【技术实现步骤摘要】
本专利技术涉及数据挖掘与建模领域，尤其涉及一种基于多传感数据融合的植物干旱胁迫度预测方法及系统。
技术介绍
1、目前，我国北方地区的农林业用水严重匮乏，这使得植物的干旱胁迫问题尤为突出。干旱胁迫是限制植物生长的重要因素，会诱导植物产生渗透失衡、膜系统损伤、代谢速率降低等不良反应，进而导致作物的产量下降甚至衰亡。因此，高效准确地预测植物的干旱胁迫度对农林业生产具有重要指导意义。
2、依据土壤——植物——大气连续体水分运移机制，气象因子是引发土壤水分蒸发和植物水分蒸腾的外在驱动力，水分蒸发导致土壤有效供水量不足，水分蒸腾导致植物茎干水分下降，进而使得植物遭受干旱胁迫。为了能够准确预测植物干旱胁迫度，首先需要获取植物茎干含水率及其周围环境土壤含水率的多传感数据，然后对多传感数据进行时空分析，最后输出植物干旱胁迫度。由于lstm模型可以很好地表征输入对象的时序特征，而cnn模型可以很好地表征输入对象的空间特征，因此可以采用lstm-cnn复合模型对植物茎干含水率及其周围环境土壤含水率特征进行时空融合与解析，进而实现对植物干旱胁迫度的分级预测。
技术实现思路
1、本专利技术提供基于多传感数据融合的植物干旱胁迫度预测方法及系统，采用lstm-cnn复合模型对植物茎干含水率及其周围环境土壤含水率特征进行时空融合与解析，实现了对植物干旱胁迫度的分级预测。
2、为了实现上述目的，本专利技术技术方案提供了一种基于多传感数据融合的植物干旱胁迫度预测方法，包括：布设多层高度的茎干水
3、作为上述技术方案的优选，较佳的，布设多层高度的茎干水分传感器和多层深度的土壤水分传感器，包括：在植物树干的底部、中部和顶部分别布设1个茎干水分传感器；在以植物树干为中心的土壤圆周上，布设4层深度的土壤水分传感器，每层数量4个，层内传感器等间距分布在圆周上，层间传感器垂直对齐排列。
4、作为上述技术方案的优选，较佳的，实时采集植物的茎干含水率及其周围环境土壤含水率数据，包括：采集3层高度共3个传感器的植物茎干含水率数据，4层深度共16个传感器的土壤含水率数据。
5、作为上述技术方案的优选，较佳的，预处理，包括：数据去重，依据传感器的采样频率，将同一时刻的多条数据记录保留一条，保持数据的唯一性。数据填充，依据传感器的采样频率，将缺失时刻的数据记录通过插值方法进行填充，保持数据的完整性。数据滤波，选取合适长度的滤波窗口，并采用中位值平均滤波法对窗口内的数据进行滤波，保持数据的平稳性。
6、作为上述技术方案的优选，较佳的，特征提取与融合，包括：选取凌晨时刻的观测值作为茎干含水率的特征信息，3层高度共3个传感器构成1×3的茎干含水率特征向量。选取日平均值作为土壤含水率的特征信息，4层深度共16个传感器构成4×4的土壤含水率特征矩阵。
7、作为上述技术方案的优选，较佳的，茎干含水率特征向量输入lstm模型中进行计算后输出待分析茎干含水率特征向量，包括：lstm模型包括第一正向lstm层和第二正向lstm层。茎干含水率特征向量向第一正向lstm层中各单元节点输入，第一正向lstm层对茎干含水率特征向量计算，将计算结果输入第二正向lstm层；其中，第一正向lstm层中各单元节点对接收的当前时刻特征向量和接收的上一时刻单元节点发送的计算结果进行计算后，将计算结果发送至下一时刻单元节点和第二正向lstm层对应时刻的单元节点。第二正向lstm层各单元节点接收上一时刻单元节点发送的计算结果和第一正向lstm层对应时刻单元节点的计算结果后进行计算，将计算结果发送至下一时刻单元节点，最后时刻的单元节点输出待分析茎干含水率特征向量。
8、作为上述技术方案的优选，较佳的，土壤含水率特征矩阵输入cnn模型中进行计算后输出待分析土壤含水率特征向量，包括：cnn模型包括第一卷积层、第二卷积层、第三卷积层、深度拼接层和第四卷积层。土壤含水率特征矩阵向第一卷积层中各单元节点输入，第一卷积层对土壤含水率特征矩阵计算，将计算结果输入第二卷积层对应的单元节点；其中，第一卷积层的计算过程包括卷积、归一化和激活操作。第二卷积层各单元节点接收第一卷积层对应单元节点发送的计算结果后进行卷积、归一化和激活操作，将计算结果输入第三卷积层对应的单元节点。第三卷积层各单元节点接收第二卷积层对应单元节点发送的计算结果后进行卷积、归一化和激活操作，将计算结果输入深度拼接层。深度拼接层将第三卷积层各单元节点的计算结果进行三维拼接，将拼接结果输入第四卷积层。第四卷积层接收深度拼接层的拼接结果后进行卷积操作，输出待分析土壤含水率特征向量。
