土壤重金屬預(yù)測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

土壤重金屬預(yù)測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

1.本發(fā)明涉及土壤檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種土壤重金屬預(yù)測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。


背景技術(shù)：

2.探明具體區(qū)域的土壤中重金屬的具體含量成為了治理土壤重金屬污染不可或缺的一環(huán)。
3.目前人們通常采用神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)，其中徑向基神經(jīng)網(wǎng)絡(luò)因?yàn)槠漭^強(qiáng)的非線性擬合能力已經(jīng)被廣泛應(yīng)用在數(shù)據(jù)預(yù)測(cè)中。不過，目前的徑向基神經(jīng)網(wǎng)絡(luò)存在著在收斂的時(shí)容易陷入局部最小值，不能跳出局部最優(yōu)解的缺點(diǎn)，進(jìn)而導(dǎo)致神經(jīng)網(wǎng)絡(luò)的參數(shù)無法更新到最優(yōu)解，最終導(dǎo)致預(yù)測(cè)結(jié)果的準(zhǔn)確度不高。
4.上述內(nèi)容僅用于輔助理解本發(fā)明的技術(shù)方案，并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。


技術(shù)實(shí)現(xiàn)要素：

5.本發(fā)明的主要目的在于提供一種土壤重金屬預(yù)測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，旨在解決現(xiàn)有技術(shù)中徑向基神經(jīng)網(wǎng)絡(luò)不能跳出局部最優(yōu)解、徑向基神經(jīng)網(wǎng)絡(luò)的參數(shù)無法更新到最優(yōu)解，導(dǎo)致預(yù)測(cè)結(jié)果的準(zhǔn)確度不高的技術(shù)問題。
6.為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種土壤重金屬預(yù)測(cè)方法，所述方法包括以下步驟：
7.獲取土壤重金屬樣本數(shù)據(jù)集；
8.對(duì)所述土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析，得到最優(yōu)個(gè)體；
9.確定初始神經(jīng)網(wǎng)絡(luò)模型隱含層的中心點(diǎn)，并根據(jù)所述土壤重金屬樣本數(shù)據(jù)集生成寬度向量，根據(jù)所述中心點(diǎn)以及寬度向量得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型；
10.獲取待預(yù)測(cè)土壤重金屬數(shù)據(jù)，根據(jù)所述優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待預(yù)測(cè)土壤重金屬數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)結(jié)果。
11.可選地，所述對(duì)所述土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析，得到最優(yōu)個(gè)體，包括：
12.對(duì)所述土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析，得到特征值；
13.對(duì)所述特征值進(jìn)行初始編碼，得到父代種個(gè)體；
14.獲取所述父代種個(gè)體的變換因子，并根據(jù)所述變換因子得到所述父代種個(gè)體的適應(yīng)度；
15.根據(jù)所述父代種個(gè)體的適應(yīng)度確定所述父代種個(gè)體的累計(jì)概率；
16.根據(jù)所述累計(jì)概率對(duì)所述種個(gè)體進(jìn)行選擇，將選擇后的種個(gè)體作為新父代種個(gè)體；
17.根據(jù)所述新父代種個(gè)體得到最優(yōu)個(gè)體。
18.可選地，所述根據(jù)所述新父代種個(gè)體得到最優(yōu)個(gè)體，包括：
