【技术实现步骤摘要】
本专利技术涉及水分测量，具体涉及结合伽马射线测量仪的土壤水分测量方法、系统及介质。
技术介绍
1、土壤含水量一般是指土壤绝对含水量，即100g烘干土中含有若干克水分，也称土壤含水率。测定土壤含水量可掌握作物对水的需要情况，对农业生产有很重要的指导意义，其主要方法有称重法、张力计法、电阻法、中子法、伽马射线法、驻波比法、时域反射法、高频振荡法(fdr)及光学法等。在此基础上，现有方法还包括将快速伽马辐射监测技术与先进的信息技术相融合，快速实现土壤水分的数字化、信息化和时空动态分布，为决策机构提供及时准确的信息和预警，以便及时采取措施，确保农业生产的可持续发展。
2、传统办法的测量过程，其过程多变化，中间存在非线性，按最小二乘法拟合出来的线性的结果不反映事实，会带来不平衡，而且往往数据处理越精确，偏差越大，即数据不具有代表性，分布不平衡，无法找到一个反映实际的均匀的数据分布结果。且在学习过程中许多数据有偏差，比如水分的测量和预测值，都存在时间和空间的差异性，同时由于非线性作用，数据不是正态分布。
3、传统办法的另一个缺点是不能解决参数敏感的问题，比如各数据是无法在知道学习结果前全部得到，而是渐次递进得到。另一个问题是输出结果是一个随机分布，无法做到很快使平均值或者简单计算换算后的值收敛到一个预知的期望结果。同时，非线性增加了计算的复杂性，有些因素无法达到最大影响力(即每个因素在计算中的最大产出或者增长率)，在计算过程中容易被忽略，不断带来参数过敏感现象。参数过敏感现象就是预定的模型能表达的维度超过了当前可利用
技术实现思路
1、针对现有技术中的缺陷，本专利技术提供一种结合伽马射线测量仪的土壤水分测量方法、系统及介质。
2、第一方面，结合伽马射线测量仪的土壤水分测量方法，包括：
3、步骤s1：结合伽马射线测量仪获取土壤水分数据，所述土壤水分数据包括土壤水分相对变化值、土壤水分绝对值以及烘干土壤含水量；
4、步骤s2：根据所述土壤水分数据进行筛选配对，并根据筛选配对结果计算配对时刻，根据所述配对时刻基于资源分配算法构建最佳神经网络模型；
5、步骤s3：根据所述土壤水分数据基于最佳神经网络模型获取土壤水分计算值。
6、进一步地，所述步骤s1具体为：
7、确定测量时间段；
8、在所述测量时间段内获取土壤水分相对变化值、土壤水分绝对值以及烘干土壤含水量，并记录测量时刻；
9、所述土壤水分相对变化值由伽马射线测量仪采集，所述土壤水分绝对值由土壤水分测量仪采集，所述烘干土壤含水量通过烘干法采集。
10、进一步地，所述步骤s2包括：
11、步骤s21：根据所述土壤水分数据获取备选输入二维数据序列并计算配对时刻，基于所述配对时刻建立多项式模型并获取当前最收敛的配对模型序列；
12、步骤s22：根据所述土壤水分数据建立竞争条件并进行资源分配，根据资源分配结果基于竞争条件重复执行步骤s21，以进行神经网络强化学习，并筛选最终最收敛的配对模型序列；
13、步骤s23：根据所述最终最收敛的配对模型序列构建最佳神经网络模型。
14、进一步地，所述步骤s21包括：
15、步骤s211：对所述土壤水分相对变化值基于平均值进行配对，并筛选出配对序列；
16、步骤s212：对所述配对序列进行分段处理，将分段后的配对序列与二维共轭序列进行融合，生成备选输入二维数据序列；
17、步骤s213：判断所述备选输入二维数据序列是否满足一致的共轭性，若是，则进入步骤s214，若否，则返回步骤s211；
18、步骤s214：对所述备选输入二维数据序列进行交换配对，并计算两两配对的配对时刻。
19、进一步地，在所述步骤s214之后，步骤s21还包括：
20、步骤s215：基于所述配对时刻，根据每个土壤水分相对变化值和对应配对时刻的土壤水分相对变化值建立一元二次多项式模型，并筛选出当前最收敛对模型序列。
21、进一步地，所述步骤s22具体为：
