[发明专利]一种基于随机森林回归的农田氮淋失预测方法

权利要求书

1.一种基于随机森林回归的农田氮淋失预测方法，其特征在于，包括以下步骤：

S1，获取样本数据，对研究变量进行预处理；

S2，对所述预处理后的相关变量执行土壤分层、取对数、数据标准化的操作；

S3，建立氮淋失的随机森林回归模型，根据多指标值评估模型效果和性能；

S4，利用随机森林回归模型的学习结果预测氮淋失量。

2.如权利要求1所述的基于随机森林回归的农田氮淋失预测方法，其特征在于，所述S1中的研究变量包括作物生产过程中水、肥、土的特征属性。

3.如权利要求2所述的基于随机森林回归的农田氮淋失预测方法，其特征在于，所述特征属性包括但不限于土壤类型、有机质含量、土壤全氮、粘粒含量、砂粒含量、土壤pH、土层深度、秸秆是否还田、总施氮量、氮盈余、水分投入量、水平衡和水分渗漏量。

4.如权利要求1所述的基于随机森林回归的农田氮淋失预测方法，其特征在于，所述S1中的预处理包括缺失值处理、异常值处理、数据归一化和标准化中任意一种或多种，整个算法运用了NumPy、Pandas、SkLearn库的方法。

5.如权利要求1所述的基于随机森林回归的农田氮淋失预测方法，其特征在于，所述S2的具体步骤如下：

S21，土壤分层：基于土层深度数据分布直方图观察原始数据土壤断层情况，利用R语言数据索引功能将土壤分层；

S22，取对数：采用R语言中Log函数分别基于所述土壤分层后的数据集对总氮淋失量进行取对数操作；

S23，数据标准化：在数据集取对数的基础上采用标准差标准化的方式对各预测变量进行处理，所用函数为Scale函数，标准化处理后数据均值为0，标准差为1。

6.如权利要求1所述的基于随机森林回归的农田氮淋失预测方法，其特征在于，所述S3中建立氮淋失随机森林回归模型，使用Bootstraping自助法随机从原始样本集中采集多个不同的样本来依次训练生成多个不同的决策树，由所述多个不同的决策树构成随机森林，模型训练过程具体步骤如下：

S31，设原始样本集为T＝{x，y}，所述x为作物生产过程中水、肥、土的特征值组成的训练数据集合，所述y为总氮淋失量；

S32，从所述原始样本集T中进行随机采样，生成多个训练集n，所述每个训练集包含m个训练集样本；

S33，确定决策树数量Ntree和叶子节点个数Mtry；

S34，将生成的所述多个决策树组成随机森林。

7.如权利要求6所述的基于随机森林回归的农田氮淋失预测方法，其特征在于，所述S33具体为：控制所述各叶子节点个数Mtry保持恒定，逐步对所述决策树数量Ntree进行调节，当模型均方误差较小且趋于稳定时，则认为Ntree最佳；控制所述决策树数量Ntree取值保持恒定，逐步对所述叶子结点个数Mtry进行调节，进而判断Mtry的最佳值。

8.如权利要求1所述的基于随机森林回归的农田氮淋失预测方法，其特征在于，所述S3中随机森林模型的评估指标包括拟合优度(R2)、均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)，并用来评估随机森林模型的预测精度和性能。