基于神经网络模型的资源优化配置方法、装置以及设备制造方法及图纸

本发明专利技术涉及数据分析领域，特别涉及一种基于神经网络模型的资源优化配置方法、装置、设备以及存储介质，所述方法包括：从电子数据库系统查找获取待优化区域的农作物的生产数据、需求数据、经济数据以及生态数据；根据所述生产数据以及需求数据，构建神经网络模型；根据所述神经网络模型得到资源优化配置结果，并将其保存于所述电子数据库系统；接收查询终端发出的目标区域内待优化区域的资源优化配置查询指令，查找所述电子数据库系统，根据所述资源优化配置结果以及所述待优化区域的地理位置信息，向所述查询终端发送所述待优化区域的资源优化配置信息。本申请不仅考虑了农业配置过程中水土资源复杂关系，而且考虑了生态服务以及生态负服务，实现了资源的合理配置。实现了资源的合理配置。实现了资源的合理配置。

【技术实现步骤摘要】
基于神经网络模型的资源优化配置方法、装置以及设备


[0001]本专利技术涉及数据分析领域，特别涉及是一种基于神经网络模型的资源优化配置方法、装置、设备以及存储介质。

技术介绍

[0002]农业作为最大的半人工生态系统，为人类社会的经济发展提供重要的物质基础，水资源和土地资源更是农业生产的重要资源。如何合理的使用水资源和土地资源往往是决策者所面临的重要问题。
[0003]由于水资源和土地资源并不是相互独立的，其之间往往存在着复杂的联系，现有技术中的资源优化配置方法过于单一，只能根据经验进行估算以及配置，不仅不准确，效率也十分低下，无法很好地对农业的水资源和土地资源进行合理的配置，容易造成资源的浪费。

技术实现思路

[0004]基于此，本专利技术的目的在于，提供一种基于神经网络模型的资源优化配置方法、装置、设备以及存储介质，通过构建神经网络，结合待优化区域内与农作物相关联的多方面数据，实现了水资源系统优化配置，解决了由于根据经验进行估算以及调配，产生的局限性的问题，提高了资源优化配置的准确性以及高效性。<br/>[0005]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络模型的资源优化配置方法，其特征在于，包括以下步骤：从电子数据库系统查找获取待优化区域的农作物的生产数据、需求数据、经济数据以及生态数据，其中，所述生产数据包括待优化区域的农作物的种植数据，所述需求数据包括待优化区域的农作物的水资源需求数据以及居民粮食需求数据；根据所述生产数据以及需求数据，构建神经网络模型，其中，所述神经网络模型包括根据所述生产数据以及经济数据生成经济效益区间参数的最大化经济效益目标函数、根据所述生产数据以及生态数据生成生态效益区间参数的对应的最大化生态效益目标函数，以及约束条件；根据所述神经网络模型得到资源优化配置结果，并将其保存于所述电子数据库系统；接收查询终端发出的目标区域内待优化区域的资源优化配置查询指令，查找所述电子数据库系统，根据所述资源优化配置结果以及所述待优化区域的地理位置信息，向所述查询终端发送所述待优化区域的资源优化配置信息。2.根据权利要求1所述的基于神经网络模型的资源优化配置方法，其特征在于，所述根据所述生产数据以及需求数据，构建神经网络模型，包括步骤：构建最大化经济效益目标函数作为所述神经网络模型的上层决策模型，其中，所述最大化经济效益目标函数为：式中，为经济效益区间参数，为所述农作物的种植面积区间参数，为所述农产品年平均价格区间参数，Y
i
为所述农作物的产量，p
k
为枯水年，平水年，丰水年出现的概率，为惩罚系数区间参数，为所述农作物的允许种植面积调节区间参数，为所述农作物的单位种植面积的灌溉蓄水量区间参数，为农业用水价格区间参数，为用水惩罚系数区间参数，所述农作物的为允许的用水量调节区间参数；所述正向最大化生态效益目标函数为：最大化生态效益目标函数为：式中，EV
k
为农作物的生态服务价值，MaxF
EV
为正向生态效益区间参数，为所述农作物的种植面积区间参数，为所述农作物的允许种植面积调节区间参数，p
k
为枯水年，平水年，丰水年出现的概率；所述负向最小化生态效益目标函数为：
式中，为负向生态效益区间参数，CP
±
为生态服务补偿价值区间参数，为化肥使用量区间参数，为农用薄膜使用量区间参数，为农药使用量区间参数，CF为化肥生态负服务价值因子，CA为薄膜生态负服务价值因子，CP为农药生态负服务价值因子；所述净值效益目标函数为：式中，为所述生态效益区间参数；构建所述神经网络模型的约束条件，所述约...

【专利技术属性】
技术研发人员：王永阳，蔡宴朋，杨志峰，谭倩，张盼，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：