一种基于深度学习的土壤湿度预测方法技术

本发明专利技术公开了一种基于深度学习的土壤湿度预测方法，包括：获取土壤湿度相关数据；对所述土壤湿度相关数据进行预处理，得到土壤相关性质数据集；利用所述土壤相关性质数据集建立土壤湿度预测模型；利用所述土壤湿度预测模型进行土壤湿度预测。本发明专利技术采用深度学习方法，以气温、降水量、土壤蒸发量、风速、植被指数等作为指标，通过斯皮尔曼相关性分析得到影响该指标的关键属性，进而构建数学模型并分析不同的放牧策略对土壤、植被等环境造成的影响，优化了误差较大的问题，进一步提高了模型的预测精度，提升了在该领域的实用价值。

【技术实现步骤摘要】

本专利技术涉及土壤湿度预测，具体涉及一种基于深度学习的土壤湿度预测方法。

技术介绍

1、草原作为重要的陆地植被类型，分布面积广泛。草原在维护生物多样性、涵养水土、净化空气、固碳、调节水土流失和沙尘暴等方面具有重要的生态功能。然而，近年来自然灾害和人为破坏使得草原面积逐步减少，环境越来越恶劣。研究表明，过渡放牧会严重破坏生态平衡，给自然环境造成严重的负面影响。合理的放牧政策是带动区域经济、防止草原沙漠化及保障民生的关键，放牧优化问题的研究也为国家、政府制定放牧政策和草原管理决策提供科学的依据。土壤湿度对放牧策略的影响是很大的，因为适宜的土壤环境更适合植被生长，能够为牲畜提供充足的食物。

2、传统的土壤湿度预测分析方法主要是机器学习和统计学习方法。对草原放牧系统进行模型构建时，模型表述也由简单的线性模拟发展到非线性。由于考虑的因素增多，需要的数据也随之增加，导致数据来源的不准确性增加。近年来，随着深度学习的广泛流行，例如卷积神经网络(cnn)、循环神经网络(rnn)、人工神经网络(ann)等，一些研究开始使用深度学习模型来作预测。

3、本文档来自技高网...

【技术保护点】

1.一种基于深度学习的土壤湿度预测方法，其特征在于，所述基于深度学习的土壤湿度预测方法包括：

2.根据权利要求1所述的基于深度学习的土壤湿度预测方法，其特征在于，对所述土壤湿度相关数据进行预处理，得到土壤相关性质数据集包括：

3.根据权利要求2所述的基于深度学习的土壤湿度预测方法，其特征在于，所述斯皮尔曼相关系数rs为：

4.根据权利要求1至3任一项所述的基于深度学习的土壤湿度预测方法，其特征在于，所述土壤湿度预测模型包括自回归子模型和基于CNN-GRU的深度学习子模型，所述自回归子模型和所述基于CNN-GRU的深度学习子模型依次设置。

5...

【技术特征摘要】

1.一种基于深度学习的土壤湿度预测方法，其特征在于，所述基于深度学习的土壤湿度预测方法包括：

2.根据权利要求1所述的基于深度学习的土壤湿度预测方法，其特征在于，对所述土壤湿度相关数据进行预处理，得到土壤相关性质数据集包括：

3.根据权利要求2所述的基于深度学习的土壤湿度预测方法，其特征在于，所述斯皮尔曼相关系数rs为：

4.根据权利要求1至3任一项所述的基于深度学习的土壤湿度预测方法，其特征在于，所述土壤湿度预测模型...

【专利技术属性】
技术研发人员：张家璇，李芃锐，
申请(专利权)人：四川省博瑞恩科技有限公司，
类型：发明
国别省市：