19.獲取參與交叉的兩個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)值，比較所述參與交叉的兩個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)值，將較大的適應(yīng)值設(shè)置為交叉適應(yīng)值；
20.獲取預(yù)設(shè)交叉概率、交叉適應(yīng)值與所述新父代種個(gè)體的平均適應(yīng)值；
21.根據(jù)所述預(yù)設(shè)交叉概率、交叉適應(yīng)值與所述新父代種個(gè)體的平均適應(yīng)值得到交叉概率；
22.根據(jù)所述交叉概率對(duì)新父代種個(gè)體進(jìn)行交叉操作，在達(dá)到預(yù)設(shè)結(jié)束條件時(shí)，得到最優(yōu)個(gè)體。
23.可選地，所述根據(jù)所述累計(jì)概率對(duì)所述種個(gè)體選擇，將選擇后的種個(gè)體作為新父代種個(gè)體之后，還包括：
24.獲取參與變異的兩個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)值，比較所述參與變異的兩個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)值，將較大的適應(yīng)值設(shè)置為變異適應(yīng)值；
25.獲取預(yù)設(shè)變異概率、變異適應(yīng)值與所述新父代種個(gè)體的平均適應(yīng)值；
26.根據(jù)所述預(yù)設(shè)變異概率、變異適應(yīng)值與所述新父代種個(gè)體的平均適應(yīng)值得到變異概率；
27.根據(jù)所述變異概率對(duì)新父代種個(gè)體進(jìn)行變異操作，在達(dá)到預(yù)設(shè)結(jié)束條件時(shí)，得到最優(yōu)個(gè)體。
28.可選地，所述確定初始神經(jīng)網(wǎng)絡(luò)模型隱含層的中心點(diǎn)，包括：
29.從所述土壤重金屬樣本數(shù)據(jù)集的特征值中選取目標(biāo)特征值；
30.確定所述目標(biāo)特征值與所述特征值中的其他特征值之間的距離，
31.根據(jù)所述距離得到所述特征值的樣本密度；
32.根據(jù)所述樣本密度確定聚類中心；
33.根據(jù)聚類中心得到隱含層的中心點(diǎn)。
34.可選地，所述根據(jù)所述土壤重金屬樣本數(shù)據(jù)集生成寬度向量，包括：
35.根據(jù)所述土壤重金屬樣本數(shù)據(jù)集與所述聚類中心得到聚類數(shù)據(jù)集；
36.獲取所述聚類數(shù)據(jù)集的樣本數(shù)與樣本數(shù)據(jù)；
37.根據(jù)所述樣本數(shù)據(jù)與所述聚類中心得到距離；
38.根據(jù)所述距離與樣本數(shù)得到每個(gè)聚類的聚類方差；
39.根據(jù)所述聚類方差得到縮放因子；
40.根據(jù)所述縮放因子得到寬度向量。
41.可選地，所述根據(jù)所述中心點(diǎn)以及寬度向量得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型之后，還包括：
42.獲取所述優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型中輸出層的當(dāng)前權(quán)值；
43.獲取上一次迭代的更新值，并根據(jù)所述上一次迭代的更新值、輸出層的權(quán)值與動(dòng)量系數(shù)得到更新后的權(quán)值；
44.根據(jù)所述更新后的權(quán)值得到更新后的梯度；
45.根據(jù)所述更新后的梯度得到累積梯度值與累積梯度平方；
46.根據(jù)所述累積梯度值得到學(xué)習(xí)率；
47.根據(jù)所述當(dāng)前權(quán)值、上一次迭代更新值、更新后的梯度、累積梯度平方得到更新后的權(quán)值，并對(duì)所述優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型中輸出層的權(quán)值更新。
48.此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種土壤重金屬預(yù)測(cè)裝置，所述土壤重金屬預(yù)測(cè)裝置包括：
49.數(shù)據(jù)獲取模塊，用于獲取土壤重金屬樣本數(shù)據(jù)集；
50.個(gè)體選擇模塊，用于對(duì)所述土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析，得到最優(yōu)個(gè)體；
