基于人工智能的土壤评估方法及系统技术方案

本申请提供的基于人工智能的土壤评估方法及系统，通过对成分图分类得到的分类目标土壤要素类型，从土壤数据中清洗出局部土壤数据并进行解析，从而相对于解析初始的土壤数据的不同局部分别就进行解析，从而能够更加全面解析土壤数据中小数据规模目标，将小数据规模目标的评估结果（即第一目标评估结果）作为土壤数据的整体的目标评估结果（即第二目标评估结果）的补充，从而兼顾了土壤数据中的目标的评估，有效评估出土壤数据中各种不同数据规模的目标，提高了目标评估的精确性，能够更加准确的获得土壤中的物质含量，能够准确地确定出污染物质，从而能够精确地确定出治理方案。从而能够精确地确定出治理方案。从而能够精确地确定出治理方案。

【技术实现步骤摘要】
基于人工智能的土壤评估方法及系统


[0001]本申请涉及土壤评估
，具体而言，涉及基于人工智能的土壤评估方法及系统。

技术介绍

[0002]土壤质量评价是指按一定的原则、方法和标准，对土壤污染程度进行评定，是环境质量评价体系中的一种单要素评价。从内容上，一般分为单项评价和多项评价；在评价方法上，要以有效、可靠、敏感、可重复及可接受的指标为原则；在评价指标的选择上，则要以有效性、敏感性、实用性、通用性为原则。
[0003]目前，针对土壤中物质的成分评估是一个十分重要的关节，在能具体获得土壤成分，才能有效的对土壤进行治理等工作。因此，亟需一种方案以准确地确定出土壤的成分，以改善上述技术问题。

