System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智慧农业,具体涉及一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型。
技术介绍
1、基质作为一种替代性的生长介质,可以提供植物根系所需的支撑、水分和营养,并根据需求调整作物的生长环境参数,适宜的生长条件能够促进作物的生长,提高其抗病虫害能力和产量品质,同时也能减少资源浪费避免环境污染。
2、蓝莓是一种小型落叶灌木,属于越橘科蓝莓属。蓝莓对生长环境要求较高,喜欢酸性土壤和湿润的气候,传统的土地露天种植方式往往难以满足其生长需求,导致产量降低、品质浮动等问题。为解决此类问题,现代化的蓝莓种植往往采用在温室中基质种植的方法,不仅可以依靠温室大棚维持蓝莓生长过程不受外界突发状况干扰,又可以通过滴灌技术、水肥一体化技术等来直接影响基质的温度、湿度等培养参数。适宜的基质温湿度能够促进蓝莓花芽分化和开花、提升果实品质和口感、控制病虫害发生,并促进根系发育和养分吸收,有助于提高蓝莓产量和品质,满足市场需求,带来经济效益。
3、蓝莓的生长环境对其产量和品质有着至关重要的影响,其中基质温度和湿度是决定蓝莓种植效果的两个重要因素。因此能准确地预测未来一段时间内的基质温湿度变化趋势有着至关重要的意义。
技术实现思路
1、本专利技术的目的在于,提出一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其在保证运算效率的同时,提高了预测准确率,能更好的适应蓝莓生长周期且在面对短期突发状况时有较强的适应能力。
2、为实现上述目的,本申请提出的一种结合长短
3、预处理模块,对温室蓝莓生长环境数据进行预处理获取蓝莓环境数据集,预处理数据时可能产生异常值,同时令数据曲线更加平滑,为蓝莓环境数据集加入时间戳体系后再通过归一化处理,以此改善模型性能,然后分割蓝莓环境数据集;
4、融合注意力机制模块,基于分割好的蓝莓环境数据集,使用lstm特征提取方式得到蓝莓生长环境长期特征和蓝莓生长环境短期特征,将蓝莓环境长期特征与probsparse自注意力方式相结合;
5、特征提取模块,将分割好的蓝莓环境数据分别输入到编码器与解码器中,应用融合注意力机制,分别生成蓝莓环境参数特征矩阵;
6、预测模块,整合编码器与解码器的蓝莓环境参数特征矩阵,经过多次循环训练,通过全连接层根据相关性关系选择最大值作为基质温湿度预测初值,再通过融合注意力机制模块的lstm_s层修正预测初值,得到基质温湿度预测结果。
7、进一步地,温室蓝莓生长环境数据包括蓝莓生长的时间信息、空气湿度、空气温度、二氧化碳浓度、光照强度、土壤温度、土壤湿度、土壤电导率等环境参数;预处理模块内的具体实现方式为:
8、将温室蓝莓生长环境数据统一格式形成数组,如形成一个n行8列的数组,n为数据集大小,随后采用三次样条插值法对其进行清洗,所述三次样条插值法公式为:
9、
10、在每个子区间xi≤x≤xi+1中创建方程
11、si(x)=ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3
12、其中,(xi,yi)代表已知的n个数据点,其中x1<x2<…<xn,步长hi=xi+1-xi,mi为解矩阵方程得到的二次微分值,基于mi构建的线性方程组得到ai,bi,ci,di的值,作为样条曲线的系数,si(x)为使用该方法生成的第i段上的三次多项式,将每一段的多项式组合后得到最终的三次样条插值曲线;
13、提取清洗后的蓝莓环境参数时间信息,按照时间格式字典,将其分解为“年”、“月”、“日”的时间粒度;时间特征能有效帮助提取序列中的时间周期信息;应用于模型后续的时间堆叠方法,更好地捕捉时间序列的动态特征,应对周期性变化的蓝莓环境参数。
14、考虑到蓝莓环境参数为多变量数据,存在多种量纲与维度,不能单纯的使用其本来数值参与模型训练,因此采用归一化方法将蓝莓环境参数按特征列进行中心化和缩放:
15、
16、式中:xin——归一化后的环境参数值;
17、xij——归一化前的环境参数值;
18、xijmin——该环境特征的最小值;
19、xijmax——该环境特征的最大值;
20、遍历蓝莓环境数据集,按照设置的窗口大小切分成多个训练序列和对应的标签序列,输入序列表示为p=[(y1,z1),(y1,z1),…,(yn,zn)],lstm输入序列定义为p1,informer输入序列定义为p2,表达式如下所示:
21、
22、式中:m为输入时间窗口,n为输入序列长度;
23、
24、其中:q为输入时间窗口,k为预测时间尺度,j为输入序列长度。
25、进一步地,融合注意力机制模块内设置lstm_l层,该层使用lstm模型提取蓝莓长期特征:
26、h(t),y(t)=lstm(x(t),h(t-1))
27、其中,h(t)是lstm模型在时间步t的隐藏状态,y(t)是lstm模型在时间步t的输出;x(t)为蓝莓环境参数;
28、lstm模型通过训练调整其权重参数和偏置参数,可以记忆和学习输入序列的长期特征。使用lstm模型来提取蓝莓生长过程中的长期规律性特征,并对输出结果与真实值相差较大的值进行标记;
29、获取预测值与真实值的差异:
30、δ(t)=y(t)-x(t)
31、其中,δ(t)表示预测值y(t)与真实值x(t)的差异;
32、标记与预测值y(t)相差大的蓝莓环境参数值:若δ(t)|>threshold,则将第t个位置标记为1,表示差异大:
33、m(t)=1
