[发明专利]一种基于神经网络技术的农业水利调度方法及系统

摘要

本发明涉及农业水资源调度领域，尤其涉及一种基于神经网络技术的农业水利调度方法及系统。所述方法包括利用粒子群算法来改进的遗传算法，对农业灌溉区设置多个监测传感器，监测该区域的各类环境数据以及各类作物数据进行处理，从而来优化BP神经网络的初始权值和阈值，建立改进遗传算法的BP神经网络预测模型。通过输出经BP神经网络模型预测的数据来确定该区域农业水利资源调度的方法，实现农业水利资源的合理调度优化和配置。本发明的模型预测输出和实际负荷值拟合度更好，且预测输出稳定性较好，没有出现大幅度的波动，即本发明对农业水资源调度预测更可靠，更有优势。

主权项

1.一种基于神经网络技术的农业水利调度方法，其特征在于，所述方法包括以下步骤：/nS1、在农业灌溉区设置多个监测传感器，监测该区域的各类环境数据以及各类作物数据，并对其进行特征提取；/nS2、构建BP神经网络模型，输入当前区域的各类环境数据以及各类作物数据，按照设定的初始权值和初始阈值直接预测出当前区域的农业水利的调度数据；/nS3、采用遗传算法的方式，将种群个体对应到提取后的特征，设置进化代数计数器t＝0，设置最大进化代数T以及特征种群规模；并随机生成多个特征个体作为初始化的特征种群；/nS4、计算出第t代的特征种群中各个特征个体的适应度值；/nS5、将不满足收敛条件下的特征个体采用选择、交叉、变异处理，令t＝t+1；根据自适应函数概率进行抽样,对满足稳定条件的特征个体采用粒子群算法进行处理，否则重新进行选择、交叉、变异处理；经粒子群算法处理后,返回步骤S4，直至其满足收敛条件；在满足收敛条件下，则将具有最大适应度的特征个体作为最优解输出；/nS6、将最优解作为该BP神经网络模型优化后的初始权值和优化后的初始阈值，从而优化BP神经网络模型；/nS7、输入当前区域的农业水利的真实调度数据；对优化后的BP神经网络模型进行训练，计算出优化模型预测出的当前区域的农业水利的调度数据与该区域真实农业用水量数据之间的误差；判断误差是否满足设定的误差范围，若误差满足设定的误差范围，则完成训练；否则更新权值以及阈值后继续训练；/nS8、输入待预测区域的各类环境数据以及各类作物数据，经过步骤S7完成训练后的BP神经网络模型，输出预测后的当前区域的农业水利的调度数据；按照该调度数据进行调动，实现农业水利资源的调度优化和配置。/n