51.模型優(yōu)化模塊，用于確定初始神經(jīng)網(wǎng)絡(luò)模型隱含層的中心點(diǎn)，并根據(jù)所述土壤重金屬樣本數(shù)據(jù)集生成寬度向量，根據(jù)所述中心點(diǎn)以及寬度向量得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型；
52.數(shù)據(jù)預(yù)測(cè)模塊，用于獲取待預(yù)測(cè)土壤重金屬數(shù)據(jù)，根據(jù)所述優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待預(yù)測(cè)土壤重金屬數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)結(jié)果。
53.此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種土壤重金屬預(yù)測(cè)設(shè)備，所述土壤重金屬預(yù)測(cè)設(shè)備包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的土壤重金屬預(yù)測(cè)程序，所述土壤重金屬預(yù)測(cè)程序配置為實(shí)現(xiàn)如上文所述的土壤重金屬預(yù)測(cè)方法的步驟。
54.此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有土壤重金屬預(yù)測(cè)程序，所述土壤重金屬預(yù)測(cè)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的土壤重金屬預(yù)測(cè)方法的步驟。
55.本發(fā)明通過獲取土壤重金屬樣本數(shù)據(jù)集，對(duì)土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析，得到最優(yōu)個(gè)體，確定初始神經(jīng)網(wǎng)絡(luò)模型隱含層的中心點(diǎn)，并根據(jù)土壤重金屬樣本數(shù)據(jù)集生成寬度向量，根據(jù)中心點(diǎn)以及寬度向量得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型，獲取待預(yù)測(cè)土壤重金屬數(shù)據(jù)，根據(jù)優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待預(yù)測(cè)土壤重金屬數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)結(jié)果。通過對(duì)樣本數(shù)據(jù)篩選，將得到的最優(yōu)個(gè)體作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，避免在預(yù)測(cè)過程中不能跳出局部最優(yōu)解，也避免初始神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)無法更新到最優(yōu)解，從而保證在參數(shù)更新時(shí)出現(xiàn)較小的誤差，進(jìn)而最終得到更準(zhǔn)確的預(yù)測(cè)結(jié)果。
附圖說明
56.圖1是本發(fā)明實(shí)施例方案涉及的硬件運(yùn)行環(huán)境的土壤重金屬預(yù)測(cè)設(shè)備的結(jié)構(gòu)示意圖；
57.圖2為本發(fā)明土壤重金屬預(yù)測(cè)方法第一實(shí)施例的流程示意圖；
58.圖3為本發(fā)明土壤重金屬預(yù)測(cè)方法整體流程示意圖；
59.圖4為本發(fā)明土壤重金屬預(yù)測(cè)方法第二實(shí)施例的流程示意圖；
60.圖5為本發(fā)明土壤重金屬預(yù)測(cè)方法第三實(shí)施例的流程示意圖；
61.圖6為徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖；
62.圖7為本發(fā)明土壤重金屬預(yù)測(cè)方法第四實(shí)施例的流程示意圖；
63.圖8為本發(fā)明土壤重金屬預(yù)測(cè)裝置的第一實(shí)施例的結(jié)構(gòu)框圖。
64.本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說明。
具體實(shí)施方式
65.應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
