一种针对灌溉区域的灌溉需求预测方法、设备及介质与流程

本申请涉及数据处理，尤其涉及一种针对灌溉区域的灌溉需求预测方法、设备及介质。

背景技术：

1、随着全球气候变化和人口增长，水资源的稀缺性和管理变得越来越重要。灌溉水需求的准确预测对于提高农业生产效率、保护水资源以及实现可持续发展至关重要。

2、目前，灌溉水量预测方法往往基于通用统计分析或经验公式，而不同灌溉区域具有不同的气候和土壤情况，缺乏对多个因素之间复杂关系的全面考量，造成了预测结果的不准确性，导致灌溉区域的灌溉需求预测准确性低。

技术实现思路

1、本申请实施例提供一种针对灌溉区域的灌溉需求预测方法、设备及介质，用于解决灌溉区域的灌溉需求预测准确性低的问题。

2、本申请实施例采用下述技术方案：

3、一方面，本申请实施例提供了一种针对灌溉区域的灌溉需求预测方法，该方法包括：确定灌溉区域的相关性特征；所述相关性特征包括作物特征、土壤特征、气象特征和灌溉水量特征；所述作物特征包括作物类型、作物生长阶段和种植密度，所述土壤特征包括土壤类型、土壤含水量和土壤质地；所述气象特征包括降雨量和气温；获取所述灌溉区域在预设历史时长内的历史特征数据，对所述历史特征数据进行相关性分析，得到所述灌溉区域的相关性特征排序；所述相关性特征排序与作物特征、土壤特征和气象特征有关；通过所述相关性特征排序，对预先构建的通用灌溉水量预测网络模型进行调整参数权重，得到所述灌溉区域的灌溉水量预测网络模型；在预设周期内，获取所述灌溉区域的作物数据、土壤数据和在未来时长内的气象数据；将所述作物数据、所述土壤数据与所述气象数据输入至所述灌溉水量预测网络模型，生成所述灌溉区域的灌溉需水量。

4、一个示例中，所述对所述历史特征数据进行相关性分析，得到所述灌溉区域的相关性特征排序，具体包括：通过皮尔逊相关系数与所述历史特征数据，计算每个特征之间的相关性系数，以构建相关性矩阵；相关性矩阵表示各个特征之间的相关性程度；对所述相关性矩阵进行分析，确定与灌溉水量特征具有强相关的特征，以得到作物特征组、土壤特征组和气象特征组；确定所述作物特征组与灌溉水量特征对应的作物相关性总系数，以及土壤特征组与灌溉水量特征对应的土壤相关性总系数，以及气象特征组与灌溉水量特征对应的气象相关性总系数；按照从高到低的顺序，对所述作物相关性总系数、所述土壤相关性总系数与所述气象相关性总系数进行排序，得到所述灌溉区域的相关性特征排序。

5、一个示例中，所述对所述相关性矩阵进行分析，确定与灌溉水量特征具有强相关的特征，具体包括：在所述相关性矩阵中，确定每个特征与灌溉水量特征之间的相关性系数；根据所述相关性系数的取值范围，确定所述相关性矩阵的系数阈值；在所述相关性系数的绝对值大于所述系数阈值时，则确定相应特征与所述灌溉水量特征具有强相关。

6、一个示例中，所述通过所述相关性特征排序，对预先构建的通用灌溉需求预测网络模型进行调整参数权重，得到灌溉水量预测网络模型，具体包括：确定所述通用灌溉水量预测网络模型的标准参数权重排序；标准参数包括作物数据、土壤数据和气象数据；若所述标准参数权重排序与所述相关性特征排序相同，则将所述通用灌溉水量预测网络模型确定为所述灌溉区域的灌溉水量预测网络模型；若所述标准参数权重排序与所述相关性特征排序不一致，确定所述相关性特征排序的缩放因子组；根据所述缩放因子组，对每个标准参数权重分别进行缩放，得到调整的参数权重；根据所述调整的参数权重，对所述通用灌溉水量预测网络模型进行更新训练，得到所述灌溉区域的灌溉水量预测网络模型。

7、一个示例中，所述确定所述相关性特征排序的缩放因子组，具体包括：按照所述相关性特征排序，计算相邻特征之间的相关性总系数差值；对所述相关性总系数差值进行加1，得到相邻特征中排序靠前特征的相对重要性系数，将所述排序靠前特征确定为待缩放特征，将所述相对重要性系数确定为所述待缩放特征的缩放因子；根据每个待缩放特征的顺序，对各自缩放因子进行排序，得到缩放因子组。

8、一个示例中，所述根据所述缩放因子组，对每个标准参数权重分别进行缩放，得到调整的参数权重，具体包括：在所述相关性特征排序中，确定末位相关性特征对应的标准参数权重值；将所述缩放因子组的末位缩放因子与所述标准参数权重值进行相乘，得到所述末位缩放因子对应待缩放特征的调整参数权重；将所述末位缩放因子的相邻缩放因子与所述调整参数权重进行相乘，得到所述相邻缩放因子对应待缩放特征的调整参数权重。