34、否则,将第t个位置标记为0,表示差异小:
35、m(t)=0
36、得到lstm特征序列:
37、lstm_features(t)=[h(t),m(t)]
38、其中,lstm_features(t)表示lstm在时间步t的特征向量,包括隐藏状态h(t)和标记值m(t)。其中每个时间步的特征向量包括lstm模型的隐藏状态和对应的标记信息,能够有效的提取蓝莓生长过程中的部分周期性长期特征。
39、进一步地,融合注意力机制模块内设置lstm_s层,该层在预测值与真实值差异大时进行如下处理:
40、若|δ(t)|>threshold则将真实值x(t)用预测值y(t)替换:
41、x_corr(t)=y(t)
42、否则,保持真实值不变:
43、x_corr(t)=x(t)。
44、该层为解码器的输出值做最终校验,弥补短期记忆处的细小特征,使得本模型能快速处理蓝莓生长过程中的短期突发状况。
45、进一步地,融合注意力机制模块设置probsparse层,该本文档来自技高网...
【技术保护点】
1.一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,包括:
2.根据权利要求1所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,预处理模块内的具体实现方式为:
3.根据权利要求1所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,融合注意力机制模块内设置LSTM_L层,该层使用LSTM模型提取蓝莓长期特征:
4.根据权利要求3所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,融合注意力机制模块内设置LSTM_S层,该层在预测值与真实值差异大时进行如下处理:
5.根据权利要求1或4所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,融合注意力机制模块设置ProbSparse层,该层应用ProbSparse自注意力机制:设一个查询向量和一组键向量首先将它们映射为查询向量和键向量具体公式如下:
6.根据权利要求5所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,将LSTM处理方式作为注意力机制A,Pro
7.根据权利要求1所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,特征提取模块的编码器输入数据X∈RL×d,其中L为序列长度,d为特征维度;在恒定采样因子c的控制下,设置采样序列长度为k=c·ln(L);在多次采样的过程中,每次采样时将采样因子c乘上系数α∈(0,1),即ci+1=α·ci,直到采样长度达到最小值kmin;对于每次采样得到的特征矩阵将其进行累加融合,得到编码特征矩阵H∈Rk×d,具体公式如下:
8.根据权利要求1所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,特征提取模块中设有h个注意力头,对于每个头i,将输入的蓝莓环境数据X进行线性变换,得到查询向量键向量和值向量具体公式如下:
9.根据权利要求1所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,所述特征提取模块应用“蒸馏”机制对主要特征进行提取,在这种“蒸馏”机制中,通过膨胀卷积原理,对输入时间维度进行缩减:
10.根据权利要求1所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,预测模块内的具体实现方式为:
...【技术特征摘要】
1.一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,包括:
2.根据权利要求1所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,预处理模块内的具体实现方式为:
3.根据权利要求1所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,融合注意力机制模块内设置lstm_l层,该层使用lstm模型提取蓝莓长期特征:
4.根据权利要求3所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,融合注意力机制模块内设置lstm_s层,该层在预测值与真实值差异大时进行如下处理:
5.根据权利要求1或4所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,融合注意力机制模块设置probsparse层,该层应用probsparse自注意力机制:设一个查询向量和一组键向量首先将它们映射为查询向量和键向量具体公式如下:
6.根据权利要求5所述一种结合长短期记忆与注意力机制的蓝莓基质温湿度预测模型,其特征在于,将lstm处理方式作为注意力机制a,probsparse自注意力机制作为注意力机制b,对其分别生成的蓝莓环境特征向量进行融...
【专利技术属性】
技术研发人员:胡玲艳,陈鹏宇,汪祖民,张远鹏,盖荣丽,徐国辉,郭占俊,许巍,郭睿雅,秦山,李国强,
申请(专利权)人:大连大学,
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。