一种水肥决策精量灌溉方法和装置

本发明涉及一种灌溉方法和装置，具体涉及一种水肥决策精量灌溉方法和装置。

背景技术：

1、我国大部分处于干旱、半干旱地区，容易受到水分缺失的影响。据统计，近二十年来，干旱波及我国许多省份，某些省份遭遇到百年不遇的大旱情。同时，我国也是一个人均水资源匮乏的国家，被联合国列为13个贫水国家之一，在全球变暖的背景下，地表温度逐年升高，降水格局也在不断变化，使我国面临的水资源短缺问题更加严重。我国是一个农业大国，每年有大量的水资源用于农业灌溉，据统计，全国灌溉年用水量占全国总用水量的70％，但利用率只有30％～40％，远远低于发达国家的灌溉利用率。其原因主要在于我国农业灌溉主要以人工灌溉为主，且多数依据经验采用大水漫灌的方式，对灌溉水量控制不恰当。这种依赖于经验的灌溉在一定程度上会导致水资源的浪费，并且对作物的生长具有一定的影响。

2、此外，施肥决策方面也没有一个准确且合理的模型，大多通过肥料效应法，对肥量与产量之间的数据进行回归综合分析，求解最大产量下的施肥量。对比2012-2022年实际施肥量与国家推荐施肥量，各麦区氮磷钾肥用量虽然普遍下降，但是部分地区或农户仍存在不合理施用氮磷钾肥的现象。该方法相较于农户的经验决策，虽对肥料利用率有一定提升，但仍无法准确计算肥料施用量，过少时影响作物生长，过多时会造成浪费和土壤污染。

3、因此有必要设计一种水肥决策精量灌溉方法和装置，以解决上述问题。

技术实现思路

1、本发明的目的在于：针对现有技术不足，提供一种能保证作物生长需求，且能有效减少资源浪费的水肥决策精量灌溉方法和装置。

2、本发明的技术方案是：

3、一种水肥决策精量灌溉方法，其特征在于：它包括以下步骤：

4、1)通过改进的非洲秃鹫优化算法优化极限梯度提升树(xgboost)模型；

5、2)以优化的xgboost模型为基础对每日施肥量和灌水量进行计算；

6、3)根据计算所得每日施肥量和灌水量控制该水肥决策精量灌溉装置进行精确施肥和灌溉。

7、所述步骤1)中的优化过程具体包括以下步骤：

8、s1、对数据集(灌溉水量相关数据来源于国家气象科学数据中心，施肥量相关数据来源于国家农业科学数据中心)进行标准化处理，并将数据集按照8：2的比例划分为训练集和测试集；s2、确定xgboost模型中需要调优的超参数；

9、s3、设置改进的非洲秃鹫优化算法中的参数，迭代次数epoch＝30，种群数量pop_size＝30，探索阶段用第一个公式更新的概率p1＝0.6，开发第一阶段用第一个公式更新的概率p2＝0.4，开发第二阶段用第一个公式更新的概率p3＝0.6，种群向第一组最佳秃鹫移动的概率l＝0.8，控制秃鹫饥饿度改变速度的参数w＝2.5。使用训练集数据训练xgboost模型，定义适应度函数为训练集十折交叉验证的平均绝对百分比误差；

10、s4、计算适应度值，并通过改进的非洲秃鹫优化算法寻找最优参数；

11、s5、将寻找到的最优解代入xgboost模型中，得到最优预测模型iavoa-xgboost。

12、所述步骤s3中改进非洲秃鹫优化算法优化的xgboost机器学习模型的具体过程为：s21、采用spm混沌序列初始化秃鹫位置，其中，秃鹫位置用于表征一个包含xgboost内各项超参数的解；

13、s22、计算初始化后的秃鹫个体适应度值，选择最佳解作为第一组的最佳秃鹫，选择次优解作为第二组的最佳秃鹫，所有秃鹫向最佳的两只秃鹫移动且每一代都会重新计算最佳秃鹫，其中，适应度值用于表征对应于一个秃鹫位置情况下的xgboost模型十折交叉验证的平均绝对百分比误差；

14、s23、计算秃鹫饥饿度，根据种群迭代次数更新秃鹫饥饿度，使用非线性变换策略使饥饿度随迭代次数呈非线性变化；

15、s24、根据每只秃鹫饥饿度，使用不同的搜索策略。当饥饿度大于1时，进入探索阶段，如果饥饿度小于1，则进入开发阶段，其中，当饥饿度在0.5～1之间时，进入开发阶段的第一阶段，当饥饿度小于0.5时，进入开发阶段的第二阶段，在此阶段通过加权时变策略更新秃鹫位置，同时，添加自适应t分布变异扰动，提高算法全局搜索能力和逃出局部最优的能力，每一阶段通过秃鹫位置更新公式进行位置更新；

