基于模糊判決的農(nóng)作物灌溉策略及決策系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種基于模糊判決的農(nóng)作物灌溉策略及決策系統(tǒng)，本農(nóng)作物灌溉策略包括如下步驟：步驟S1，根據(jù)樣本數(shù)據(jù)建立生成系統(tǒng)知識(shí)庫；以及步驟S2，根據(jù)農(nóng)作物當(dāng)前生長環(huán)境、生長階段數(shù)據(jù)，通過模糊判決確定當(dāng)前農(nóng)作物灌溉的需水量；本發(fā)明的農(nóng)作物灌溉策略及農(nóng)作物灌溉決策系統(tǒng)能有效的根據(jù)樣本數(shù)據(jù)建立生成系統(tǒng)知識(shí)庫，以分析農(nóng)作物當(dāng)前生長環(huán)境、生長階段數(shù)據(jù)，進(jìn)而獲得精確灌溉用水量，同傳統(tǒng)的根據(jù)土壤溫濕度條件相比，綜合考慮不同土質(zhì)、生長環(huán)境、天氣情況以及農(nóng)作物的不同生長階段，可以更直接地反應(yīng)作物水分狀況，將作物的生長環(huán)境和生長情況共同作為作物需水決策依據(jù)，可增加判決精度，有效提高水資源的利用率。
【專利說明】
基于模糊判決的農(nóng)作物灌溉策略及決策系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及模式識(shí)別和節(jié)水灌溉，特別是在基于模糊判決的作物灌溉決策系統(tǒng) 中。
【背景技術(shù)】
[0002] 水資源短缺是世界各國面臨的重大難題，我國農(nóng)業(yè)灌溉普遍采用傳統(tǒng)的地面灌水 技術(shù)，灌溉水利用系數(shù)低于50%，水浪費(fèi)現(xiàn)象嚴(yán)重，實(shí)施基于作物需水信息特征的精準(zhǔn)灌溉 是農(nóng)業(yè)節(jié)水灌溉的有效途徑。作為高新技術(shù)與農(nóng)業(yè)生產(chǎn)相結(jié)合的產(chǎn)業(yè)，精準(zhǔn)灌溉根據(jù)土壤、 氣候、灌溉設(shè)施、作物生長等實(shí)際情況，對(duì)灌溉時(shí)機(jī)、水量、方式進(jìn)行精準(zhǔn)控制，使作物需水 量達(dá)到最佳狀態(tài)，實(shí)現(xiàn)水資源的高效利用，以取得最佳的經(jīng)濟(jì)效益和環(huán)境效益。
[0003] 目前對(duì)農(nóng)作物的灌溉決策大多數(shù)都以土壤溫度和濕度為依據(jù)，并不能準(zhǔn)確地反映 農(nóng)作物實(shí)際的需水情況。
[0004] 因此，針對(duì)上述問題，需要設(shè)計(jì)一種能精確控制灌溉量，以保證農(nóng)作物更好生長的 農(nóng)作物灌溉策略及農(nóng)作物灌溉決策系統(tǒng)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種農(nóng)作物灌溉策略及農(nóng)作物灌溉決策系統(tǒng)，以達(dá)到對(duì)農(nóng)作 物實(shí)現(xiàn)精確灌溉的目的。
[0006] 為了解決上述技術(shù)問題，本發(fā)明提供了一種農(nóng)作物灌溉策略，包括如下步驟：
[0007] 步驟S1，根據(jù)樣本數(shù)據(jù)建立生成系統(tǒng)知識(shí)庫；
[0008] 步驟S2,根據(jù)農(nóng)作物當(dāng)前生長環(huán)境、生長階段數(shù)據(jù)，通過模糊判決確定當(dāng)前農(nóng)作物 灌溉的需水量。
[0009] 進(jìn)一步，所述步驟S1中根據(jù)樣本數(shù)據(jù)建立生成系統(tǒng)知識(shí)庫的方法包括：
[0010]步驟S11，采集農(nóng)作物生長環(huán)境、各生長階段的需水量數(shù)據(jù)信息作為樣本數(shù)據(jù)，建 立農(nóng)作物需水量關(guān)聯(lián)數(shù)據(jù)庫，以構(gòu)造模糊信息系統(tǒng)；