66.參照?qǐng)D1，圖1為本發(fā)明實(shí)施例方案涉及的硬件運(yùn)行環(huán)境的土壤重金屬預(yù)測(cè)設(shè)備結(jié)
構(gòu)示意圖。
67.如圖1所示，該土壤重金屬預(yù)測(cè)設(shè)備可以包括：處理器1001，例如中央處理器(central processing unit，cpu)，通信總線1002、用戶接口1003，網(wǎng)絡(luò)接口1004，存儲(chǔ)器1005。其中，通信總線1002用于實(shí)現(xiàn)這些組件之間的連接通信。用戶接口1003可以包括顯示屏(display)、輸入單元比如鍵盤 (keyboard)，可選用戶接口1003還可以包括標(biāo)準(zhǔn)的有線接口、無線接口。網(wǎng)絡(luò)接口1004可選的可以包括標(biāo)準(zhǔn)的有線接口、無線接口(如無線保真 (wireless-fidelity，wi-fi)接口)。存儲(chǔ)器1005可以是高速的隨機(jī)存取存儲(chǔ)器(random access memory，ram)存儲(chǔ)器，也可以是穩(wěn)定的非易失性存儲(chǔ)器(non-volatile memory，nvm)，例如磁盤存儲(chǔ)器。存儲(chǔ)器1005可選的還可以是獨(dú)立于前述處理器1001的存儲(chǔ)裝置。
68.本領(lǐng)域技術(shù)人員可以理解，圖1中示出的結(jié)構(gòu)并不構(gòu)成對(duì)土壤重金屬預(yù)測(cè)設(shè)備的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布置。
69.如圖1所示，作為一種存儲(chǔ)介質(zhì)的存儲(chǔ)器1005中可以包括操作系統(tǒng)、網(wǎng)絡(luò)通信模塊、用戶接口模塊以及土壤重金屬預(yù)測(cè)程序。
70.在圖1所示的土壤重金屬預(yù)測(cè)設(shè)備中，網(wǎng)絡(luò)接口1004主要用于與網(wǎng)絡(luò)服務(wù)器進(jìn)行數(shù)據(jù)通信；用戶接口1003主要用于與用戶進(jìn)行數(shù)據(jù)交互；本發(fā)明土壤重金屬預(yù)測(cè)設(shè)備中的處理器1001、存儲(chǔ)器1005可以設(shè)置在土壤重金屬預(yù)測(cè)設(shè)備中，所述土壤重金屬預(yù)測(cè)設(shè)備通過處理器1001調(diào)用存儲(chǔ)器1005中存儲(chǔ)的土壤重金屬預(yù)測(cè)程序，并執(zhí)行本發(fā)明實(shí)施例提供的土壤重金屬預(yù)測(cè)方法。
71.本發(fā)明實(shí)施例提供了一種土壤重金屬預(yù)測(cè)方法，參照?qǐng)D2，圖2為本發(fā)明一種土壤重金屬預(yù)測(cè)方法第一實(shí)施例的流程示意圖。
72.本實(shí)施例中，所述土壤重金屬預(yù)測(cè)方法包括以下步驟：
73.步驟s10：獲取土壤重金屬樣本數(shù)據(jù)集。
74.需要說明的是，本實(shí)施例的執(zhí)行主體是土壤重金屬預(yù)測(cè)設(shè)備，其中，該土壤重金屬預(yù)測(cè)設(shè)備具有土壤檢測(cè)、數(shù)據(jù)通信及程序運(yùn)行等功能，所述土壤重金屬預(yù)測(cè)設(shè)備可以為集成控制器、控制計(jì)算機(jī)以及掌上電腦等設(shè)備，當(dāng)然還可以為其他具有相似功能的設(shè)備，本實(shí)施例不做具體限制。
75.可以理解的是，土壤重金屬樣本數(shù)據(jù)集可以是根據(jù)作物分布、土壤類型等信息定點(diǎn)采樣獲得的數(shù)據(jù)集合；其中，土壤重金屬樣本數(shù)據(jù)集包含經(jīng)度、緯度、海拔、作物類型等特征值，也包含重金屬砷(as)含量等的目標(biāo)值。
76.在具體實(shí)現(xiàn)中，土壤重金屬樣本數(shù)據(jù)集的獲取方式可以是從本地存儲(chǔ)中直接獲取的，也可以是上傳在云端服務(wù)器中需要下載的，本實(shí)施例對(duì)此不做限制。
77.步驟s20：對(duì)所述土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析，得到最優(yōu)個(gè)體。
78.需要說明的是，最優(yōu)個(gè)體可以是對(duì)土壤重金屬樣本數(shù)據(jù)集進(jìn)行去雜操作后得到的優(yōu)化樣本數(shù)據(jù)集。