9、作为上述技术方案的优选，较佳的，对待分析茎干含水率特征向量和待分析土壤含水率特征向量进行拼接和归一化处理后，输出植物的干旱胁迫度，包括：对待分析茎干含水率特征向量和待分析土壤含水率特征向量进行拼接，生成组合特征向量。将组合特征向量输入全连接层进行向量维度转换，转换结果经softmax函数归一化后输出植物的干旱胁迫度；其中，植物的干旱胁迫度包括无干旱胁迫、轻度干旱胁迫、中度干旱胁迫和重度干旱胁迫四个等级。
10、一种基于多传感数据融合的植物干旱胁迫度预测系统，能够实现上述方法，包括：数据采集模块、特征提取模块和干旱预测模块。数据采集模块用于，实时采集植物的茎干含水率及其周围环境土壤含水率数据。特征提取模块用于，对采集的植物茎干含水率及其周围环境土壤含水率数据进行预处理后分别进行特征提取与融合，进而得到茎干含水率特征向量和土壤含水率特征矩阵。干旱预测模块用于，将茎干含水率特征向量输入lstm模型中进行计算后输出待分析茎干含水率特征向量，将土壤含水率特征矩阵输入cnn模型中进行计算后输出待分析土壤含水率特征向量，对待分析茎干含水率特征向量和待分析土壤含水率特征向量进行拼接和归一化处理后，输出植物的干旱胁迫度。
11、作为上述技术方案的优选，较佳的，干旱预测模块还包括：由第一正向lstm层、第二正向lstm层构成的lstm模型，由第一卷积层、第二卷积层、第三卷积层、深度拼接层、第四卷积层构成的cnn模型，全连接层，softmax层。第一正向lstm层用于接收茎干含水率特征向量后进行计算，将计算结果输入第二正向lstm层。第二正向lstm层用于接收第一正向lstm层的输出结果后进行计算，输出待分析茎干含水率特征向量。第一卷积层用于接收土壤含水率特征矩阵后进行卷积、归一化和激活操作，将计算结果输入第二卷积层。第二卷积层本文档来自技高网...
【技术保护点】
1.一种基于多传感数据融合的植物干旱胁迫度预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述布设多层高度的茎干水分传感器和多层深度的土壤水分传感器，包括：在植物树干的底部、中部和顶部分别布设1个茎干水分传感器；在以植物树干为中心的土壤圆周上，布设4层深度的土壤水分传感器，每层数量4个，层内传感器等间距分布在圆周上，层间传感器垂直对齐排列。
3.根据权利要求2所述的方法，其特征在于，所述实时采集植物的茎干含水率及其周围环境土壤含水率数据，包括：采集3层高度共3个传感器的植物茎干含水率数据，4层深度共16个传感器的土壤含水率数据。
4.根据权利要求1所述的方法，其特征在于，所述预处理，包括：
5.根据权利要求1所述的方法，其特征在于，所述特征提取与融合，包括：选取凌晨时刻的观测值作为茎干含水率的特征信息，3层高度共3个传感器构成1×3的茎干含水率特征向量；选取日平均值作为土壤含水率的特征信息，4层深度共16个传感器构成4×4的土壤含水率特征矩阵。
6.根据权利要求1所述的方法，其特征在于，所
7.根据权利要求1所述的方法，其特征在于，所述土壤含水率特征矩阵输入CNN模型中进行计算后输出待分析土壤含水率特征向量，包括：
8.根据权利要求1和7所述的方法，其特征在于，所述对所述待分析茎干含水率特征向量和待分析土壤含水率特征向量进行拼接和归一化处理后，输出植物的干旱胁迫度，包括：
9.一种基于多传感数据融合的植物干旱胁迫度预测系统，能够实现如权利要求1-8任一项所述的方法，其特征在于，包括：数据采集模块、特征提取模块和干旱预测模块，
10.根据权利要求9所述系统，其特征在于，所述干旱预测模块包括：
...【技术特征摘要】
1.一种基于多传感数据融合的植物干旱胁迫度预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述布设多层高度的茎干水分传感器和多层深度的土壤水分传感器，包括：在植物树干的底部、中部和顶部分别布设1个茎干水分传感器；在以植物树干为中心的土壤圆周上，布设4层深度的土壤水分传感器，每层数量4个，层内传感器等间距分布在圆周上，层间传感器垂直对齐排列。
3.根据权利要求2所述的方法，其特征在于，所述实时采集植物的茎干含水率及其周围环境土壤含水率数据，包括：采集3层高度共3个传感器的植物茎干含水率数据，4层深度共16个传感器的土壤含水率数据。
4.根据权利要求1所述的方法，其特征在于，所述预处理，包括：
5.根据权利要求1所述的方法，其特征在于，所述特征提取与融合，包括：选取凌晨时刻的观测值作为茎干含水率的特征信息，3层高度共3个传感器构成1...
【专利技术属性】
技术研发人员：高超，白梦婷，扈翔宇，廉小亲，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：
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。