技术实现思路

[0004]为改善相关技术中存在的技术问题，本申请提供了基于人工智能的土壤评估方法及系统。
[0005]第一方面，提供一种基于人工智能的土壤评估方法，所述方法包括：对土壤数据进行成分图回归分析处理，得到所述土壤数据的成分图，其中，所述成分图表示所述土壤数据中的目标的土壤属性分布情况，所述成分图回归分析处理包括若干个不同数据规模的滤波处理；对所述成分图进行分类处理，得到所述成分图中的若干个分类目标土壤要素类型；结合所述若干个分类目标土壤要素类型对所述土壤数据进行清洗处理，得到一一对应的若干个局部土壤数据，其中，各个所述局部土壤数据包括若干个所述目标；对各个所述局部土壤数据和所述土壤数据依次进行目标评估处理，得到与各个所述局部土壤数据和所述土壤数据一一对应的第一目标评估结果；将各个所述第一目标评估结果进行拼接处理，得到与所述土壤数据对应的第二目标评估结果。
[0006]在一种独立实施的实施例中，所述对土壤数据进行成分图回归分析处理，得到所述土壤数据的成分图，包括：结合所述土壤数据调用配置后的成分图回归分析线程进行成分图回归分析处理，得到所述土壤数据的成分图；其中，所述配置后的成分图回归分析线程是通过以下方式配置得到的：基于土壤数据范例调用待配置的所述成分图回归分析线程进行成分图回归分析处理，得到所述土壤数据范例的回归分析成分图；结合所述土壤数据范例的回归分析成分图和所述土壤数据范例的当前成分图调用测评指标模型，得到所述土壤数据范例的测评指标；结合所述土壤数据范例的测评指标优化待配置的所述成分图回归分析线程的系数。
[0007]在一种独立实施的实施例中，所述结合所述土壤数据调用所述配置后的成分图回归分析线程进行成分图回归分析处理，得到所述土壤数据的成分图，包括：结合所述土壤数据调用所述配置后的成分图回归分析线程进行如下处理：对所述土壤数据分别进行所述若
干个不同数据规模的滤波处理，得到若干个不同数据规模的滑动平均描述知识链；对所述若干个不同数据规模的滑动平均描述知识链进行整合处理处理，得到整合描述知识链；对所述整合描述知识链进行滑动平均处理，得到所述土壤数据的成分图。
[0008]在一种独立实施的实施例中，所述对所述成分图进行分类处理，得到所述成分图中的若干个分类目标土壤要素类型，包括：对所述成分图中的土壤物质属性描述进行解析处理，得到所述土壤物质属性描述的可能性分布；依据所述土壤物质属性描述的可能性分布，将服从同一可能性分析模型的所述土壤物质属性描述进行分类处理，得到所述成分图中的若干个分类目标土壤要素类型。
[0009]在一种独立实施的实施例中，所述对各个所述局部土壤数据和所述土壤数据依次进行目标评估处理，得到与各个所述局部土壤数据和所述土壤数据一一对应的第一目标评估结果，包括：针对随机一个所述局部土壤数据执行如下处理：对所述局部土壤数据进行多数据规模描述知识抽取处理，得到与所述局部土壤数据对应的若干个不同数据规模的描述知识；对所述若干个不同数据规模的描述知识进行第一次目标评估处理，得到与各个所述数据规模的描述知识对应的第一评估结果；对各个所述第一评估结果进行第二次目标评估处理，得到与各个所述第一评估结果对应的第二评估结果，其中，所述第二次目标评估处理的评估置信度大于所述第一次目标评估处理的评估置信度；将所述第二评估结果作为所述第一目标评估结果。
[0010]在一种独立实施的实施例中，所述多数据规模描述知识抽取处理是通过关键信息分析线程实现的，所述关键信息分析线程包括滑动平均线程、架构一致的不少于一个第一关键信息分析局部线程和不少于一个第二关键信息分析局部线程；所述第一关键信息分析局部线程和所述第二关键信息分析局部线程均包括若干个级联的分析单元，所述若干个级联的分析单元的数据量不同；所述对所述局部土壤数据进行多数据规模描述知识抽取处理，得到与所述局部土壤数据对应的若干个不同数据规模的描述知识，包括：结合所述局部土壤数据调用所述滑动平均线程进行滑动平均处理，得到所述局部土壤数据的滑动平均处理结果；结合所述滑动平均处理结果调用所述第一关键信息分析局部线程中的若干个级联的分析单元进行分类处理，得到所述第一关键信息分析局部线程中各个分析单元的分类处理结果；结合所述滑动平均处理结果、所述第一关键信息分析局部线程中各个分析单元的分类处理结果调用所述第二关键信息分析局部线程中的若干个分析单元进行分类处理，得到所述第二关键信息分析局部线程中各个分析单元的分类处理结果；将所述第一关键信息分析局部线程中各个分析单元的分类处理结果和所述第二关键信息分析局部线程中各个分析单元的分类处理结果，作为与所述局部土壤数据对应的若干个不同数据规模的描述知识。
[0011]在一种独立实施的实施例中，所述结合所述滑动平均处理结果调用所述第一关键信息分析局部线程中的若干个级联的分析单元进行分类处理，得到所述第一关键信息分析局部线程中各个分析单元的分类处理结果，包括：结合所述滑动平均处理结果调用所述第一关键信息分析局部线程中的第1分析单元进行分类处理，得到所述第一关键信息分析局部线程的第1分类处理结果；迭代x执行如下处理：结合所述第一关键信息分析局部线程的第x分类处理结果调用所述第一关键信息分析局部线程中的第x+1分析单元进行分类处理，得到所述第一关键信息分析局部线程的第x+1分类处理结果；其中，x为取值递增的整数变
量且取值符合1≤x≤Z
‑
1，Z为所述若干个级联的分析单元的总数，第x分析单元的数据量大于所述第x+1分析单元的数据量。
