多熟栽培模式下花魔芋产量预测方法

来源:花匠小妙招 时间: 更新:

多熟栽培模式下花魔芋产量预测方法

本发明属于魔芋和智慧农业,具体地说,涉及一种多熟栽培模式下花魔芋产量预测方法。


背景技术:

1、在我国西南地区,花魔芋通常于4月种植,11月上旬倒苗,11月下旬采收。有研究表明,种植花魔芋的同时与玉米套种,高秆作物玉米能为喜阴凉、忌强光的矮秆作物魔芋遮挡上部空间较强的日照,为魔芋提供适宜的环境。另外,于10月底在花魔芋高墒两边种植菜豆(2月采收),不仅能改善土壤的氮含量,还能提高土壤中微生物的丰富度和多样性,从而提高魔芋的产量和品质。这种多熟栽培模式下,影响魔芋产量的因素更多,而且与单一的魔芋种植模式相比,某些环境因素(如风速、光照等)对魔芋产量的影响效果发生了改变,原本单一种植模式下的魔芋产量预测方法不再准确,因此,有必要提出一种多熟栽培模式下的花魔芋产量预测方法。

技术实现思路

1、针对上述现象,本发明提供了一种多熟栽培模式下花魔芋产量预测方法,以提升多熟栽培模式下对花魔芋产量的预测精确度,为实际生产活动提供更好的指导。

2、为了达到上述目的,本发明采用的解决方案是:多熟栽培模式下花魔芋产量预测方法,包括以下步骤:

3、s100、调取预设区域内、花魔芋块茎膨大期的土壤、光照、气温、二氧化碳浓度和高度差数据;调取所述预设区域内的第一间距、第二间距和第三间距数据;

4、所述第一间距为相邻花魔芋植株之间的距离的平均值,所述第二间距为花魔芋与最近玉米植株之间的距离的平均值,所述第三间距为上一年度相邻菜豆植株之间的距离的平均值,所述高度差数据为花魔芋顶端与最近玉米植株顶端的高度差的平均值;

5、s200、将步骤s100中调取的数据输入特征生成模块,经过计算后,所述特征生成模块输出第一调秩矩阵;

6、s300、所述第一调秩矩阵依次经过第一卷积运算和第一函数激活后,生成第二调秩矩阵;所述第二调秩矩阵的通道数量大于所述第一调秩的通道数量;

7、s400、调取所述预设区域内、花魔芋幼苗期的土壤、光照和气温数据,然后输入第一分支模块,经过计算后,所述第一分支模块输出第一调节向量;

8、s500、调取所述预设区域内、花魔芋换头期的土壤、光照、气温和高度差数据,调取所述预设区域内的第一间距、第二间距和第三间距数据,然后一起输入第二分支模块,经过计算后,所述第二分支模块输出第二调节向量;

9、s600、所述第二调秩矩阵与所述第一调节向量、所述第二调节向量融合,生成第三调秩矩阵;

10、s700、所述第三调秩矩阵依次经过第二卷积运算和第二函数激活后,生成第四调秩矩阵;所述第四调秩矩阵的通道数量大于所述第三调秩矩阵的通道数量;

11、s800、将所述第四调秩矩阵输入预测模块,经过计算后,所述预测模块输出得到花魔芋的产量预测值。

12、本发明提出的预测方法能够有效地将多熟栽培模式下的多种影响因素有机地结合起来,算法模型在保证预测准确性的同时,还具有计算量低、适应性强等优点。

13、进一步地,步骤s100中,调取的土壤数据包括土壤水分、土壤ph值、土壤氮含量、土壤钾含量和土壤磷含量;

14、调取的光照数据包括日平均光照强度和日光照时间;

15、调取的气温数据包括气温日较差和日平均气温;

16、调取的二氧化碳浓度数据包括日平均二氧化碳浓度。

17、进一步地,步骤s100中,调取花魔芋块茎膨大期内多天的数据;

18、所述特征生成模块包括多个信息学习单元,所述特征生成模块内部的计算过程包括以下步骤:

19、将s100中调取的数据分别输入各个信息学习单元,其中,同一天的数据输入同一个信息学习单元,经过计算后,所述信息学习单元输出引值向量;

20、将所有引值向量竖向拼接起来,得到所述第一调秩矩阵。

21、进一步地,所述信息学习单元包括第一全连接网络、第二全连接网络和第三全连接网络;

22、输入所述第一全连接网络的数据包括:土壤水分、土壤ph值、土壤氮含量、土壤钾含量、土壤磷含量、日平均光照强度、日光照时间、气温日较差、日平均气温、日平均二氧化碳浓度;

23、所述第一全连接网络经过计算后,输出第一前置向量;

24、输入所述第二全连接网络的数据包括:日平均光照强度、日光照时间、气温日较差、日平均气温、第一间距、第二间距、第三间距和高度差数据;

