[发明专利]农田土壤反应动力学过程模型建模方法

权利要求书

1.一种农田土壤反应动力学过程模型建模方法，其特征在于：采用水动力学模型和化学反应动力学模型的耦合模型描述农田土壤反应动力学过程，预测溶质浓度分布，通过迭代集合卡尔曼滤波技术修正耦合模型参数，将基于高斯过程回归的机器学习算法顺序性集成到数据同化框架中，用以估计耦合模型结构误差，为数据同化提供更为合理的先验值，从而减轻参数补偿效应，提高耦合模型的预测能力；

包括步骤，

S1、耦合模型初始化—通过数学方法扰动生成耦合模型预测的状态变量的样本集合S_k＝(P_k^T，u_k^T)^T，设定初始同化步k＝0作为数据同化的起点，其中P_k为参数矢量，u_k为状态变量且状态变量为溶质浓度；

S2、耦合模型预测—在预测过程中，利用参数样本集合驱动耦合模型，求解每个样本的控制方程，所有样本相互独立地向前推进至有观测时刻，得到状态向量在第k个同化步的预测值，其中上标f代表“预测”，指代第i个样本成员，N_e表示样本数；

S3、耦合模型更新—利用集合卡尔曼滤波同化观测信息，仅更新耦合模型参数，得到更新后的参数样本集合利用更新后的参数均值从零时刻起重新驱动耦合模型至当前时刻，构造状态向量，其中a代表“更新”；

S4、构建高斯过程回归模型，预测耦合模型结构误差—在重新构造状态向量的基础上，利用高斯过程回归模型预测耦合模型结构误差项，得到修正后的状态向量预测值，作为耦合模型当前时刻最优浓度估值和下一时刻初始状态，其中高斯过程回归模型的训练数据集来自于从零时刻至当前时刻的全部耦合模型输出值和其相应的属性变量；

S5、更新模型初始值—k＝k+1，判断当前时刻kN_time，若是，则退出循环，否则返回S2，进入下一个同化周期，其中N_time代表结束时刻。

2.如权利要求1所述的农田土壤反应动力学过程模型建模方法，其特征在于：在S1中，耦合模型初始化是先判断农田土壤反应动力学模型中存在的不确定性的物理量的统计特征，再通过数学方法抽样生成符合高斯分布的初始样本集合。

3.如权利要求1所述的农田土壤反应动力学过程模型建模方法，其特征在于：在S3中，在有观测时刻，仅更新耦合模型参数，先利用参数样本均值代替所有样本从0时刻重新运行确定性耦合模型至当前k时刻，得到从0时刻至当前k时刻所有时刻的溶质浓度集合均值，从而得到更新后的参数样本集合

4.如权利要求3所述的农田土壤反应动力学过程模型建模方法，其特征在于：S4的具体步骤为：1)构造高斯过程回归模型历史数据训练集，以模型残差，即真实观测值与观测模拟值之间的差值，作为训练数据的输出项，以与模型残差相关的属性信息作为训练数据的输入项；2)利用多元高斯分布构建耦合模型结构误差的先验分布；3)建立训练集和测试集之间的联合高斯分布，利用训练数据更新先验分布，计算后验概率，求出在当前k时刻各节点的溶质浓度误差预测值的后验分布。

5.如权利要求4所述的农田土壤反应动力学过程模型建模方法，其特征在于：构造的高斯过程回归模型是动态变化的：随着同化步数的增加，可用的观测值数量增多，训练数据集数量也在增加，可实时更新误差模型，不断增强其训练性能，在每个有观测时刻，高斯过程回归模型都将重新构建。

6.如权利要求4所述的农田土壤反应动力学过程模型建模方法，其特征在于：在S5中，将S4中预测的当前k时刻各节点的溶质浓度误差预测均值添加到S 3中重新构造的溶质溶度集合均值上，作为耦合模型在当前时刻的最优估计值输出，同时也作为数据同化下一时刻的最优初始值，进入下一循环周期。