一种基于深度学元胞自动机模型的土壤含水量预测方法

摘要

本发明涉及一种基于深度学元胞自动机模型的土壤含水量预测方法，结合了机器学和地理现象模拟的方法，就土壤含水量的不同时空预测方面进行了改进，能够借助深度学的方法获取土壤含水量预测函数局部最优解；并且本发明结合模型检验机制对模型的泛化能力进行了定量检验，提出了元胞自动机的自我改善机制，更加确保了模型的健壮性，这种混合技术的突破有望为复杂区域的土壤水分实时监测提供技术支撑，不仅能够降低土壤水分的预测成本，也显著提升了土壤含水量的预测精度，具有广阔的工业化应用前景。

主权项

一种基于深度学习元胞自动机模型的土壤含水量预测方法，其特征在于，包括如下步骤：步骤001. 针对目标土壤区域，按预设样本点选择要求，选择预设数量的训练样本点和预设数量的验证样本点，并且针对训练样本点设定对应的训练检测期，以及针对验证样本点设定对应的验证检测期，同时，针对目标土壤区域，设定各类环境变量，并进入步骤002；步骤002. 获得各个训练样本点分别对应训练检测期中各个单位检测期的土壤含水量数据，构成分别与训练检测期中各个单位检测期相对应的各训练样本点土壤含水量数据集，同时，获得目标土壤区域分别对应训练检测期中各个单位检测期的各类环境变量数据，并针对环境变量数据进行归一化处理，并进入步骤003；步骤003. 分别针对不同单位检测期各训练样本点土壤含水量数据集进行插值数据处理，获得空间上与目标土壤区域相对应、且时间上分别与训练检测期中各个单位检测期相对应的各个训练目标土壤区域土壤含水量空间分布栅格图层，并进入步骤004；步骤004. 针对各个训练目标土壤区域土壤含水量空间分布栅格图层，分别建立与之对应、相同大小、相同空间分辨率的副本栅格图层，并进入步骤005；步骤005. 分别针对各个训练目标土壤区域土壤含水量空间分布栅格图层，遍历栅格图层中各个栅格所对应的元胞单元，分别针对各个元胞单元，在元胞单元的8个相邻元胞单元中，统计对应土壤含水量大于该元胞单元所对应土壤含水量的相邻元胞单元的数量，并将该数量填入所属训练目标土壤区域土壤含水量空间分布栅格图层对应副本栅格图层中、与该元胞单元位置相对应的栅格位置；基于上述操作，更新获得分别与各个训练目标土壤区域土壤含水量空间分布栅格图层相对应的各个副本栅格图层，即获得目标土壤区域所对应的各个土壤含水量元胞间邻域作用变量，并进入步骤006；步骤006. 采用受限玻尔兹曼机构建深度信念网络，并且根据不同单位检测期各训练样本点土壤含水量数据集、各个土壤含水量元胞间邻域作用变量，以及目标土壤区域分别对应训练检测期中各个单位检测期的各类环境变量数据，通过深度信念网络获得目标土壤区域所对应的元胞状态转换规则，并进入步骤007；步骤007. 获得各个验证样本点分别对应验证检测期中各个单位检测期的土壤含水量数据，构成分别与验证检测期中各个单位检测期相对应的各验证样本点土壤含水量数据集，同时，获得目标土壤区域分别对应验证检测期中各个单位检测期的各类环境变量数据，并针对环境变量数据进行归一化处理，进入步骤008；步骤008. 根据目标土壤区域分别对应验证检测期中各个单位检测期的各类环境变量数据，采用元胞自动机模型，结合目标土壤区域所对应的元胞状态转换规则，分别获得对应验证检测期中各个单位检测期的土壤含水量验证数据，并进入步骤009；步骤009. 将各验证样本点土壤含水量数据集分别按时间对应关系与目标土壤区域土壤含水量验证数据进行比较检验，判断目标土壤区域所对应的元胞状态转换规则是否准确，是则进入步骤010，否则进入步骤011；步骤010. 获得目标土壤区域对应预测时间的各类环境变量数据，并采用元胞自动机模型，结合目标土壤区域所对应的元胞状态转换规则，获得目标土壤区域土壤预测时间含水量预测数据；步骤011. 获得目标土壤区域对应预测时间的各类环境变量数据，并采用元胞自动机模型，结合目标土壤区域所对应的元胞状态转换规则，获得目标土壤区域土壤预测时间含水量预测数据，并针对该目标土壤区域土壤预测时间含水量预测数据的不确定性进行评估。