先随机生成卡尔曼滤波算法中的参数,初始运行卡尔曼滤波算法,以便后续的遗传算法对初始值进行编码,其中,卡尔曼滤波算法的计算过程如下:首先,引入一个线性随机微分方程,如式(1)所示:X(k)=AX(k-1)+BU(K)+ω(k)(1)其中,X(k)表示k时刻的系统状态,U(k)表示k时刻对当前系统的控制量,A、B为系统参数值,ω(k)表示过程噪声。系统测量值如式(2)所示:Z(k)=HX(k)+v(k)(2)式中,Z(k)是k时刻的测量值,H为测量系统参数,v(k)为测量噪声。在此,令ω(k)和v(k)的协方差分别为Q和R。假设现在的系统状态是k,根据系统模型,可以根据上一时刻的系统状态预测出当前系统的状态,如式(3)所示:X(k|k-1)=AX(k-1|k-1)+BU(k)(3)式中,X(k|k-1)为利用上一状态所预测的结果,X(k-1|k-1)为上一状态最优结果,U(k)是当前状态的控制量,若没有控制量,可令其为零。步骤102:获取输入数据,所述输入数据为所述参数中的数据。步本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的农业气象监测数据处理方法,其特征在于,包括:/n随机生成卡尔曼滤波算法中的参数,所述参数包括温度、湿度、降水量、光照时长和风力;/n获取输入数据,所述输入数据为所述参数中的数据;/n对所述输入数据进行预处理,得到预处理后的输入数据;/n根据所述预处理后的输入数据初始运行卡尔曼滤波算法进行初始值编码,得到输入数据和卡尔曼初始滤波的误差,将所述输入数据和卡尔曼初始滤波的误差作为适应度值;/n将所述适应度值采用遗传算法进行处理,得到新的适应度值;/n判断所述新的适应度值是否满足结束条件;/n若否,则返回“将所述适应度值基于遗传算法进行选择操作、交叉操作和变异操作,得到新的适应度值”;/n若是,则根据所述新的适应度值获取卡尔曼滤波的最优参数值;/n根据所述最优参数值,进行农业气象监测。/n

【技术特征摘要】
1.一种基于遗传算法的农业气象监测数据处理方法,其特征在于,包括:
随机生成卡尔曼滤波算法中的参数,所述参数包括温度、湿度、降水量、光照时长和风力;
获取输入数据,所述输入数据为所述参数中的数据;
对所述输入数据进行预处理,得到预处理后的输入数据;
根据所述预处理后的输入数据初始运行卡尔曼滤波算法进行初始值编码,得到输入数据和卡尔曼初始滤波的误差,将所述输入数据和卡尔曼初始滤波的误差作为适应度值;
将所述适应度值采用遗传算法进行处理,得到新的适应度值;
判断所述新的适应度值是否满足结束条件;
若否,则返回“将所述适应度值基于遗传算法进行选择操作、交叉操作和变异操作,得到新的适应度值”;
若是,则根据所述新的适应度值获取卡尔曼滤波的最优参数值;
根据所述最优参数值,进行农业气象监测。


2.根据权利要求1所述的基于遗传算法的农业气象监测数据处理方法,其特征在于,所述对所述输入数据进行预处理,得到预处理后的输入数据,具体包括:
对所述输入数据进行标准化处理、归一化处理、填充性处理和可靠性处理,得到预处理后的输入数据。


3.根据权利要求1所述的基于遗传算法的农业气象监测数据处理方法,其特征在于,所述将所述适应度值采用遗传算法进行处理,得到新的适应度值,具体包括:
将所述适应度值基于遗传算法进行选择操作、交叉操作和变异操作,得到新的适应度值。


4.根据权利要求1所述的基于遗传算法的农业气象监测数据处理方法,其特征在于,所述根据所述最优参数值,进行农业气象监测,具体包括:
将所述最优参数值带入卡尔曼滤波公式,得到最优滤波结果;
根据所述最优滤波结果,进行农业气象监测。


5.一种基于遗传算法的农业气象监测数据处理系统,其特征在于,包括:
参数生成模块,用于随机...

【专利技术属性】
技术研发人员:庄家煜许世卫李干琼刘佳佳邸佳颖
申请(专利权)人:中国农业科学院农业信息研究所
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 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。

1