[发明专利]盐渍土水肥策略的获取方法、系统、存储介质和电子设备

权利要求书

1.一种盐渍土水肥策略的获取方法，其特征在于，包括：

确定用于表示土壤盐渍化程度的土壤电导率在预设时间点时的预设值，并确定与土壤盐渍化关联的每个参量在所述预设时间点时的目标值；

将所述预设值和所有目标值输入训练好的逆向残差神经网络，得到土壤电导率为预设值的土壤所对应的包括目标灌水量和目标施氮量的盐渍土水肥策略；

其中，训练好的逆向残差神经网络的获取过程为：

将残差神经网络的输入端定义为矩阵X∈R^n×d，其中n为样本量，d＝3，{xi}_{i＝1,2,3,4,5}∈X表示：包括土壤含水率的目标值、土壤EC值即土壤电导率的预设值、土壤pH值的目标值、及其对应取样时间即预设时间点和土层深度的目标值的向量集，在训练时，表示包括土壤含水率的历史目标值、土壤EC值即土壤电导率的历史预设值、土壤pH值的历史目标值、及其对应取样时间即历史预设时间点和土层深度的历史目标值的向量集；

将残差神经网络的输出端定义为矩阵Y∈R^n×2，矩阵Y∈R^n×2代表具有时间及深度维度的一系列灌水施肥水平，对于给定的输入矩阵，残差神经网络目的是学习和训练映射中的参数Θ，使训练得到的模型得出的Y′无限接近代表真实灌水施肥水平的Y，由此得到训练好的逆向残差神经网络；矩阵Y表示：在预设时间点时的目标灌水量和目标施氮量，可以理解的是，在训练时，表示：在每个历史预设时间点时的历史目标灌水量和历史目标施氮量；

残差神经网络分为输入层、隐层和输出层三部分，其中输入层输入土壤数据即取土时间(days)、土层深度(depths)、土壤含水率、土壤EC值和土壤pH值，通过可插拔的Block模块即残差区块依据数据大小调整模型大小，经过隐层激活函数将其非线性特征引入神经网络，模型输出端为优化水肥耦合调控模式，其输出函数为f(x)-x再到f(x)；

对搭建好的残差神经网络进行训练，得到所述训练好的逆向残差神经网络。

2.根据权利要求1所述的一种盐渍土水肥策略的获取方法，其特征在于，还包括：

搭建残差神经网络；

利用数据集对所述残差神经网络进行训练，并结合Adam优化算法，得到所述逆向残差神经网络，其中，所述数据集包括：在每个历史预设时间点时，每个参量的历史目标值、土壤电导率的历史预设值和历史目标灌水量和历史目标施氮量。

3.根据权利要求2所述的一种盐渍土水肥策略的获取方法，其特征在于，所述搭建残差神经网络还包括：

将ReLU函数作为搭建的残差神经网络的激活函数。

4.根据权利要求2或3所述的一种盐渍土水肥策略的获取方法，其特征在于，所述搭建残差神经网络，还包括：

将批归一化引入搭建的残差神经网络；

将Dropout算法引入搭建的残差神经网络。