16、s25、判断当前迭代次数是否大于或等于预设的最大迭代次数，若判断为是，则结束求解，输出当代最优秃鹫的位置和适应度值，即为xgboost模型的超参数和模型训练的损失值；否则返回步骤s22，继续进行求解。

17、所述步骤s21中spm混沌序列具体为：

18、

19、其中，mod为求余函数；η∈(0,1)，μ∈(0,1)时，系统处于混沌状态，η＝0.4，μ＝0.3；r为介于0～1的混沌系统扰动参数；x(i)和x(i+1)分别为第i个和第i+1个混沌个体。

20、所述的初始化秃鹫位置的具体过程为：基于spm混沌序列生成n个[0,1]区间内的混沌个体，之后将混沌个体变换到整个搜索空间：

21、p(i)＝lb+(ub-lb)×x(i)，0<x(i)<1，i＝1,2,…,n

22、其中，p(i)为混沌映射后种群个体位置；lb和ub分别为种群的下边界和上边界；x(i)为混沌映射值。

23、所述的步骤s23中非线性变换策略具体为：

24、

25、其中，f为秃鹫饥饿度；rand1为0～1的随机数；z∈(-1,1)的随机值；t为饥饿度f的扰动项；h∈(-2,2)的随机值；w为控制秃鹫饥饿度改变速度的参数；iteri为秃鹫当前迭代次数；maxiter为初始设定的秃鹫最大迭代次数。

26、所述的步骤s24中探索阶段具体为：

27、

28、d(i)＝|x×r(i)-p(i)|

29、

30、其中，p(i+1)为下一次迭代中秃鹫的位置向量；p(i)为秃鹫当前位置向量；r(i)是当前迭代中选择的最佳秃鹰之一；d(i)为到两组最佳秃鹫之一的随机距离；randp1、rand2、rand3均为介于0～1的随机数；x为增加随机运动的系数向量，由x＝2×rand计算得到，其中rand为介于0～1的随机数；lb和ub分别为种群的下边界和上边界；bestvulture1(i)、bestvulture2(i)为第i代最优、次优秃鹫位置；l为种群向第一组最佳秃鹫移动的预设概率；pi为种群向第一组最佳秃鹫移动的概率；fi为第i只秃鹫的适应度。

31、所述的步骤s24中开发阶段的第一阶段具体为：

32、

33、d(t)＝r(i)-p(i)

34、

35、其中，d(t)为当前秃鹫与两组最佳秃鹫之一之间的距离；rand5、rand6和randp2为介于0～1的随机数；p2为开发第一阶段使用第一个公式更新位置的概率；s1和s2为秃鹫两种螺旋位置更新公式。

36、所述的步骤s24中开发第二阶段和加权时变策略具体为：

37、

38、

39、其中，p3为开发第一阶段使用第一个公式更新位置的概率；randp3为介于0～1的随机数；γa、γb分辨表示最优、次优秃鹫的影响权重；a1、a2为受最优、次优秃鹫影响的位置更新公式。随着迭代次数的增加，最优秃鹫的影响权重逐渐增加，开发阶段后期秃鹫位置的更新更多地取决于最优秃鹫位置。

40、所述的步骤s24中开发第二阶段和自适应t分布变异扰动具体为：

41、p(i+1)＝t(iter)×r(i)-|d(t)|×f×levy(d),p3＜randp3

42、

43、n＝t1+(t2-t1)×(iteri/maxiter)

44、

45、其中，l为种群向第一组最佳秃鹫移动的预设概率；t(iter)为t分布扰动值；γ为第二型欧拉积分；n为自由度参数，调整t分布的因子；t1为n的最小取值，t2为n的最大取值，t1＝0.1，t2＝1；levy(d)为莱特飞行公式；d为问题维度；u、v为介于0～1的随机数；β为固定值1.5；σ由上式计算求出。

46、当n＝1时，t分布变为cauchy分布；当n→∞时，t分布变为gauss分布，使自由度参数n随迭代次数的增加逐步向高斯分布逼近，增加算法的多样性和全局搜索能力，从而提高收敛速度和逃出局部最优的能力。

