[发明专利]GA-BP神经网络模型的训练方法及终端设备

说明书

本发明公开了一种用于重金属汞含量预测的GA‑BP神经网络模型的训练方法及终端设备，其中所述方法包括：对样本土壤进行光谱反射率处理，获得处理后的样本土壤的光谱反射率曲线；根据所述样本土壤含汞量的样本数据集和所述处理后的样本土壤的光谱反射率曲线进行特征波段选取处理，获得样本土壤的特征波段；构建BP神经网络模型；采用遗传算法对BP神经网络进行训练。在本发明实施例中，通过遗传算法对BP神经网络模型的训练，使得GA‑BP神经网络模型在土壤的汞含量的预测上更有效和更准确。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种用于重金属汞含量预测 的GA-BP神经网络模型的训练方法及终端设备。

背景技术

单变量回归，只利用一个光谱指数或与重金属含量相关性最高的波段 建立一元函数模型，由于只有一个独立变量，其精度没有多变量模型高； 多元线性回归，通常使用多个光谱指数或多个与重金属含量相关性高的波 段建立线性模型，精度虽有提高，但是变量间有高度的共线性；主成分回 归是结合主成分分析和多元线性回归的方法，虽然可以通过几个不相关的 因子代表原来众多的变量来建立多元线性回归模型，但是被提取的主成分因子往往不能够给出符合实际背景和意义的解释。

现有的对BP神经网络模型训练的方法得到的收敛BP神经网络模型在 对重金属汞的预测方面的预测进度还是存在一定的偏差，需要进一步解决 该预测存在的偏差问题。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种用于重金 属汞含量预测的GA-BP神经网络模型的训练方法及终端设备，通过遗传算 法对BP神经网络模型的训练，使得GA-BP神经网络模型在土壤的汞含量 的预测上更有效和更准确。

为了解决上述技术问题，本发明实施例提供了一种用于重金属汞含量 预测的GA-BP神经网络模型的训练方法，所述方法包括：

对样本土壤进行含汞量的测定处理，获得样本土壤含汞量的样本数据 集；

对样本土壤进行光谱反射率处理，获得处理后的样本土壤的光谱反射 率曲线；

根据所述样本土壤含汞量的样本数据集和所述处理后的样本土壤的光 谱反射率曲线进行特征波段选取处理，获得样本土壤的特征波段；

构建BP神经网络模型；

将所述样本土壤的特征波段输入BP神经网络模型中进行训练，直至所 述BP神经网络模型收敛；

判断收敛的BP神经网络模型的预测值与实测值的均方误差是否大于 或等于判断阈值；

若是，基于实数编码法将所述BP神经网络模型中的初始的权值和阈值 转化为遗传算法中的染色体，基于所述染色体随机生成遗传种群；

将收敛的BP神经网络模型的预测值和实测值之间的误差绝对值之和， 作为遗传种群个体适应度值；

对所述遗传种群个体适应度值求倒数，获取遗传种群适应度值的倒数；

对所述遗传种群适应度值的倒数依次进行轮盘赌选择、实数交叉和变 异进化操作处理，获取新一代训练数据；

将所述新一代训练数据输入所述收敛的BP神经网络模型进行训练，直 至收敛的BP神经网络模型的预测值与实测值的均方误差小于判断阈值。

可选的，所述对样本土壤进行含汞量的测定处理，获得样本土壤含汞 量的样本数据集，包括：

称取0.2g样本土壤，并对对所述0.2g样本土壤进行消解，获得消解溶 液；

基于冷原子吸收法对所述消解溶液进行含汞量的测定处理，获得样本 土壤含汞量的样本数据集。

可选的，所述对样本土壤进行光谱反射率处理，获得处理后的样本土 壤的光谱反射率曲线，包括：