[发明专利]基于物联网大数据分析的植物培育方法及系统

摘要

本发明提供了一种基于物联网大数据分析的植物培育方法及系统，其中的方法包括：采集植物的种类、土壤湿度、土壤pH值、光照强度、环境温度、环境湿度、图像、浇水量、施肥量、施肥类型并构成影响因素矩阵X，并上传至服务器；其中，浇水量、施肥量和施肥类型构成决策变量；在服务器内利用Elman神经网络建立植物各影响因素矩阵X与植物健康指数之间的复杂非线性关系，获得植物培育模型；利用NSGA‑Ⅱ算法对植物培育模型进行优化，获得决策变量的一组最优解；将决策变量的该组最优解作为植物的推荐决策X^*通过服务器下发至用户的终端设备进行显示；用户根据终端设备显示的推荐决策培育植物。利用本发明能够确定最优的植物培育方案，为植物营造了更好的生活环境。

主权项

1.一种基于物联网大数据分析的植物培育方法，其特征在于，包括如下步骤：步骤S1：采集植物的种类、生长时期、土壤湿度、土壤pH值、光照强度、环境温度、环境湿度、图像、浇水量、施肥量、施肥类型并构成影响因素矩阵X，并上传至服务器；其中，所述浇水量、所述施肥量和所述施肥类型构成决策变量；步骤S2：在所述服务器内利用Elman神经网络建立植物各影响因素矩阵X与植物健康指数之间的复杂非线性关系，获得植物培育模型；其中，所述植物培育模型中X_k为输入矢量，X_k＝[x_k1,x_k2,L,x_kM]，k＝1,2,L,S，S为训练样本的个数，W_MI(g)为第g次迭代时输入层M与隐层I之间的权值矢量，W_JP(g)为第g次迭代时隐层J与输出层P之间的权值矢量，W_JC(g)为第g次迭代时隐层J与承接层C之间的权值矢量，Y_k(g)为第g次迭代时的实际输出，Y_k(g)＝[y_k1(g),y_k2(g),L,y_kP(g)]，k＝1,2,L,S，d_k为期望输出，d_k＝[d_k1,d_k2,L,d_kP]，k＝1,2,L,S；以及，建立所述植物培育模型的步骤包括：步骤S21：初始化，设迭代次数g初值为0，分别赋给W_MI(0)、W_JP(0)、W_JC(0)一个(0,1)区间的随机值；步骤S22：随机输入样本X_k；步骤S23：对输入样本X_k，前向计算所述Elman神经网络每层神经元的实际输出Y_k(g)；步骤S24：根据期望输出d_k和实际输出Y_k(g)，计算误差E(g)；步骤S25：判断误差E(g)是否小于预设的误差值，如果大于或等于，进入步骤S26，如果小于，则进入步骤S29；步骤S26：判断迭代次数g+1是否大于最大迭代次数，如果大于，进入步骤S29，否则，进入步骤S27；步骤S27：对输入样本X_k反向计算所述Elman神经网络每层神经元的局部梯度δ；步骤S28：计算权值修正量ΔW，并修正权值；令g＝g+1，跳转至步骤S23；其中，ΔW_ij＝η·δ_ij，η为学习效率；W_ij(g+1)＝W_ij(g)+ΔW_ij(g)；步骤S29：判断是否完成所有样本的训练；如果是，完成建模；如果否，跳转至步骤S22；步骤S3：利用NSGA‑Ⅱ算法对所述植物培育模型进行优化，获得所述决策变量的一组最优解；其中，利用NSGA‑Ⅱ算法对所述植物培育模型进行优化的步骤，包括：步骤S31：初始化系统参数；其中，所述系统参数包括种群规模N、最大遗传代数G、交叉概率P和变异概率Q；步骤S32：将第t代产生的新种群Q_t与其父代种群P_t合并组成种群R_t，种群R_t的大小为2N；若是第一代种群，则将第一代种群作为所述种群R_t；步骤S33：对所述种群R_t进行非支配排序，获得一系列的非支配集Z_i，并计算所述非支配集Z_i中每个个体的拥挤度，产生新的父代种群P_t+1；步骤S34：对所述父代种群P_t+1进行交叉、变异基本遗传操作获得子代种群Q_t+1；步骤S35：遗传代数加1，判断遗传代数是否达到所述最大遗传代数G，如果是，输出当前全局最优解；如果否，跳转至步骤S32进行重复计算，直到遗传代数达到所述最大遗传代数G为止；步骤S4：将所述决策变量的该组最优解作为所述植物的推荐决策X^*通过所述服务器下发至用户的终端设备进行显示；步骤S5：所述用户根据所述终端设备显示的推荐决策培育所述植物。