[发明专利]一种山水林田湖草综合地质碳汇监测系统

权利要求书

1.一种山水林田湖草综合地质碳汇监测系统，其特征在于：包括：

远端终端监控设备；用于监控山水林田湖草综合地质碳汇数据信息；并将检测到的山水林田湖草综合地质碳汇数据信息通过远程数据传输至近端数据接口；

近端数据接口；用于接收不同形式的山水林田湖草综合地质碳汇数据信息；并对山水林田湖草综合地质碳汇数据信息进行汇集；

山水林田湖草综合地质数据库；通过存储近端数据接口接收山水林田湖草综合地质碳汇数据信息并对接收到的山水林田湖草综合地质数据库信息进行存储；

信息处理模块；用于处理接收到的山水林田湖草综合地质碳汇数据信息；

混合神经网络模型；用于分析山水林田湖草综合地质碳汇数据信息，进而实现山水林田湖草综合地质碳汇数据信息监测；并且所述混合神经网络模型包括RNN模型和BPNN模型；

显示模块；用于显示山水林田湖草综合地质碳汇数据信息；

其中所述远端终端监控设备通过无线通信的方式与近端数据接口实现数据信息交互，近端数据接口的输出端与山水林田湖草综合地质数据库输入端连接，所述山水林田湖草综合地质数据库输出端与信息处理模块的输入端连接，所述信息处理模块的输出端与混合神经网络模型的输入端连接，所述混合神经网络模型的输出端与显示模块的输入端连接；

所述信息处理模块实现数据信息的处理方法为：

步骤一、通过数据输入端输入远端终端监控设备传递的数据信息，首先定义山水林田湖草综合地质数据信息的数据属性，远端终端监控设备传递的数据信息记作为m；

步骤二、通过数据分级模块实现山水林田湖草综合地质数据信息的分级，以便于滤除不同等级的数据信息；山水林田湖草综合地质数据信息的分级精度设置为，分级精度的阈值设置为R，当时，则无需对该山水林田湖草综合地质数据信息进行过滤，反之，当，则需对该山水林田湖草综合地质数据信息进行过滤；

步骤三、通过数据过滤模块对分级后的山水林田湖草综合地质数据信息进行过滤，当过滤信息的上限数据信息记作为，过滤信息的下限数据信息记作为，数据过滤模块的过滤程度记作为，则过滤函数为：

（1）

步骤四、通过数据输出端实现山水林田湖草综合地质数据信息的输出；

混合神经网络模型包括：

生态数据信息输入端子和特征提取模块，其中所述特征提取模块包括遗忘门、输入门和输出门，其中所述遗忘门的输出端与输入门的输入端连接，所述输入门的输出端与输出门的输入端连接；

混合神经网络模型还包括生态循环预测模块，所述RNN模型的输出端与BPNN模型的输入端连接；

混合神经网络模型还包括生态循环预测模块，所述生态循环预测输出模块包括混合模型训练模块和最优模型输出模块，其中所述混合模型训练模块的输出端与最优模型输出模块的输入端连接；

其中所述生态数据信息输入端子的输出端与特征提取模块的输入端连接，所述特征提取模块的输出端与生态循环预测模块的输入端连接，所述生态循环预测模块的输出端与生态循环预测输出模块的输入端连接；

其中混合神经网络模型实现生态循环预测的方法为：

步骤1、通过生态数据信息输入端子输入植株面积、高度、密度或者种类的数据信息以及影响生态循环的光照、风力或者光照强度的气候因素数据信息；

步骤2、通过RNN模型中遗忘门接收当前时刻输入的山水林田湖草综合地质碳汇数据和上一时刻网络状态，则遗忘门输出数据记作为：

（2）

公式（2）中，表示地质碳循环预测模型的激活函数，表示遗忘门的权重矩阵，表示输入影响山水林田湖草综合地质生态循环的数据信息，表示上一时刻山水林田湖草综合地质生态输出信息，表示地质生态平衡数据的激发阈值向量；

记忆门输出函数表示为：

（3）

公式（3）中，、表示记忆门的激活函数，、表示地质碳汇预测模型中的权重矩阵，、表示RNN模型的偏移量，表示逐步增加的山水林田湖草综合地质碳汇数据新状态；

则遗忘门输出函数为：

（4）

公式（4）中，表示遗忘门的输出，表示上一时刻状态信息，表示记忆门输出，表示新的山水林田湖草综合地质碳汇数据输出信息候选向量；

步骤3、通过BPNN模型实现数据信息输出；

BPNN模型输出函数表示为：

（5）

公式（5）中，、表示地质碳汇预测模型中输出层和隐藏层的连接权重，、表示预测模型的激发阈值，表示隐藏层的激活函数，表示隐藏层输出的地质碳汇特征信息，表示输出的山水林田湖草综合地质整体地质碳循环的预测值；

地质碳汇时间序列的主要周期可表示为：

（6）

公式（6）中，表示完成一次生态循环的时间，表示一次生态循环的频率，N表示完成一次生态循环的生命周期，中的表示地质碳汇时间序列类型，表示完成一次生态循环时间的序列数据，表示完成一次生态循环时间的序列定义值。