[发明专利]一种获取水氮策略的人工智能方法、系统和电子设备

说明书

本发明涉及农业技术领域提供一种获取水氮策略的人工智能方法、系统和电子设备，所述方法包括：获取与土壤肥力关联的每个参量在预设时间点时的目标值；将预设时间点、预设深度和所有目标值输入具有偏好机制的偏好神经网络，得到包括目标灌水量和目标施氮量的水氮策略，其中，所述偏好机制用于表征每个参量分别与灌水量和施氮量之间的关系，首次提出用于表征每个参量分别与灌水量和施氮量之间的关系的偏好机制，由此得到的具有偏好机制的偏好神经网络可自然地将神经网络结构与数据在自然界中的先验规律相融合，在大幅提高模型即偏好神经网络的收敛性的同时，还能有效提升预测精度，得到最优的水氮策略。

背景技术

以提升作物根区土壤肥力为目标，准确提出秸秆深埋下优化水氮策略对提升河套灌区土地生产力、缓解面源污染及促进精准农业发展意义重大。但目前研究方法中，无论采取田间试验、物理模型还是人工智能手段，大多只能先通过有限的水氮处理揭示出对其土壤、植株指标的影响趋势，然后得出优化水氮规律，导致得到的水氮策略普遍不够精准。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供了一种获取水氮策略的人工智能方法、系统和电子设备。

本发明的一种获取水氮策略的人工智能方法的技术方案如下：

获取与土壤肥力关联的每个参量在预设时间点时的目标值；

将预设时间点和所有目标值输入具有偏好机制的偏好神经网络，得到包括目标灌水量和目标施氮量的水氮策略，其中，所述偏好机制用于根据每个参量分别与灌水量和施氮量之间的客观关系对神经网络可学参数进行有侧重的训练。

本发明的一种获取水氮策略的有益效果如下：

首次提出用于表征每个参量分别与灌水量和施氮量之间的关系的偏好机制，由此得到的具有偏好机制的偏好神经网络可自然地将神经网络结构与数据在自然界中的先验规律相融合，在大幅提高模型即偏好神经网络的收敛性的同时，还能有效提升预测精度，得到最优的水氮策略。

本发明的一种获取水氮策略的人工智能系统的技术方案如下：

包括第一获取模块和第二获取模块；

所述第一获取模块用于获取与土壤肥力关联的每个参量在预设时间点时的目标值；

所述第二获取模块用于将预设时间点和所有目标值输入具有偏好机制的偏好神经网络，得到包括目标灌水量和目标施氮量的水氮策略，其中，所述偏好机制用于表征每个参量分别与灌水量和施氮量之间的关系。

本发明的一种获取水氮策略的人工智能系统的有益效果如下：

首次提出用于表征每个参量分别与灌水量和施氮量之间的关系的偏好机制，由此得到的具有偏好机制的偏好神经网络可自然地将神经网络结构与数据在自然界中的先验规律相融合，在大幅提高模型即偏好神经网络的收敛性的同时，还能有效提升预测精度，得到最优的水氮策略。

本发明的一种电子设备的技术方案如下：

包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，所述处理器执行所述程序时实现如上述任一项所述的一种获取水氮策略的人工智能方法的步骤。

附图说明

图1为本发明实施例的一种获取水氮策略的人工智能方法的流程示意图；

图2为偏好神经网络的结构示意图；

图3为Sigmoid函数的示意图；

图4为Sigmoid函数的导数的示意图；

图5为ReLU函数的示意图；

图6为ReLU函数的导数的示意图；

图7为偏好矩阵的形式嵌入神经网络的结构示意图；