【技术实现步骤摘要】
本专利技术涉及农业种植，尤其涉及一种温室的水肥决策模型的训练方法、装置。
技术介绍
1、温室内的番茄种植可以在不受季节和气候影响的情况下，提供高质量和高产量的番茄产品。然而，也面临着如水肥管理、环境控制等挑战，需要农业生产者做出合理的决策，以保证番茄的生长状况和水肥利用率，以及温室的运行成本和效益。现有的水肥管理方法主要包括基于人工经验、基于固定的灌溉方案，或者基于传感器和控制器的方法。
2、但是，现有的技术缺乏强的环境适应能力，难以适应温室内的环境和作物的生长的复杂性和动态性如非线性、时变、不确定等特点，导致水肥管理的效果不理想。
技术实现思路
1、本专利技术提供一种温室的水肥决策模型的训练方法、装置，用以解决现有技术中对温室环境适应力差，导致水肥管理效果不理想的缺陷。
2、本专利技术提供一种温室的水肥决策模型的训练方法，包括：
3、获取多智能体的待决策数据，所述多智能体至少包含温室的各区域；
4、以所述多智能体为节点，基于所述待决策数据构...
【技术保护点】
1.一种温室的水肥决策模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的温室的水肥决策模型的训练方法，其特征在于，所述图注意力网络层包括自注意力子层和前馈子层；
3.根据权利要求1所述的温室的水肥决策模型的训练方法，其特征在于，所述以最大化所述各智能体的决策奖励为目标，对所述初始水肥决策模型进行优化，以得到最终的水肥决策模型，包括：
4.根据权利要求3所述的温室的水肥决策模型的训练方法，其特征在于，所述基于所述决策融合特征，以最大化所述各智能体的决策奖励为目标，对所述初始水肥决策模型进行优化，以得到最终的水肥决策模型，包括
5....
【技术特征摘要】
1.一种温室的水肥决策模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的温室的水肥决策模型的训练方法，其特征在于，所述图注意力网络层包括自注意力子层和前馈子层；
3.根据权利要求1所述的温室的水肥决策模型的训练方法，其特征在于，所述以最大化所述各智能体的决策奖励为目标，对所述初始水肥决策模型进行优化，以得到最终的水肥决策模型，包括：
4.根据权利要求3所述的温室的水肥决策模型的训练方法，其特征在于，所述基于所述决策融合特征，以最大化所述各智能体的决策奖励为目标，对所述初始水肥决策模型进行优化，以得到最终的水肥决策模型，包括：
5.根据权利要求1至4中任一项所述的温室的水肥决策模型的训练方法，其特征在于，所述以所述多智能体为节点，基于所述待决策数据构建第一图结构，包...
【专利技术属性】
技术研发人员：徐凡，于景鑫，单飞飞，郑文刚，温子怡，王利春，王少磊，魏晓明，
申请(专利权)人：北京市农林科学院智能装备技术研究中心，
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。