79.可以理解的是，對(duì)土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析可以是對(duì)土壤重金屬樣本數(shù)據(jù)集中的作物分布和土壤類型進(jìn)行分析，也可以是根據(jù)經(jīng)度、維度、海拔、作物類型進(jìn)行分析，本實(shí)施例對(duì)此不做限制。
80.在具體實(shí)現(xiàn)中，對(duì)土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析得到最優(yōu)個(gè)體可以是通過土壤重金屬數(shù)據(jù)集與最優(yōu)個(gè)體之間的映射關(guān)系確定最優(yōu)個(gè)體，還可以是通過根據(jù)土壤重金
屬數(shù)據(jù)集中的數(shù)據(jù)獲得最優(yōu)個(gè)體的公式確定的，本實(shí)施例對(duì)此不做限制。
81.需要理解的是，最優(yōu)個(gè)體指的是經(jīng)過算法多次迭代后，能夠使最終的結(jié)果處于全局最優(yōu)解的集合。
82.在具體實(shí)現(xiàn)中，在獲取到土壤重金屬樣本數(shù)據(jù)集時(shí)，將土壤重金屬樣本數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理數(shù)據(jù)，對(duì)預(yù)處理數(shù)據(jù)進(jìn)行自適應(yīng)操作，根據(jù)土壤重金屬數(shù)據(jù)集與最優(yōu)個(gè)體之間的對(duì)應(yīng)關(guān)系確定最優(yōu)個(gè)體。
83.步驟s30：確定初始神經(jīng)網(wǎng)絡(luò)模型隱含層的中心點(diǎn)，并根據(jù)所述土壤重金屬樣本數(shù)據(jù)集生成寬度向量，根據(jù)所述中心點(diǎn)以及寬度向量得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型。
84.需要理解的是，隱含層可以是屬于徑向基神經(jīng)網(wǎng)絡(luò)模型中的一個(gè)組成部分，而隱含層的中心點(diǎn)指的是在隱含層中，實(shí)現(xiàn)徑向基神經(jīng)網(wǎng)絡(luò)算法模型中具有實(shí)際功能的神經(jīng)元。
85.可以理解的是，寬度向量可以是描述中心點(diǎn)大小的概念，起到的作用是對(duì)中心點(diǎn)的范圍進(jìn)行限制。
86.在具體實(shí)現(xiàn)中，根據(jù)所述土壤重金屬樣本數(shù)據(jù)集生成寬度向量，可以是通過對(duì)土壤重金屬樣本數(shù)據(jù)集中的數(shù)據(jù)分布，根據(jù)數(shù)據(jù)的分散程度與各數(shù)據(jù)之間的距離確定數(shù)據(jù)的稠密程度，并根據(jù)中心點(diǎn)之間的距離確定寬度向量，還可以是根據(jù)土壤重金屬數(shù)據(jù)集與寬度向量之間的對(duì)應(yīng)關(guān)系確定得到，本實(shí)施例對(duì)此不做限制。
87.在具體實(shí)現(xiàn)中，根據(jù)所述中心點(diǎn)以及寬度向量得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型，可以是先確定出隱含層的中心點(diǎn)，再根據(jù)土壤重金屬樣本數(shù)據(jù)集得到寬度向量，根據(jù)寬度向量對(duì)中心點(diǎn)對(duì)應(yīng)的中心的寬度范圍進(jìn)行約束，從而得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型。
88.步驟s40：獲取待預(yù)測(cè)土壤重金屬數(shù)據(jù)，根據(jù)所述優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待預(yù)測(cè)土壤重金屬數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)結(jié)果。
89.應(yīng)當(dāng)理解的是，待預(yù)測(cè)土壤重金屬數(shù)據(jù)是用來預(yù)測(cè)土壤重金屬含量的數(shù)據(jù)，待預(yù)測(cè)土壤數(shù)據(jù)可以是從本地存儲(chǔ)直接獲取，也可以是從云端獲取，本實(shí)施例對(duì)此不做限制。
