[发明专利]一种基于动态多层极限学习机的灌溉方法

摘要

本发明涉及一种基于动态多层极限学习机的灌溉方法，首先采集多组训练数据，训练数据包括土壤环境数据、气象数据和灌溉作物的作物系数；然后对各组训练数据进行归一化处理构成训练集；再采用训练集训练多层极限学习机得到最终模型；最终采集测试数据并对其进行归一化处理后输入到最终模型，得到预测灌溉需水量，根据预测灌溉需水量进行灌溉。本发明根据计算精度采用“求同存异”策略，即如果模型对再次输入数据计算结果满足精度需求，则输出该模型，否则将在已有模型的基础上进行增量式学习训练，得到动态调整的模型，本发明提高了灌溉需水量的计算精度，降低了灌溉需水量预测时间损耗和计算成本，达到了合理利用水资源、合理灌溉农作物的目的。

主权项

一种基于动态多层极限学习机的灌溉方法，其特征是，采集与已知灌溉需水量相关的数据并进行归一化处理后训练多层极限学习机得到最终预测模型，将与待求灌溉需水量相关的数据归一化处理后输入到最终预测模型得到预测灌溉需水量后进行灌溉，其中，多层极限学习机中上一层的输入和输出同时作为下一层的输入，动态多层极限学习机是指多层极限学习机在训练过程中隐含层节点数动态更新，步骤如下：(1)采集多组训练数据，每组训练数据包括土壤环境数据、气象数据和灌溉作物的作物系数；(2)对每组训练数据进行归一化处理，所有组训练数据构成训练集；(3)采用训练集训练多层极限学习机得到最终预测模型；(4)采集多组测试数据，每组测试数据包括土壤环境数据、气象数据和灌溉作物的作物系数；(5)对每组测试数据进行归一化处理后输入到最终预测模型，得到预测灌溉需水量，根据预测灌溉需水量进行灌溉；所述采用训练集训练多层极限学习机的具体步骤如下：1)根据滑动窗口大小将所有组训练数据按采集时间顺序等分为n个数据块并顺序编号，滑动窗口的单位为组；2)采用数据块1训练多层极限学习机得到模型M1；3)令j＝2；4)将数据块j输入集成预测模型C(j‑2)得到预测灌溉需水量并计算预测精度pi和预测结果决定系数R2，集成预测模型C(j‑2)是指数据块(j‑1)训练得到的模型，集成预测模型C0是模型M1；5)判断预测精度pi是否大于等于设定预测精度E1，如果是，则输出模型M(j‑1)即为集成预测模型C(j‑1)，否则，进入下一步；6)根据预测结果决定系数R2更新多层极限学习机的隐含层节点数；7)根据数据块j采用增量式学习机制更新多层极限学习机的输出权值矩阵得到增量式多层极限学习机；8)采用数据块j训练增量式多层极限学习机得到模型Mj，模型Mj即为集成预测模型C(j‑1)；9)令j＝j+1；10)循环步骤4)～8)至j＝n，得到的集成预测模型C(n‑1)即为最终预测模型。