基于池化注意力的设施环境多步预测方法技术

本发明专利技术提供一种基于池化注意力的设施环境多步预测方法及系统，该方法基于畜禽舍内的环境影响因素数据和舍内环境参量的历史数据进行训练，建立基于池化注意力的预测模型；通过预测模型对开始时刻T1到结束时刻T2获取的若干条环境影响因素数据和舍内环境参量进行编码，获取隐状态向量；使用池化注意力模块对舍内环境参量中的非稳定跃变特征进行提取，获取注意力矩阵；对注意力矩阵和隐状态向量进行特征融合解码，将解码后的输出映射为待预测的舍内环境参量。该方法充分利用禽舍多变量时间序列数据的信息进行建模，从序列不同维度的特征角度实现多步预测，在中长期时间序列预测任务中精度有显著提升。务中精度有显著提升。务中精度有显著提升。

【技术实现步骤摘要】
基于池化注意力的设施环境多步预测方法


[0001]本专利技术属于设施环境预测领域，更具体地，涉及基于池化注意力的神经网络的设施环境变化多步预测方法及模型。

技术介绍

[0002]适宜的设施环境是实现设施农业高效生产的必要条件。对设施内的各种环境参数(如温度、湿度)进行预测，并依据预测结果生成调控方案，能够改善传统设施农业调控容易出现误差的问题，有效降低设施调控损耗，提升设施农业种植、养殖的经济效益。
[0003]目前，设施环境预测问题的处理方法可以被分为两类：一类是机理模型，此类模型主要是从物理模型的角度对温室设施环境进行建模，需要大量的试验对模型进行完善，建模成本较高，同时模型受温室结构、温室设施等因素影响较大，普适性较差，难以被大范围推广应用；第二类是基于数据驱动的系统辨识模型，此类模型的特点在于挖掘数据间的联系，构建各个影响因素与预测目标的对应关系，实现从历史数据到未来数据的推理，系统辨识模型中包括统计模型与机器学习模型。相比统计模型，以人工神经网络为代表的机器学习模型使用简单且适用场景丰富，在禽舍环境预测中具有较大潜力。
...

【技术保护点】

【技术特征摘要】
1.一种基于池化注意力的设施环境多步预测方法，其特征是，该方法基于畜禽舍内的环境影响因素数据和舍内环境参量的历史数据进行训练，建立基于池化注意力的预测模型；通过预测模型对开始时刻T1到结束时刻T2获取的若干条环境影响因素数据和舍内环境参量进行编码，获取隐状态向量；使用池化注意力模块对舍内环境参量中的非稳定跃变特征进行提取，获取注意力矩阵；对注意力矩阵和隐状态向量进行特征融合解码，将解码后的输出映射为待预测的舍内环境参量。2.根据权利要求1所述的基于池化注意力的设施环境多步预测方法，其特征是该方法具体包括编码步骤、解码步骤和映射步骤：编码步骤，将开始时刻T1到结束时刻T2的若干条环境影响因素数据X
t
和舍内环境参量Y
t
作为输入序列，t表示时刻，采用堆叠时序分解单元进行编码获取多级稳定特征，拼接后获得输入序列的隐状态向量H；解码步骤，使用池化注意力模块对舍内环境参量Y
t
中的非稳定跃变特征进行提取，得到注意力矩阵C并进行多头注意力处理；对多头注意力处理后的注意力矩阵C与编码得到的隐状态向量H进行特征融合，采用MLP模块和LN模块对融合后的数据进行归一化，得到解码输出D；映射步骤，采用全连接层对解码输出D进行解析，获得预测结果。3.根据权利要求2所述的基于池化注意力的设施环境多步预测方法，其特征在于：堆叠时序分解单元采用m层堆叠的全连接网络模块FCNN，隐状态向量H采用下述公式获取：H＝{h0,h1,
…
,h
n
‑1}＝FCNN
m
(X
t
,Y
t
)其中：H代表隐状态向量，h0,h1,
…
,h
n
‑1代表经过编码器加工后的隐状态向量值，包含序列的稳定特征，n表示隐状态向量的长度；FCNN表示编码运...

【专利技术属性】
技术研发人员：任守纲，顾兴健，赵鑫源，车建华，
申请(专利权)人：南京农业大学，
类型：发明
国别省市：