[0011] 步驟S12，在模糊信息系統(tǒng)中進(jìn)行屬性約簡，生成概率決策規(guī)則；以及
[0012] 步驟S13,利用神經(jīng)網(wǎng)絡(luò)對(duì)約簡進(jìn)行訓(xùn)練，以生成所述系統(tǒng)知識(shí)庫。
[0013] 進(jìn)一步，所述步驟S2中根據(jù)農(nóng)作物當(dāng)前生長環(huán)境、生長階段數(shù)據(jù)，通過模糊判決確 定當(dāng)前農(nóng)作物灌溉的需水量，BP
[0014] 根據(jù)農(nóng)作物當(dāng)前生長環(huán)境、生長階段的數(shù)據(jù)情況，通過神經(jīng)網(wǎng)絡(luò)模糊判決確定當(dāng) 前農(nóng)作物需水量。
[0015] 進(jìn)一步，所述步驟S11中采集農(nóng)作物生長環(huán)境、各生長階段的需水量數(shù)據(jù)信息，建 立農(nóng)作物需水量關(guān)聯(lián)數(shù)據(jù)庫，以構(gòu)造模糊信息系統(tǒng)的方法包括如下步驟：
[0016] 步驟S111，建立農(nóng)作物生長環(huán)境因素樣本集U，需水量條件屬性集C和需水量決策 屬性集V;
[0017] 步驟S112，所述模糊信息系統(tǒng)構(gòu)造，即
[0018] 所述模糊信息系統(tǒng)為四元組:G = {U，A，V，f};其中
[0019] u為論域，即所有農(nóng)作物樣本信息的集合；
[0020] A為屬性集合，即A = CUD，式中：C表示條件屬性，即農(nóng)作物的土壤濕度、土壤溫度、 生長階段屬性組成的集合;D表示決策屬性，即農(nóng)作物需水量屬性組成的集合；
[0021] V為屬性值域的并集，V=UVa，Va表示屬性aGA的值域，即土壤濕度、生長階段和需 水量屬性的值域集合的并集；
[0022] f?表示UX A-V信息函數(shù)，為論域中每個(gè)對(duì)象賦予屬性值，即VS: S為,x G U，有f (x， a)GVao
[0023] 進(jìn)一步，所述步驟S1中將模糊信息系統(tǒng)中進(jìn)行屬性約簡，即
[0024] 判斷屬性相似度，對(duì)條件屬性進(jìn)行約簡，獲得約簡條件屬性集合&，其方法包括如 下步驟：
[0025] 步驟S121，定義屬性相似度 ，其中 論域中的任意兩個(gè)屬性，即A是條件屬性和決策屬性的并集;ind( ?)是論域U關(guān)于屬性?的 等價(jià)劃分類;_我1)丨=為等價(jià)劃分類數(shù)；
[0026] 步驟S122,計(jì)算屬性中條件屬性與決策屬性之間的相似度S(Cl，D)，其中Cl，CjGC， i = l-_m，i# j，m為條件屬性的個(gè)數(shù);根據(jù)相似度S(ci，D)的值大小將條件屬性進(jìn)行降序排 列C={C1，C2,…，Cm};其中
[0027] S(ci,D)^S(c2,D)^---^S(cm,D)；
[0028]步驟S123,定義約簡屬性集(^=〇,對(duì)于屬性中計(jì)算其中兩個(gè)條件屬性之間的相 似度S(ci，cj)，式中ci，c」GC，i，j = l."m，i辛 j，i< j;
[0029] if S(Ci，Cj)^S(Ci，D)then Ci = C_Cj;以及
[0030] 計(jì)算S(Ci，D)，if S(Ci，D) = S(C，D)then Ci = C_Cj，else Ci = C;
[0031]步驟S124,直至各條件屬性完成遍歷；
[0032]步驟S125,得到約簡條件屬性集合&。
[0033] 進(jìn)一步，所述步驟S13中利用神經(jīng)網(wǎng)絡(luò)對(duì)約簡進(jìn)行訓(xùn)練的方法包括如下步驟：
[0034] 步驟S131，將經(jīng)條件約簡后的樣本數(shù)據(jù)送入概率神經(jīng)網(wǎng)絡(luò)輸入層，且神經(jīng)元節(jié)點(diǎn) 數(shù)與條件屬性集合維數(shù)相等；
