[发明专利]土壤重金属预测方法、装置、设备及存储介质

说明书

本发明属于土壤检测技术领域，公开了一种土壤重金属预测方法、装置、设备及存储介质。本发明通过获取土壤重金属样本数据集，对土壤重金属样本数据集进行样本分析，得到最优个体，确定初始神经网络模型隐含层的中心点，并根据土壤重金属样本数据集生成宽度向量，根据中心点以及宽度向量得到优化后的神经网络模型，获取待预测土壤重金属数据，根据优化后的神经网络模型对所述待预测土壤重金属数据进行预测，得到预测结果。通过对样本数据筛选，将得到的最优个体作为神经网络的训练样本，避免在预测过程中不能跳出局部最优解，也避免初始神经网络模型中的参数无法更新到最优解，从而保证在参数更新时出现较小的误差，进而最终得到更准确的预测结果。

技术领域

本发明涉及土壤检测技术领域，尤其涉及一种土壤重金属预测方法、装置、设备及存储介质。

背景技术

探明具体区域的土壤中重金属的具体含量成为了治理土壤重金属污染不可或缺的一环。

目前人们通常采用神经网络对数据进行预测，其中径向基神经网络因为其较强的非线性拟合能力已经被广泛应用在数据预测中。不过，目前的径向基神经网络存在着在收敛的时容易陷入局部最小值，不能跳出局部最优解的缺点，进而导致神经网络的参数无法更新到最优解，最终导致预测结果的准确度不高。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种土壤重金属预测方法、装置、设备及存储介质，旨在解决现有技术中径向基神经网络不能跳出局部最优解、径向基神经网络的参数无法更新到最优解，导致预测结果的准确度不高的技术问题。

为实现上述目的，本发明提供了一种土壤重金属预测方法，所述方法包括以下步骤：

获取土壤重金属样本数据集；

对所述土壤重金属样本数据集进行样本分析，得到最优个体；

确定初始神经网络模型隐含层的中心点，并根据所述土壤重金属样本数据集生成宽度向量，根据所述中心点以及宽度向量得到优化后的神经网络模型；

获取待预测土壤重金属数据，根据所述优化后的神经网络模型对所述待预测土壤重金属数据进行预测，得到预测结果。

可选地，所述对所述土壤重金属样本数据集进行样本分析，得到最优个体，包括：

对所述土壤重金属样本数据集进行样本分析，得到特征值；

对所述特征值进行初始编码，得到父代种群个体；

获取所述父代种群个体的变换因子，并根据所述变换因子得到所述父代种群个体的适应度；

根据所述父代种群个体的适应度确定所述父代种群个体的累计概率；

根据所述累计概率对所述种群个体进行选择，将选择后的种群个体作为新父代种群个体；

根据所述新父代种群个体得到最优个体。

可选地，所述根据所述新父代种群个体得到最优个体，包括：

获取参与交叉的两个个体对应的适应值，比较所述参与交叉的两个个体对应的适应值，将较大的适应值设置为交叉适应值；

获取预设交叉概率、交叉适应值与所述新父代种群个体的平均适应值；

根据所述预设交叉概率、交叉适应值与所述新父代种群个体的平均适应值得到交叉概率；

根据所述交叉概率对新父代种群个体进行交叉操作，在达到预设结束条件时，得到最优个体。

可选地，所述根据所述累计概率对所述种群个体选择，将选择后的种群个体作为新父代种群个体之后，还包括：