90.在具體實(shí)現(xiàn)中，通過將獲取到的待預(yù)測(cè)土壤重金屬數(shù)據(jù)輸入到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型中，根據(jù)優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型中蘊(yùn)含的待預(yù)測(cè)土壤重金屬數(shù)據(jù)與預(yù)測(cè)結(jié)果之間的對(duì)應(yīng)關(guān)系，得到預(yù)測(cè)結(jié)果，確定出待預(yù)測(cè)土壤重金屬的含量。
91.參照?qǐng)D3，圖3為本實(shí)施例的整體流程示意圖，對(duì)采集的樣本進(jìn)行歸一化處理得到種個(gè)體，根據(jù)遺傳算法對(duì)種個(gè)體進(jìn)行初始化、編碼操作，并計(jì)算各種個(gè)體的適應(yīng)值，根據(jù)適應(yīng)值進(jìn)行選擇操作，并進(jìn)行自適應(yīng)的交叉、變異、模擬退火操作，并判斷是否接收得到的數(shù)據(jù)，當(dāng)滿足要求時(shí)，將得到的數(shù)據(jù)輸出為最優(yōu)個(gè)體。首先確定初始神經(jīng)網(wǎng)絡(luò)模型，并根據(jù)密度聚類山峰算法和自適應(yīng)方差度量法確定基本的神經(jīng)網(wǎng)絡(luò)模型，并將之前對(duì)樣本處理得到的最優(yōu)個(gè)體帶入模型中，進(jìn)行反向更新進(jìn)而得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，并進(jìn)行仿真預(yù)測(cè)。
92.本實(shí)施例通過從本地或云端獲取土壤重金屬樣本數(shù)據(jù)集，對(duì)獲取到的土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析，得到最優(yōu)個(gè)體，根據(jù)土壤重金屬樣本數(shù)據(jù)集確定出初始神經(jīng)網(wǎng)絡(luò)模型中隱含層的中心點(diǎn)，在根據(jù)土壤重金屬樣本數(shù)據(jù)集確定出寬度向量，根據(jù)寬度向量確定出中心點(diǎn)對(duì)應(yīng)的中心的寬度范圍，根據(jù)確定好的中心點(diǎn)寬度范圍與最優(yōu)個(gè)體得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型，再將待預(yù)測(cè)的數(shù)據(jù)輸入到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型中，進(jìn)而得到預(yù)測(cè)數(shù)
據(jù)。本實(shí)施例通過對(duì)初始神經(jīng)網(wǎng)絡(luò)隱含層的中心點(diǎn)和向量寬度的確定，得到了神經(jīng)網(wǎng)絡(luò)模型，再通過對(duì)土壤重金屬樣本數(shù)據(jù)集的數(shù)據(jù)進(jìn)行樣本分析，得到最優(yōu)個(gè)體，將得到的最優(yōu)個(gè)體輸入到神經(jīng)網(wǎng)絡(luò)模型中，確定了神經(jīng)網(wǎng)絡(luò)模型輸出層的模型參數(shù)，得到了優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型，進(jìn)而提高了神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的準(zhǔn)確度。
93.參考圖4，圖4為本發(fā)明一種土壤重金屬預(yù)測(cè)方法第二實(shí)施例的流程示意圖。
94.基于上述第一實(shí)施例，本實(shí)施例土壤重金屬預(yù)測(cè)方法中，所述步驟s20 包括：
95.步驟s201：對(duì)所述土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析，得到特征值。
96.需要說明的是，特征值是土壤重金屬樣本數(shù)據(jù)中作為模型訓(xùn)練的輸入值，包括經(jīng)度、緯度、海拔、作物類型等。
97.步驟s202：對(duì)所述特征值進(jìn)行初始化編碼，得到父代種個(gè)體。
98.需要說明的是，將每一個(gè)特征值當(dāng)做一個(gè)父代種個(gè)體，對(duì)特征值編碼其實(shí)際上是對(duì)每一個(gè)父代種個(gè)體的染體進(jìn)行編碼。
99.應(yīng)當(dāng)說明的是，對(duì)染體進(jìn)行初始化編碼，是為了將復(fù)雜的染體數(shù)據(jù)轉(zhuǎn)化成容易處理的數(shù)據(jù)，通常采用的編碼方法有實(shí)數(shù)編碼、浮點(diǎn)編碼與二進(jìn)制編碼等，本實(shí)施例對(duì)此不做限制。