[0035] 步驟S133,設(shè)置隱含層神經(jīng)元節(jié)點(diǎn)數(shù)與樣本數(shù)相等，神經(jīng)元采用高斯核函數(shù)確定 輸入輸出關(guān)系：
[0037]其中t = l，???M，k=l，…Nt;x是需要進(jìn)行決策的輸入向量，具有d個(gè)屬性;d的值為 經(jīng)過約簡后得到的條件屬性維度;xtk是隱含層向量，為隱含層中第t類樣本的第k個(gè)神經(jīng)元； M是訓(xùn)練樣本的總類數(shù)，即等于決策屬性的維度;Nt是第t類的樣本數(shù)；以及 〇是平滑因子，〇 G (0，〇〇);
[0038]步驟S133,加權(quán)層對(duì)屬于同一類隱含神經(jīng)元的輸出做加權(quán)平均：
[0040] 其中t = l，...M;
[0041] 步驟S134,計(jì)算所有神經(jīng)元輸出中具有最大后驗(yàn)概率密度值p(x)=argmax(t)的 類別作為神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果；
[0042]步驟S135，取神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果作為土壤需水量的決策值，并構(gòu)建決策表。
[0043 ]又一方面，本發(fā)明還提供了 一種農(nóng)作物灌溉決策系統(tǒng)。
[0044] 所述農(nóng)作物灌溉決策系統(tǒng)，包括:用于采集農(nóng)作物當(dāng)前生長環(huán)境、生長階段數(shù)據(jù)的 采集模塊，與該農(nóng)作物相應(yīng)數(shù)據(jù)采集模塊相連的服務(wù)器;所述服務(wù)器適于調(diào)節(jié)農(nóng)作物灌溉 的用水量。
[0045] 進(jìn)一步，所述服務(wù)器適于采用所述的農(nóng)作物灌溉策略進(jìn)行用水量調(diào)控。
[0046] 本發(fā)明的有益效果是，本發(fā)明的農(nóng)作物灌溉策略及農(nóng)作物灌溉決策系統(tǒng)能有效的 根據(jù)樣本數(shù)據(jù)建立生成系統(tǒng)知識(shí)庫，以分析農(nóng)作物當(dāng)前生長環(huán)境、生長階段數(shù)據(jù)，進(jìn)而獲得 精確灌溉用水量，同傳統(tǒng)的根據(jù)土壤溫濕度條件相比，綜合考慮不同土質(zhì)、生長環(huán)境、天氣 情況以及農(nóng)作物的不同生長階段，可以更直接地反應(yīng)作物水分狀況，將作物的生長環(huán)境和 生長情況共同作為作物需水決策依據(jù)，可增加判決精度，有效提高水資源的利用率。
【附圖說明】
[0047] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)一步說明。
[0048] 圖1是本發(fā)明的農(nóng)作物灌溉策略的流程框圖；
[0049] 圖2是本發(fā)明的農(nóng)作物灌溉決策系統(tǒng)的原理框圖。
【具體實(shí)施方式】
[0050] 現(xiàn)在結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說明。這些附圖均為簡化的示意圖，僅以 示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。
[0051 ] 實(shí)施例1
[0052] 如圖1所示，本實(shí)施例提供了一種農(nóng)作物灌溉策略，包括如下步驟：
[0053] 步驟S1，根據(jù)樣本數(shù)據(jù)建立生成系統(tǒng)知識(shí)庫；以及
[0054]步驟S2,根據(jù)農(nóng)作物當(dāng)前生長環(huán)境、生長階段數(shù)據(jù)，通過模糊判決確定當(dāng)前農(nóng)作物 灌溉的需水量。
