[发明专利]一种基于LSTM深度学习模型的土壤墒情预测方法有效
| 申请号： | 201910317820.6 | 申请日： | 2019-04-19 |
| 公开（公告）号： | CN110084367B | 公开（公告）日： | 2022-10-25 |
| 发明（设计）人： | 张武;洪汛;李蒙;张嫚嫚;宋一帆;韩勇 | 申请（专利权）人： | 安徽农业大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04;G06K9/62;G06Q10/04;G06Q50/02;A01G25/16 |
| 代理公司： | 安徽合肥华信知识产权代理有限公司 34112 | 代理人： | 张果果 |
| 地址： | 230036 安徽*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于LSTM深度学习模型的土壤墒情预测方法，首先收集目标农田的一段时间内的土壤理化及气象数据；将收集到的数据进行预处理后分为训练样本集和测试样本集；构建LSTM深度学习模型，通过训练样本集对LSTM深度学习模型进行训练以得到调参后的LSTM深度学习模型，再通过测试样本集对调参后的LSTM深度学习模型进行验证，最终以验证后的LSTM深度学习模型作为土壤墒情预测模型；将收集的数据输入土壤墒情预测模型，最终由土壤墒情预测模型输出未来时刻的土壤墒情预测结果。本发明使用深度学习方法对土壤墒情进行预报，节约了人力物力，能够真实的反映前期数据对后期结果的影响，充分体现了时序性特征。 | ||
| 搜索关键词： | 一种 基于 lstm 深度 学习 模型 土壤 墒情 预测 方法 | ||
【主权项】：
1.一种基于LSTM深度学习模型的土壤墒情预测方法，其特征在于：包括以下步骤：(1)、收集目标农田的一段时间内的土壤理化及气象数据；(2)、将步骤(1)收集到的土壤理化及气象数据进行预处理，然后再将预处理后的数据按比例划分为训练样本集和测试样本集；(3)、构建LSTM深度学习模型，所述LSTM深度学习模型具有一个输入层、二十五个隐藏层和一个输出层，通过训练样本集对LSTM深度学习模型进行训练以得到调参后的LSTM深度学习模型，再通过测试样本集对调参后的LSTM深度学习模型进行验证，最终以验证后的LSTM深度学习模型作为土壤墒情预测模型；(4)、将步骤(1)收集的土壤理化及气象数据作为土壤墒情预测模型的输入，通过土壤墒情预测模型对土壤理化及气象数据进行处理，最终由土壤墒情预测模型输出未来时刻的土壤墒情预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽农业大学，未经安徽农业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910317820.6/，转载请声明来源钻瓜专利网。
