[发明专利]灌溉决策学习方法、装置、服务器和存储介质

权利要求书

1.一种灌溉决策学习方法，其特征在于，包括以下步骤：

步骤1.获取目标灌溉区域在当前决策周期的环境参数，当前环境参数包括天气预报数据、土壤水层深度和作物生长发育时期；

步骤2.基于获取到的环境参数和初始化的决策值函数，制定灌溉决策；

步骤3.在当前决策周期制定的灌溉决策被执行后，对该灌溉决策进行评估，获得反映该灌溉决策合理程度的回馈奖励，并利用回馈奖励更新决策值函数，得到下一个决策周期的决策值函数：

式中，θ表示参数向量函数，θ_t表示当前决策周期的决策值函数，表示当前决策周期参数向量函数的转置，(s_t；a_t)表示当前决策周期内的环境参数和灌溉决策的合并向量，(s_t+1；a_t+1)表示下一决策周期内的环境参数和灌溉决策的合并向量，γ表示奖赏折扣，α表示更新步长，r_t表示当前决策周期的回馈奖励；

步骤4.利用下一个决策周期的决策值函数，和获取的下一个决策周期的环境参数，制定目标灌溉区域在下一个决策周期的灌溉决策，然后进入步骤3进行下一轮灌溉决策学习和制定过程；

其中，在步骤3中更新得到的是目标灌溉区域最后一个周期的决策值函数的情况下，若决策值函数处于收敛状态，则将收敛的决策值函数作为目标决策值函数，通过该目标决策值函数来确定与目标灌溉区域的环境参数对应的灌溉策略。

2.根据权利要求1所述的灌溉决策学习方法，其特征在于：

其中，步骤2包括如下子步骤：

步骤2-1.根据天气预报数据和作物生长发育时期，确定目标灌溉区域的预报作物蒸散量；

步骤2-2.将预报作物蒸散量、土壤水层深度和天气预报数据中的预报降雨量进行向量化表示，得到目标灌溉区域的环境状态向量；进而根据环境状态向量和初始化的决策值函数，制定当前决策周期的灌溉决策。

3.根据权利要求1所述的灌溉决策学习方法，其特征在于：

其中，在步骤3中，是基于获取的下一个决策周期的环境参数对当前决策周期的灌溉决策进行评估，水资源的利用率越高，灌溉决策制定的越合理，则奖励值越高。

4.根据权利要求1所述的灌溉决策学习方法，其特征在于：

其中，在步骤4中，还对获取到的环境参数进行修正，得到修正后的下一个决策周期的环境参数，进而基于修正后的环境参数确定相应灌溉决策。

5.根据权利要求4所述的灌溉决策学习方法，其特征在于：

其中，在步骤4中，修正后的下一个决策周期的土壤水层深度表示为：

a_t＝既不灌溉也不排水；

式中，h_t表示当前决策周期内的土壤水层深度，表示当前决策周期内的实际降雨量，表示当前决策周期内的实际作物蒸散量，p_t表示当前决策周期内的渗漏量，a_t表示对应的当前决策周期的灌溉决策，h_max表示目标灌溉区域的作物适宜水层上限，H_p表示目标灌溉区域内作物雨后允许蓄水深度。