[0055] 其中，所述樣本數(shù)據(jù)包括但不限于農(nóng)作物生長土壤類型、土壤濕度、土壤溫度、空 氣相對(duì)濕度、空氣溫度、大氣光照強(qiáng)度、風(fēng)速、日照時(shí)數(shù)等農(nóng)作物生長環(huán)境數(shù)據(jù)。
[0056] 具體的，所述步驟S1中根據(jù)樣本數(shù)據(jù)建立生成系統(tǒng)知識(shí)庫的方法包括：
[0057]步驟S11，采集農(nóng)作物生長環(huán)境、各生長階段的需水量數(shù)據(jù)信息作為樣本數(shù)據(jù)，建 立農(nóng)作物需水量關(guān)聯(lián)數(shù)據(jù)庫，以構(gòu)造模糊信息系統(tǒng)；
[0058]步驟S12,在模糊信息系統(tǒng)中進(jìn)行屬性約簡，生成概率決策規(guī)則；以及
[0059] 步驟S13,利用神經(jīng)網(wǎng)絡(luò)對(duì)約簡進(jìn)行訓(xùn)練，以生成所述系統(tǒng)知識(shí)庫。
[0060] 具體的，所述步驟S2中根據(jù)農(nóng)作物當(dāng)前生長環(huán)境、生長階段數(shù)據(jù)，通過模糊判決確 定當(dāng)前農(nóng)作物灌溉的需水量，BP
[0061] 根據(jù)農(nóng)作物當(dāng)前生長環(huán)境、生長階段的數(shù)據(jù)情況，通過神經(jīng)網(wǎng)絡(luò)模糊判決確定當(dāng) 前農(nóng)作物需水量。
[0062] 具體的，所述步驟S11中采集農(nóng)作物生長環(huán)境、各生長階段的需水量數(shù)據(jù)信息，建 立農(nóng)作物需水量關(guān)聯(lián)數(shù)據(jù)庫，以構(gòu)造模糊信息系統(tǒng)的方法包括如下步驟：
[0063] 步驟S111，建立農(nóng)作物生長環(huán)境因素樣本集U，需水量條件屬性集C和需水量決策 屬性集V;
[0064]步驟S112,所述模糊信息系統(tǒng)構(gòu)造，即
[0065]所述模糊信息系統(tǒng)為四元組:G = {U，A，V，f};其中
[0066] U為論域，即所有農(nóng)作物樣本信息的集合；
[0067] A為屬性集合，即A = CUD，式中：C表示條件屬性，即農(nóng)作物的土壤濕度、土壤溫度、 生長階段屬性組成的集合;D表示決策屬性，即農(nóng)作物需水量屬性組成的集合；
[0068] V為屬性值域的并集，￥=1^3^表示屬性此厶的值域，即土壤濕度、生長階段和需 水量屬性的值域集合的并集，a表示某個(gè)條件屬性；
[0069] f?表示UXA-V信息函數(shù)，為論域中每個(gè)對(duì)象賦予屬性值，即V'a S A、<XGU，有f(x， a) eVat3x表示論域U中某一個(gè)對(duì)象，具體為樣本或待決策的對(duì)象。f為論域中的每個(gè)對(duì)象的 每個(gè)屬性賦予一個(gè)信息值。
[0070] 具體的，所述步驟S1中將模糊信息系統(tǒng)中進(jìn)行屬性約簡，即
[0071] 判斷屬性相似度，對(duì)條件屬性進(jìn)行約簡，獲得約簡條件屬性集合&，其方法包括如 下步驟：
[0072] 步驟S121，定義屬性相似度 其中 論域中的任意兩個(gè)屬性，即A是條件屬性和決策屬性的并集，其中X和Y都可以是條件屬性或 者決策屬性;ind( ?)是論域U關(guān)于屬性?的等價(jià)劃分類；|扣.為等價(jià) 劃分類數(shù)；
[0073] 步驟S122,計(jì)算屬性中條件屬性與決策屬性之間的相似度S(Cl，D)，其中Cl，CjGC， i = l-_m，i# j，m為條件屬性的個(gè)數(shù);根據(jù)相似度S(ci，D)的值大小將條件屬性進(jìn)行降序排 列〇={。1，。2，'"。1!1};其中
[0074] S(ci,D)^S(c2,D)^---^S(cm,D)；
[0075]步驟S123,定義約簡屬性集(^=〇,對(duì)于屬性中計(jì)算其中兩個(gè)條件屬性之間的相 似度S(ci，cj)，式中ci，c」GC，i，j = l."m，i辛 j，i< j;