25、所述第二全连接网络经过计算后,输出第二前置向量;

26、所述第一前置向量与所述第二前置向量横向拼接后,生成第三前置向量;

27、所述第三全连接网络以所述第三前置向量作为输入,经过计算后,所述第三全连接网络输出所述引值向量。

28、进一步地,所述第一全连接网络、第二全连接网络和第三全连接网络均包括一个隐藏层,第一全连接网络、第二全连接网络和第三全连接网络的隐藏层和输出层均设有非线性激活函数,所述第一全连接网络的隐藏层节点数与所述第二全连接网络隐藏层节点数相等。

29、进一步地,步骤600中,还包括以下步骤:

30、调取所述特征生成模块中所有第一全连接网络的隐藏层的激活函数输出的第一隐藏向量,所述第一隐藏向量经过对应的第一复准函数激活后,得到第一显性向量;

31、将所有所述第一显性向量相加,得到第二显性向量;

32、调取所述特征生成模块中所有第二全连接网络的隐藏层的激活函数输出的第二隐藏向量,所述第二隐藏向量经过对应的第二复准函数激活后,得到第三显性向量;

33、将所有所述第三显性向量相加,得到第四显性向量;

34、将所述第四显性向量与所述第二显性向量做元素对应乘积,得到第五显性向量;

35、所述第五显性向量经过第三复准函数激活后,得到复准向量;

36、步骤s700中,所述复准向量先与所述第三调秩矩阵做元素对应乘积运算,然后再依次经过第二卷积运算和第二函数激活。

37、进一步地,所述第一分支模块包括依次设置的第一分支全连接层和第一分支函数;步骤s400中,

38、调取的土壤数据包括土壤水分和土壤ph值;

39、调取的光照数据包括日光照时间;

40、调取的气温数据包括日最高气温和日平均气温。

41、进一步地,所述第二分支模块包括依次设置的第二分支全连接层和第二分支函数;步骤s500中,

42、调取的土壤数据包括土壤钾含量、土壤ph值和土壤氮含量;

43、调取的光照数据包括日平均光照强度;

44、调取的气温数据包括日平均气温。

45、进一步地,步骤s600中,所述第二调秩矩阵与所述第一调节向量、所述第二调节向量融合,包括:

46、所述第二调秩矩阵分别与第一调节向量和第二调节向量做元素对应乘积运算,生成融合矩阵;

47、所述融合矩阵经过融合函数激活后,得到所述第三调秩矩阵。

48、进一步地,所述预测模块内部计算过程包括以下步骤:

49、分别对所述第四调秩矩阵的各个通道做全局平均池化运算,生成预测向量;

50、所述预测向量依次经过预测全连接层和预测激活函数后,生成所述花魔芋的产量预测值。

51、本发明的有益效果是:

52、常规的预测模型中,都是简单地将各种影响因子数据直接作为一个全连接网络的输入,然后在输出端得到想要的结果,这种方式不仅计算量大,而且容易过拟合,模型鲁棒性差;本发明创造性地采用两个全连接网络分别学习不同种类的数据,然后再利用第三全连接网络巧妙地将数据融合,有效降低了计算量和过拟合概率;

53、以往的算法都只使用了全连接网络输出端的信息,忽略了其中间隐藏层中的信息价值,信息利用效率低,而且存在较高的过拟合风险;本发明第一全连接网络和第二全连接网络的隐藏层和输出层的信息都传递到了后续的调秩矩阵中,模型内部信息流传输渠道更丰富,具有更强的自适应学习能力,极大地降低了过拟合的概率;而且,隐藏层和输出层的信息形成互相验证的效果,模型对噪音的过滤和抗干扰能力更强;

54、由于多熟栽培模式下,影响魔芋产量的因素更多,本发明中,从第一调秩矩阵生成第四调秩矩阵过程中,逐步降低矩阵的高度和宽度尺寸,并同步增大其通道数量,实现了多维信息的有效融合,这样模型对多种产量影响因素数据具有更细致的学习效果,提高了预测值的准确性。

相关知识

花魔芋与湖北贝母一年两熟轮作栽培新模式研究
花魔芋NBS
花魔芋种子有性繁殖提纯复壮技术
魔芋种植栽培方法
曲靖二代花魔芋种植方法与技术 一代魔芋种 云南邦农魔芋种子供应价格
花魔芋、白魔芋品种鉴别及高产栽培技术.doc
云南花魔芋优良品种比较试验
云南不同花魔芋品种生产力分析
魔芋地方良种“富源花魔芋”特征特性分析
花魔芋种子有性繁殖提纯复壮技术的制作方法

原文链接: 多熟栽培模式下花魔芋产量预测方法 https://www.huajiangbk.com/newsview887359.html

分类:花卉
上一篇: 干煸魔芋丝,香辣开胃,下酒下饭下一篇: 高海拔山区花魔芋间套种玉米栽培技...

推荐分享

返回顶部