22、根据所述土壤水分相对变化值、土壤水分绝对值以及烘干土壤含水量建立竞争条件；
23、筛查所述绝对值或烘干土壤含水量是否有缺失；
24、若是，则对所述土壤水分相对变化值、土壤水分绝对值以及烘干土壤含水量进行资源分配，并根据资源分配结果进行数值更新；
25、若否，则保留所述土壤水分相对变化值；
26、根据当前所述土壤水分相对变化值，基于竞争条件采用多线程同步法重复执行步骤s21，以进行神经网络强化学习，直至筛选出最终最收敛配对模型序列；
27、根据所述最终最收敛配对模型序列构建最佳神经网络模型。
28、进一步地，所述步骤s3具体为：
29、获取任一测量时刻，并获取所述测量时刻对应的配对时刻；
30、将所述测量时刻的土壤水分相对变化值和对应配对时刻的土壤水分绝对值输入至最佳神经网络模型中，并输出所述测量时刻对应的土壤水分计算值。
31、第二方面，结合伽马射线测量仪的土壤水分测量系统，包括：
32、数据获取模块：用于结合伽马射线测量仪获取土壤水分数据，所述土壤水分数据包括土壤水分相对变化值、土壤水分绝对值以及烘干土壤含水量；
33、模型构建模块：用于根据所述土壤水分数据进行筛选配对，并根据筛选配对结果计算配对时刻，根据所述配对时刻基于资源分配算法构建最佳神经网络模型；
34、水分计算模块：用于根据所述土壤水分数据基于最佳神经网络模型获取土壤水分计算值。
35、第三方面，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法。
36、本专利技术的有益效果体现在：结合伽马射线测量仪获取土壤水分数据并建立竞争条件，利用动态学习机制，根据竞争条件基于资源分配算法不断对土壤水分数据进行筛选配对，并根据筛选配对结果构建最佳人神经网络模型，进而从带误差测量值中，利用竞争条件模拟实际条件，并基于资源分配获得均衡的数学模型，再利用数学模型提供配对的土壤含水量数据，直至得到精确的结果，克服土壤含水量测量过程中参数敏感、数据分布不平衡等问题。
本文档来自技高网...【技术保护点】
1.结合伽马射线测量仪的土壤水分测量方法，其特征在于，包括：
2.根据权利要求1所述的结合伽马射线测量仪的土壤水分测量方法，其特征在于，所述步骤S1具体为：
3.根据权利要求2所述的结合伽马射线测量仪的土壤水分测量方法，其特征在于，所述步骤S2包括：
4.根据权利要求3所述的结合伽马射线测量仪的土壤水分测量方法，其特征在于，所述步骤S21包括：
5.根据权利要求4所述的结合伽马射线测量仪的土壤水分测量方法，其特征在于，在所述步骤S214之后，步骤S21还包括：
6.根据权利要求3所述的结合伽马射线测量仪的土壤水分测量方法，其特征在于，所述步骤S22具体为：
7.根据权利要求3所述的结合伽马射线测量仪的土壤水分测量方法，其特征在于，所述步骤S3具体为：
8.结合伽马射线测量仪的土壤水分测量系统，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所
...【技术特征摘要】
1.结合伽马射线测量仪的土壤水分测量方法，其特征在于，包括：
2.根据权利要求1所述的结合伽马射线测量仪的土壤水分测量方法，其特征在于，所述步骤s1具体为：
3.根据权利要求2所述的结合伽马射线测量仪的土壤水分测量方法，其特征在于，所述步骤s2包括：
4.根据权利要求3所述的结合伽马射线测量仪的土壤水分测量方法，其特征在于，所述步骤s21包括：
5.根据权利要求4所述的结合伽马射线测量仪的土壤水分测量方法，其特征在于，在所述步骤s214之后，步骤s2...
【专利技术属性】
技术研发人员：蒋平安，盛建东，常松，陈冰，轩俊伟，程军回，张凯，王新军，张文洁，易雪飞，马楠，张聪，苏童，王宝，
申请(专利权)人：新疆农业大学，
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。