[0076] if S(Ci，Cj)^S(Ci，D)then Ci = C_Cj;以及
[0077] 計(jì)算S(Ci，D)，if S(Ci，D) = S(C，D)then Ci = C_Cj，else Ci = C;
[0078]具體的，按照條件屬性與決策屬性相似度的大小將條件屬性降序排序后，比較兩 個(gè)條件屬性之間的相似度。如果兩個(gè)條件屬性之間的相似度比某個(gè)條件屬性與決策屬性之 間的相似度大，則認(rèn)為這兩個(gè)條件屬性之間冗余的可能性大，則將條件屬性與決策屬性之 間相似度較小的那個(gè)條件屬性作為冗余屬性，其余的條件屬性作為約簡后的條件屬性。計(jì) 算約簡后條件屬性與約簡前條件屬性之間的相似度相等，則認(rèn)為冗余屬性確實(shí)的冗余不必 要的。否則約簡后的條件屬性仍未原來的條件屬性。
[0079]步驟S124,直至各條件屬性完成遍歷；
[0080]步驟S125，得到約簡條件屬性集合&。
[0081] 具體的，所述步驟S13中利用神經(jīng)網(wǎng)絡(luò)對(duì)約簡進(jìn)行訓(xùn)練的方法包括如下步驟：
[0082] 步驟S131，將經(jīng)條件約簡后的樣本數(shù)據(jù)送入概率神經(jīng)網(wǎng)絡(luò)輸入層，且神經(jīng)元節(jié)點(diǎn) 數(shù)與條件屬性集合維數(shù)相等；
[0083] 步驟S133,設(shè)置隱含層神經(jīng)元節(jié)點(diǎn)數(shù)與樣本數(shù)相等，神經(jīng)元采用高斯核函數(shù)確定 輸入輸出關(guān)系：
[0085]其中t = l，???M，k=l，…Nt;x是需要進(jìn)行決策的輸入向量，具有d個(gè)屬性;d的值為 經(jīng)過約簡后得到的條件屬性維度;xtk是隱含層向量，為隱含層中第t類樣本的第k個(gè)神經(jīng)元； M是訓(xùn)練樣本的總類數(shù)，即等于決策屬性的維度;Nt是第t類的樣本數(shù)；以及 〇是平滑因子，〇 G (0,00 );
[0086]步驟S133,加權(quán)層對(duì)屬于同一類隱含神經(jīng)元的輸出做加權(quán)平均：
[0088]其中t = l，…M;①tk是上一步的輸出值;vt是加權(quán)層把隱含層中屬于相同一類的隱 含神經(jīng)元的輸出做加權(quán)平均；
[0089 ]步驟S134，計(jì)算所有神經(jīng)元輸出中具有最大后驗(yàn)概率密度值p (x) = argmax (vt)的 類別作為神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果；
[0090]步驟S135，取神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果作為土壤需水量的決策值，并構(gòu)建決策表。
[0091] 實(shí)施例2
[0092]在實(shí)施例1基礎(chǔ)上，本實(shí)施例2還提供了一種農(nóng)作物灌溉決策系統(tǒng)，包括:用于采集 農(nóng)作物當(dāng)前生長環(huán)境、生長階段數(shù)據(jù)的采集模塊，與該農(nóng)作物相應(yīng)數(shù)據(jù)采集模塊相連的服 務(wù)器;所述服務(wù)器適于調(diào)節(jié)農(nóng)作物灌溉的用水量。
[0093]具體的，采集模塊包括:土壤水分傳感器、土壤溫度傳感器、空氣濕度傳感器、空氣 溫度傳感器、光照強(qiáng)度傳感器和風(fēng)速傳感器，以分別采集弄作物生長土壤類型、土壤濕度、 土壤溫度、空氣相對(duì)濕度、空氣溫度、大氣光照強(qiáng)度、風(fēng)速、日照時(shí)數(shù)等農(nóng)作物生長環(huán)境數(shù) 據(jù)，并將獲取的生長環(huán)境數(shù)據(jù)通過無線網(wǎng)絡(luò)傳送給服務(wù)器。