47、所述的模型训练以及计算过程为：将当地灌溉水量是否充分分为充分灌溉和非充分灌溉；在充分灌溉情况下，根据当地的温度、湿度、风速、有效日照时间和参考作物蒸散量et0来训练预测模型，其中，温度、湿度和风速通过温湿度一体传感器和风速传感器获取，有效日照时间通过中国气象局官网获取，进一步凭此模型预测作物各阶段参考作物蒸散量et0，并换算成每日的灌溉时间；在非充分灌溉情况下，以净收入和实际产量最大为目标，作物各阶段的灌溉用水量为变量，在作物各生长阶段灌溉水量约束条件下，通过模型自动寻找作物最佳的灌水量分配，再平均到每一天并换算成当日的灌溉时间；

48、根据土壤碱解氮含量(mg/kg)、土壤有效磷含量(mg/kg)、土壤速效钾含量(mg/kg)和产量情况(kg/ha)，训练施肥预测模型，进一步凭此模型预测作物总共所需的施氮量(kgn/ha)、施磷量(kgp2o5/ha)和施钾量(kgk2o/ha)，根据作物生长需求，在作物不同时期分配不同的肥量，同时，根据作物品种将肥料稀释到适宜作物生长的比例，最后将灌溉时间换算成电磁阀和泵的启闭时长并在对应时期进行施肥。

49、一种水肥决策精量灌溉装置，它由移动支架、水肥机和远程控制设备构成，其特征在于：移动支架上设置有水肥机，水肥机与远程控制设备无线连接。

50、所述的水肥机包括箱体、灌溉机构和控制柜，箱体内设置有灌溉机构，灌溉机构上方的箱体上设置有控制柜。

51、所述的灌溉机构包括并列设置的稀肥桶、浓肥桶和清水桶，稀肥桶上方的箱体内设置有稀肥泵、浓肥泵和清水泵，稀肥泵的入口通过稀肥软管与稀肥桶连通，浓肥泵的入口通过浓肥软管与浓肥桶连通，清水泵的入口通过清水软管与清水桶连通；浓肥泵的出口通过连通管与稀肥桶连通，稀肥泵和清水泵的出口分别连接在流通管上，流通管的末端设置ec传感器和ph传感器并与稀肥桶连通；靠近稀肥桶一侧的流通管上设置有电磁阀a，电磁阀a与稀肥泵之间的流通管上设置有多个排出口，排出口上分别设置有电磁阀b。

52、所述的控制柜包括柜体、电源、触控屏、无线终端设备、可编程逻辑控制器和树莓派，柜体外设置有触控屏，柜体内设置有电源、无线终端设备、可编程逻辑控制器和树莓派，可编程逻辑控制器的输入端通过树莓派与触控屏连接并通过无线终端设备与远程控制设备连接；可编程逻辑控制器输出端与稀肥泵、浓肥泵、清水泵、电磁阀a和电磁阀b连接，以控制稀肥泵、浓肥泵、清水泵、电磁阀a和电磁阀b的启停或开关；所述的触控屏、无线终端设备、可编程逻辑控制器、树莓派、稀肥泵、浓肥泵和清水泵分别与电源连接。

53、所述的树莓派和远程控制设备上分别装载有训练完成的iavoa-xgboost模型。

54、所述的箱体外侧设置有用于检测温湿度的一体传感器和用于检测风速的传感器，流通管上设置有ec传感器和ph传感器，传感器与设置在柜体中的可编程控制器连接。

55、所述的一体传感器一侧的箱体上设置有急停按钮，急停按钮与可编程控制器连接，以通过急停按钮紧急停止施肥灌溉作业。

56、本发明的有益效果在于：

57、该水肥决策精量灌溉方法改进非洲秃鹫优化算法，利用spm混沌映射初始化秃鹫种群，使种群具有更好的遍历性和随机性，使用饥饿度非线性变换策略可以避免算法陷入局部最优解，从而提高算法的全局搜索能力，通过加权时变策略，使开发阶段后期秃鹫位置的更新更多地取决于最优秃鹫位置，通过自适应t分布变异扰动，提高搜索能力，使得种群具备逃离局部最优的能力，将该改进的非洲秃鹫优化算法应用于xgboost模型的超参数调整，能够很好地寻找到损失值最小的超参数，提高模型预测精度。利用该模型有利于合理分配水资源和肥料资源，根据当地的灌溉储备水量，集成充分灌溉和非充分灌溉模式，在满足作物生长需求的前提下大大节约水资源，降低肥料使用量。节约灌溉用水，提高肥料的使用率和作物对肥料的利用率。解决了现有方法导致资源浪费，且不利于作物生长的问题。