9、一个示例中，所述生成所述灌溉区域的灌溉需水量之后，所述方法还包括：获取所述灌溉区域的历史灌溉时间；根据所述历史灌溉时间，确定所述灌溉区域的灌溉时间偏好；在所述灌溉时间偏好的时间区间中，确定降雨区间；确定除所述降雨区间之外的非降雨区间，并在所述非降雨区间中，确定非高温区间；在所述非高温区间中，所述灌溉区域的气温值低于预设高温阈值；将所述非高温区间确定为所述灌溉区域的灌溉推荐时间区间。

10、一个示例中，所述通过所述相关性特征排序，对预先构建的通用灌溉水量预测网络模型进行调整参数权重，得到所述灌溉区域的灌溉水量预测网络模型之前，所述方法还包括：获取样本灌溉区域的样本训练数据；样本训练数据包括作物类型、作物生长阶段、种植密度、土壤类型、土壤含水量、土壤质地、降雨量、气温和灌溉水量；在所述样本训练数据中，将除了灌溉水量之外的数据作为输入数据，将灌溉水量作为样本标签，对初始网络模型进行有监督训练，得到所述灌溉水量预测网络模型。

11、另一方面，本申请实施例提供了一种针对灌溉区域的灌溉需求预测设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一项所述的一种针对灌溉区域的灌溉需求预测方法。

12、另一方面，本申请实施例提供了一种针对灌溉区域的灌溉需求预测非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令能够执行上述任一项所述的一种针对灌溉区域的灌溉需求预测方法。

13、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

14、能够通过考虑不同灌溉区域的作物特性、土壤特性以及气候特性不同，所导致种植区域的灌溉水量的差异性，针对该灌溉区域，分析作物特征、土壤特征、气象特征分别与灌溉水量特征之间的相关性程度，找出针对灌溉区域的与灌溉需水量相对重要的特征，从而对通用灌溉水量预测网络模型进行调整参数权重，能够更准确地预测该灌溉区域的灌溉需水量，合理安排灌溉水量，有助于提供适宜的水分条件，促进作物生长，最终提高作物产量和质量。

技术特征：

1.一种针对灌溉区域的灌溉需求预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述历史特征数据进行相关性分析，得到所述灌溉区域的相关性特征排序，具体包括：

3.根据权利要求2所述的方法，其特征在于，所述对所述相关性矩阵进行分析，确定与灌溉水量特征具有强相关的特征，具体包括：

4.根据权利要求2所述的方法，其特征在于，所述通过所述相关性特征排序，对预先构建的通用灌溉需求预测网络模型进行调整参数权重，得到灌溉水量预测网络模型，具体包括：

5.根据权利要求4所述的方法，其特征在于，所述确定所述相关性特征排序的缩放因子组，具体包括：

6.根据权利要求5所述的方法，其特征在于，所述根据所述缩放因子组，对每个标准参数权重分别进行缩放，得到调整的参数权重，具体包括：

7.根据权利要求1所述的方法，其特征在于，所述生成所述灌溉区域的灌溉需水量之后，所述方法还包括：

8.根据权利要求1所述的方法，其特征在于，所述通过所述相关性特征排序，对预先构建的通用灌溉水量预测网络模型进行调整参数权重，得到所述灌溉区域的灌溉水量预测网络模型之前，所述方法还包括：

9.一种针对灌溉区域的灌溉需求预测设备，其特征在于，包括：

10.一种针对灌溉区域的灌溉需求预测非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令能够执行上述权利要求1-8任一项所述的一种针对灌溉区域的灌溉需求预测方法。

技术总结本申请公开了一种针对灌溉区域的灌溉需求预测方法、设备及介质，方法包括：确定灌溉区域的相关性特征；相关性特征包括作物特征、土壤特征、气象特征和灌溉水量特征；获取灌溉区域在预设历史时长内的历史特征数据，对历史特征数据进行相关性分析，得到灌溉区域的相关性特征排序；相关性特征排序与作物特征、土壤特征和气象特征有关；通过相关性特征排序，对通用灌溉水量预测网络模型进行调整参数权重，得到灌溉区域的灌溉水量预测网络模型；在预设周期内，获取灌溉区域的作物数据、土壤数据和在未来时长内的气象数据；将作物数据、土壤数据与气象数据输入至灌溉水量预测网络模型，生成灌溉区域的灌溉需水量。提高灌溉需水量预测准确性。技术研发人员：路冉,房爱印,尹曦萌,王泽宇,叶警彬受保护的技术使用者：浪潮智慧科技有限公司技术研发日：技术公布日：2024/8/5