[0094]各傳感器可以通過一控制器作為傳輸節(jié)點(diǎn)，對(duì)各傳感器的數(shù)據(jù)進(jìn)行匯總后發(fā)送至 服務(wù)器，并且通過控制器將各數(shù)據(jù)采集匯總并通過無線發(fā)送進(jìn)行發(fā)送均可以采用現(xiàn)有技術(shù) 來實(shí)現(xiàn)。
[0095] 其中，所述服務(wù)器適于采用如實(shí)施例1所述的農(nóng)作物灌溉策略進(jìn)行用水量調(diào)控。
[0096] 具體的，服務(wù)器根據(jù)作物生長環(huán)境數(shù)據(jù)以及當(dāng)前的生長階段，進(jìn)行模糊決策，判斷 當(dāng)前農(nóng)作物的需水量，確定作物灌溉電磁閥們開啟時(shí)間。服務(wù)器將電池閥門的開啟信息通 過無線網(wǎng)絡(luò)發(fā)送給控制器，控制電磁閥門的開、閉，最終實(shí)現(xiàn)作物需水量的精確控制。
[0097]以上述依據(jù)本發(fā)明的理想實(shí)施例為啟示，通過上述的說明內(nèi)容，相關(guān)工作人員完 全可以在不偏離本項(xiàng)發(fā)明技術(shù)思想的范圍內(nèi)，進(jìn)行多樣的變更以及修改。本項(xiàng)發(fā)明的技術(shù) 性范圍并不局限于說明書上的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來確定其技術(shù)性范圍。
【主權(quán)項(xiàng)】
1. 一種農(nóng)作物灌溉策略，其特征在于，包括如下步驟： 步驟Sl，根據(jù)樣本數(shù)據(jù)建立生成系統(tǒng)知識(shí)庫；以及 步驟S2,根據(jù)農(nóng)作物當(dāng)前生長環(huán)境、生長階段數(shù)據(jù)，通過模糊判決確定當(dāng)前農(nóng)作物灌溉 的需水量。2. 根據(jù)權(quán)利要求1所述的農(nóng)作物灌溉策略，其特征在于， 所述步驟Sl中根據(jù)樣本數(shù)據(jù)建立生成系統(tǒng)知識(shí)庫的方法包括： 步驟Sll，采集農(nóng)作物生長環(huán)境、各生長階段的需水量數(shù)據(jù)信息作為樣本數(shù)據(jù)，建立農(nóng) 作物需水量關(guān)聯(lián)數(shù)據(jù)庫，以構(gòu)造模糊信息系統(tǒng)； 步驟S12,在模糊信息系統(tǒng)中進(jìn)行屬性約簡，生成概率決策規(guī)則；以及 步驟S13,利用神經(jīng)網(wǎng)絡(luò)對(duì)約簡進(jìn)行訓(xùn)練，以生成所述系統(tǒng)知識(shí)庫。3. 根據(jù)權(quán)利要求1或2所述的農(nóng)作物灌溉策略，其特征在于， 所述步驟S2中根據(jù)農(nóng)作物當(dāng)前生長環(huán)境、生長階段數(shù)據(jù)，通過模糊判決確定當(dāng)前農(nóng)作 物灌溉的需水量，BP 根據(jù)農(nóng)作物當(dāng)前生長環(huán)境、生長階段的數(shù)據(jù)情況，通過神經(jīng)網(wǎng)絡(luò)模糊判決確定當(dāng)前農(nóng) 作物需水量。4. 根據(jù)權(quán)利要求3所述的農(nóng)作物灌溉策略，其特征在于， 所述步驟Sll中采集農(nóng)作物生長環(huán)境、各生長階段的需水量數(shù)據(jù)信息，建立農(nóng)作物需水 量關(guān)聯(lián)數(shù)據(jù)庫，以構(gòu)造模糊信息系統(tǒng)的方法包括如下步驟： 步驟Slll，建立農(nóng)作物生長環(huán)境因素樣本集U，需水量條件屬性集C和需水量決策屬性 集V; 步驟S112,所述模糊信息系統(tǒng)構(gòu)造，即 所述模糊信息系統(tǒng)為四元組:G={U，A，V，f};其中 U為論域，即所有農(nóng)作物樣本信息的集合； A為屬性集合，即A = CUD，式中：C表示條件屬性，即農(nóng)作物的土壤濕度、土壤溫度、生長 階段屬性組成的集合;D表示決策屬性，即農(nóng)作物需水量屬性組成的集合； V為屬性值域的并集，V= 示屬性aeA的值域，即土壤濕度、生長階段和需水量 屬性的值域集合的并集； f表示UXA-V信息函數(shù)，為論域中每個(gè)對(duì)象賦予屬性值，即S戍X € (/'，有f(x，a) eVao5. 