首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种土壤养分反演方法、电子设备及存储介质_哈尔滨航天恒星数据系统科技有限公司_202311691300.4 

申请/专利权人:哈尔滨航天恒星数据系统科技有限公司

申请日:2023-12-11

公开(公告)日:2024-06-04

公开(公告)号:CN117688835B

主分类号:G06F30/27

分类号:G06F30/27;G06F18/213;G06F18/214

优先权:

专利状态码:有效-授权

法律状态:2024.06.04#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要:一种土壤养分反演方法、电子设备及存储介质,属于土壤养分反演技术领域。为了提高土壤养分反演效率及精度,本发明对实地采集土壤样本进行土壤养分含量化验,得到土壤养分样本数据,作为土壤养分反演模型的目标数据集;利用地理信息软件采集对目标数据集与高光谱影像光谱信息进行整理,得到高光谱数据降维样本数据集;利用数据降维处理得到降维的高光谱影像数据通道信息;构建多注意力增强式膨胀特征提取模型;构建单侧抑制门控制循环神经网络模型;构建土壤养分反演模型;将模型的目标数据集及输入数据集输入到土壤养分反演模型中进行训练,得到最优的土壤养分反演模型;利用最优的土壤养分反演模型进行目标区域的土壤养分预测。本发明精准预测。

主权项:1.一种土壤养分反演方法,其特征在于,包括如下步骤:S1.对实地采集土壤样本进行土壤养分含量化验,得到土壤养分样本数据,作为土壤养分反演模型的目标数据集;S2.对步骤S1采集的土壤养分样本数据利用地理信息软件采集对应高光谱影像光谱信息并进行数据整理,得到高光谱数据降维样本数据集;S3.对步骤S2得到的高光谱数据降维样本数据集进行数据降维处理,得到降维的高光谱影像数据通道信息;步骤S3的具体实现方法包括如下步骤:S3.1.利用主成分分析法对步骤S2得到的土壤样本的高光谱数据降维样本数据集进行降维分析;S3.1.1.对步骤S2得到的高光谱数据降维样本数据集进行去中心化处理;S3.1.2.计算步骤S3.1.1处理后的高光谱数据降维样本数据集X的互相关性C,计算表示为: 其中,M为高光谱数据降维样本数据集中样本的数量;S3.1.3.利用拉格朗日计算公式对步骤S3.1.2得到的C进行特征值分解,并从大到小选取K个特征值,所对应的特征矢量组成降维矩阵V,其中V的维度为K×N,N为特征维度,计算表达式为:FV=VCVT+K1-VTV其中,FV为特征值分解结果,T为转置;求导后得到计算表达式为:CVT=KVT;S3.1.4.利用步骤S3.1.3得到的降维矩阵对高光谱数据降维样本数据集进行降维计算,得到主成分分析法降维处理后的高光谱影像数据集Y,计算表达式为:Y=XVT;S3.2.对步骤S3.1得到的主成分分析法降维处理后的高光谱影像数据集,利用t分布随机近邻嵌入法进行降维处理;S3.2.1.在高维空间构建条件概率分布结果Pj|i,利用条件概率分布结果计算联合概率分布Pij,计算表达式为:Pij=Pj|i+Pi|j利用条件概率分布结果拟合高维样本空间的相对位置关系,计算表达式为: 其中,xi为第i个主成分分析法降维处理后的高光谱影像数据集,xj为第j个主成分分析法降维处理后的高光谱影像数据集,xk为第k个主成分分析法降维处理后的高光谱影像数据集,σi为主成分分析法降维处理后的高光谱影像数据集方差;设定期望的分布熵Per,令logPer=-∑Pj|ilogPj|i,通过二分查找法寻找最优熵Perbeta,令对Pij进行归一化处理,计算表达式为: S3.2.2.利用student-t分布在低维空间构建概率分布Qij,用于拟合低位样本点之间的位置关系,计算表达式为: 其中,yi为第i个主成分分析法降维处理后的高光谱影像数据,yj为第j个主成分分析法降维处理后的高光谱影像数据,yk为第k个主成分分析法降维处理后的高光谱影像数据,yl为第l个主成分分析法降维处理后的高光谱影像数据;S3.2.3.通过冲量梯度下降法学习调整低维数据,令高维、低维分布接近,即令S最小,计算表达式为: 其中,S为损失值;冲量梯度下降法的计算表达式为: 通过迭代计算修正yi、yj,得到降维的高光谱影像数据通道信息;S4.对步骤S3得到的降维的高光谱影像数据通道信息及高程、坡度、坡向、土壤类型、气象信息进行数据升维处理,得到用于土壤养分反演模型的输入数据集;S5.构建多注意力增强式膨胀特征提取模型At_E_EFEM;S6.构建单侧抑制门控制循环神经网络模型S_E_GRU;S7.基于步骤S5构建的多注意力增强式膨胀特征提取模型与S6构建的单侧抑制门控制循环神经网络模型,构建土壤养分反演模型;S8.将步骤S1得到的模型目标数据集及S4得到的模型输入数据集输入到步骤S7构建的土壤养分反演模型进行模型训练,得到最优的土壤养分反演模型;S9.利用步骤S8得到的最优土壤养分反演模型,进行目标区域的土壤养分预测。

全文数据:

权利要求:

百度查询: 哈尔滨航天恒星数据系统科技有限公司 一种土壤养分反演方法、电子设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。