[0012]在一种独立实施的实施例中，所述结合所述滑动平均处理结果、所述第一关键信息分析局部线程中各个分析单元的分类处理结果调用所述第二关键信息分析局部线程中的若干个分析单元进行分类处理，得到所述第二关键信息分析局部线程中各个分析单元的分类处理结果，包括：将所述滑动平均处理结果和所述第一关键信息分析局部线程的第x分析单元的分类处理结果进行融合处理处理，得到第一融合处理处理结果；结合所述第一融合处理处理结果调用所述第二关键信息分析局部线程中的第1分析单元进行分类处理，得到所述第二关键信息分析局部线程的第1分类处理结果；迭代x执行如下处理：将所述第一关键信息分析局部线程的第x分类处理结果和所述第二关键信息分析局部线程的第x分类处理结果进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的土壤评估方法，其特征在于，所述方法包括：对土壤数据进行成分图回归分析处理，得到所述土壤数据的成分图，其中，所述成分图表示所述土壤数据中的目标的土壤属性分布情况，所述成分图回归分析处理包括若干个不同数据规模的滤波处理；对所述成分图进行分类处理，得到所述成分图中的若干个分类目标土壤要素类型；结合所述若干个分类目标土壤要素类型对所述土壤数据进行清洗处理，得到一一对应的若干个局部土壤数据，其中，各个所述局部土壤数据包括若干个所述目标；对各个所述局部土壤数据和所述土壤数据依次进行目标评估处理，得到与各个所述局部土壤数据和所述土壤数据一一对应的第一目标评估结果；将各个所述第一目标评估结果进行拼接处理，得到与所述土壤数据对应的第二目标评估结果。2.根据权利要求1所述的方法，其特征在于，所述对土壤数据进行成分图回归分析处理，得到所述土壤数据的成分图，包括：结合所述土壤数据调用配置后的成分图回归分析线程进行成分图回归分析处理，得到所述土壤数据的成分图；其中，所述配置后的成分图回归分析线程是通过以下方式配置得到的：基于土壤数据范例调用待配置的所述成分图回归分析线程进行成分图回归分析处理，得到所述土壤数据范例的回归分析成分图；结合所述土壤数据范例的回归分析成分图和所述土壤数据范例的当前成分图调用测评指标模型，得到所述土壤数据范例的测评指标；结合所述土壤数据范例的测评指标优化待配置的所述成分图回归分析线程的系数。3.根据权利要求2所述的方法，其特征在于，所述结合所述土壤数据调用所述配置后的成分图回归分析线程进行成分图回归分析处理，得到所述土壤数据的成分图，包括：结合所述土壤数据调用所述配置后的成分图回归分析线程进行如下处理：对所述土壤数据分别进行所述若干个不同数据规模的滤波处理，得到若干个不同数据规模的滑动平均描述知识链；对所述若干个不同数据规模的滑动平均描述知识链进行整合处理处理，得到整合描述知识链；对所述整合描述知识链进行滑动平均处理，得到所述土壤数据的成分图。4.根据权利要求1所述的方法，其特征在于，所述对所述成分图进行分类处理，得到所述成分图中的若干个分类目标土壤要素类型，包括：对所述成分图中的土壤物质属性描述进行解析处理，得到所述土壤物质属性描述的可能性分布；依据所述土壤物质属性描述的可能性分布，将服从同一可能性分析模型的所述土壤物质属性描述进行分类处理，得到所述成分图中的若干个分类目标土壤要素类型。5.根据权利要求1所述的方法，其特征在于，所述对各个所述局部土壤数据和所述土壤数据依次进行目标评估处理，得到与各个所述局部土壤数据和所述土壤数据一一对应的第一目标评估结果，包括：针对随机一个所述局部土壤数据执行如下处理：对所述局部土壤数据进行多数据规模
描述知识抽取处理，得到与所述局部土壤数据对应的若干个不同数据规模的描述知识；对所述若干个不同数据规模的描述知识进行第一次目标评估处理，得到与各个所述数据规模的描述知识对应的第一评估结果；对各个所述第一评估结果进行第二次目标评估处理，得到与各个所述第一评估结果对应的第二评估结果，其中，所述第二次目标评估处理的评估置信度大于所述第一次目标评估处理的评估置信度；将所述第二评估结果作为所述第一目标评估结果。6.根据权利要求5所述的方法，其特征在于，所述多数据规模描述知识抽取处理是通过关键信息分析线程实现的，所述关键信息分析线程包括滑动平均线程、架构一致的不少于一个第一关键信息分析局部线程和不少于一个第二关键信息分析局部线程；所述第一关键信息分析局部线程和所述第二关键信息分析局部线程均包括若干个级联的分析单元，所述若干个级联的分析单元的数据量不同；所述对所述局部土壤数据进行多数据规模描述知识抽取处理，得到与所述局部土壤数据对应的若干个不同数据规模的描述知识，包括：结合所述局部土壤数据调用所述滑动平均线程进行滑动平均处理，得到所述局部土壤数据的滑动平均处理结果；结合所述滑动平均处理结果调用所述第一关键信息分析局部线程中的若干个级联的分析单元进行分类处理，得到所述第一关键信息分析局部线程中各个分析单元的分类处理结果；结合所述滑动平均处理结果、所述第一关键信息分析局部线程中各个分析单元的分类处理结果调用所述第二关键信息分析局部线程中的若干个分析单元进行分类处理，得到所述第二关键信息分析局部线程中各个分析单元的分类处理结果；将所述第一关键信息分析局部线程中各个分析单元的分类处理结果和所述第二关键信息分析局部线程中各个分析单元的分类处理结果，作为与所述局部土壤数据对应的若干个不同数据规模的描述知识。7.根据权利要求6所述的方法，其特征在于，所述结合所述滑动平均处理结果调用所述第一关键信息分析局部线程中的若干个级联的分析单元进行分类处理，得到所述第一关键信息分析局部线程中各个分析单元的分类处理结果，包括：结合所述滑动平均处理结果调用所述第一关键信息分析局部线程中的第1分析单元进行分类处理，得到所述第一关键信息分析局部线程的第1分类处理结果；迭代x执行如下处理：结合所述第一关键信息分析局部线程的第x分类处理结果调用所述第一关键信息分析局部线程中的第x+1分析单元进行分类处理，得到所述第一关键信息分析局部线程的第x+1分类处理结果；其中，x为取值递增的整数变量且取值符合1≤x≤Z
‑
1，Z为所述若干个级联的分析单元的总数，第x分析单元的数据量大于所述第x+1分析单元的数据量。8.根据权利要求7所述的方法，其特征在于，所述结合所述滑动平均处理结果、所述第一关键信息分析局部线程中各个分析单元的分类处理结果调用所述第二关键信息分析局部线程中的若干个分析单元进行分类处理，得到所述第二关键信息分析局部线程中各个分析单元的分类处理结果，包括：将所述滑动平均处理结果和所述第一关键信息分析局部线程的第x分析单元的分类处理结果进行融合处理处理，得到第一融合处理处理结果；结合所述第一融合处理处理结果调用所述第二关键信息分析局部线程中的第1分析单
元进行分类处理，得到所述第二关键信息分析局部线程的第1分类处理结果；迭代x执行如下处理：将所述第一关键信息分析局部线程的第x分类处理结果和所述第二...

【专利技术属性】
技术研发人员：韩梅东，宋伟，陈锐，陈思言，吴鑫，李亮，李金宇，
申请(专利权)人：四川省华地建设工程有限责任公司，
类型：发明
国别省市：