根據(jù)權(quán)利要求4所述的農(nóng)作物灌溉策略，其特征在于，所述步驟SI中將模糊信息系統(tǒng) 中進(jìn)行屬性約簡，BP判斷屬性相似度，對(duì)條件屬性進(jìn)行約簡，獲得約簡條件屬性集合C1，其方法包括如下步 驟： 步驟S121，定義屬性相似擇 其中:X，YeA，X和Y為論域中的任意兩夂胃& 夂1決策屬性的并集;ind( ·)是論域U關(guān)于某一屬性?的等 價(jià)劃分爹 η為等價(jià)劃分類數(shù)； 步驟S122,計(jì)算屬性中條件屬性與決策屬性之間的相似度S(ci，D)，其中ci，c」eC，i = I辛j，m為條件屬性的個(gè)數(shù)； 步驟S123,定義約簡屬性集&=?，對(duì)于屬性中計(jì)算其中兩個(gè)條件屬性之間的相似度S (Ci，cj)，式中Ci，Cj eC，i，j = I...m，i辛 j，i< j; 步驟S124，直至各條件屬性完成遍歷； 步驟S125,得到約簡條件屬性集合Cu6. 根據(jù)權(quán)利要求5所述的農(nóng)作物灌溉策略，其特征在于， 所述步驟S13中利用神經(jīng)網(wǎng)絡(luò)對(duì)約簡進(jìn)行訓(xùn)練的方法包括如下步驟： 步驟S131，將經(jīng)條件約簡后的樣本數(shù)據(jù)送入概率神經(jīng)網(wǎng)絡(luò)輸入層，且神經(jīng)元節(jié)點(diǎn)數(shù)與 條件屬性集合維數(shù)相等； 步驟S133,設(shè)置隱含層神經(jīng)元節(jié)點(diǎn)數(shù)與樣本數(shù)相等，神經(jīng)元采用高斯核函數(shù)確定輸入 輸出關(guān)系：其中t = l，-Ik=I,…Nt;x是需要進(jìn)行決策的輸入向量，具有d個(gè)屬性;d的值為經(jīng)過約 簡后得到的條件屬性維度;xtk是隱含層向量，為隱含層中第t類樣本的第k個(gè)神經(jīng)元;M是訓(xùn) 練樣本的總類數(shù)，即等于決策屬性的維度;Nt是第t類的樣本數(shù)；以及σ是滑因子， 〇e(〇， °°); 步驟S133，加權(quán)層對(duì)屬于同一悉隱會(huì)妯怒完的給m做加權(quán)平均： 其中t = 1，…皿；步驟S134,計(jì)算所有神經(jīng)元輸出中具有最大后驗(yàn)概率密度值p(x)=argmax(t)的類別 作為神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果； 步驟S135,取神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果作為土壤需水量的決策值，并構(gòu)建決策表。7. -種農(nóng)作物灌溉決策系統(tǒng)，其特征在于，包括：用于采集農(nóng)作物當(dāng)前生長環(huán)境、生長 階段數(shù)據(jù)的采集模塊，與該農(nóng)作物相應(yīng)數(shù)據(jù)采集模塊相連的服務(wù)器； 所述服務(wù)器適于調(diào)節(jié)農(nóng)作物灌溉的用水量。8. 根據(jù)權(quán)利要求7所述的農(nóng)作物灌溉決策系統(tǒng)，其特征在于，所述服務(wù)器適于采用如權(quán) 利要求1所述的農(nóng)作物灌溉策略進(jìn)行用水量調(diào)控。
【文檔編號(hào)】G05B13/02GK105892287SQ201610302094
【公開日】2016年8月24日
【申請(qǐng)日】2016年5月9日
【發(fā)明人】謝迎娟, 范新南, 李廣志, 張學(xué)武, 陳俊風(fēng), 張顥, 許海燕, 張卓
【申請(qǐng)人】河海大學(xué)常州校區(qū)