100.在具體實(shí)現(xiàn)中，首先通過對(duì)父代種個(gè)體的染體進(jìn)行歸一化處理，歸一化處理方式可以為最大最小歸一化、z-score標(biāo)準(zhǔn)化方法等，本實(shí)施例對(duì)此不做限制，將通過歸一化之后的數(shù)據(jù)進(jìn)行初始化編碼，進(jìn)而得到父代種個(gè)體。本實(shí)施例以最大最小歸一化為例進(jìn)行說明，將樣本數(shù)據(jù)中最大的樣本值和最小的樣本值選擇出來，并根據(jù)公式：
101.pn＝(p-p
min
)/(p
max-p
min
)
102.其中pn為歸一化得到的結(jié)果，p為原始數(shù)據(jù)，p
max
與p
min
分別為原始數(shù)據(jù)中的最大值和最小值。
103.步驟s203：獲取所述父代種個(gè)體的變換因子，并根據(jù)所述變換因子得到所述父代種個(gè)體的適應(yīng)度。
104.需要說明的是，適應(yīng)度是用來標(biāo)識(shí)父代種個(gè)體中個(gè)體在種生存的優(yōu)勢(shì)程度度量，用來區(qū)分個(gè)體的“好”與“壞”。
105.可以理解的是，變換因子是為了將目標(biāo)函數(shù)值轉(zhuǎn)化為非負(fù)值的工具量。
106.應(yīng)當(dāng)理解的是，適應(yīng)度是通過適應(yīng)度函數(shù)計(jì)算而來的，適應(yīng)度函數(shù)通常用于轉(zhuǎn)換目標(biāo)函數(shù)為相對(duì)適應(yīng)度值，適應(yīng)度函數(shù)公式如下：
107.f(x)＝gf(x)
108.其中f是目標(biāo)函數(shù)，g是將目標(biāo)函數(shù)值轉(zhuǎn)換為非負(fù)值的變換因子，f是所得的相對(duì)適應(yīng)度。
109.步驟s204：根據(jù)所述父代種個(gè)體的適應(yīng)度確定所述父代種個(gè)體的累計(jì)概率。
110.需要說明的是，累計(jì)概率指的是種內(nèi)所有個(gè)體被選中的概率值之和，而個(gè)體被選中的概率是通過個(gè)體的適應(yīng)度確定的，個(gè)體的適應(yīng)度越高，被選中的概率越大，其中個(gè)體被選擇的概率計(jì)算公式如下：
[0111][0112]
其中，f(xi)表示為個(gè)體xi的適應(yīng)度，該個(gè)體被選中的概率為p(xi)。
[0113]
累計(jì)概率計(jì)算公式如下：
[0114][0115]
其中，p(xj)表示個(gè)體被選中的概率，q(xi)表示累積概率。
[0116]
步驟s205：根據(jù)所述累計(jì)概率對(duì)所述種個(gè)體進(jìn)行選擇，將選擇后的種個(gè)體作為新父代種個(gè)體。
[0117]
需要說明的是，所述累計(jì)概率對(duì)所述種個(gè)體進(jìn)行選擇，將選擇后的種個(gè)體作為新父代種個(gè)體的方式可為賭選擇、隨即競(jìng)爭(zhēng)選擇、最佳保留選擇等，本實(shí)施例對(duì)此不做限制。本實(shí)施例以賭選擇為例進(jìn)行說明。
[0118]
在具體實(shí)現(xiàn)中，先獲取每個(gè)染體對(duì)應(yīng)的適應(yīng)度，并計(jì)算它們總的適應(yīng)度，然后分別計(jì)算每條染體在總的適應(yīng)度中的占比，得到的占比被當(dāng)做各個(gè)個(gè)體被選中的概率，例如現(xiàn)在有5條染體，它們的適應(yīng)度分別為5、8、3、 7、2。那么總的適應(yīng)度為：f＝5+8+3+7+2＝25。那么各個(gè)個(gè)體被選中的概率為：
[0119]
α1＝(5/25)*100％＝20％
[0120]
α2＝(8/25)*100％＝32％
[0121]
α3＝(3/25)*100％＝12％
[0122]
α4＝(7/25)*100％＝28％
[0123]
α5＝(2/25)*100％＝8％
[0124]
步驟s206：根據(jù)所述新父代種個(gè)體得到最優(yōu)個(gè)體。
[0125]
需要說明的是，新父代種個(gè)體指的是根據(jù)每條染體的選中概率選擇出來的種個(gè)體，這里的新種個(gè)體并非生成了新的個(gè)體，而是在原父代種個(gè)體的基礎(chǔ)上進(jìn)行篩選后而產(chǎn)生的，本質(zhì)上是屬于原父代種的一部分。
[0126]
進(jìn)一步的，在具體實(shí)現(xiàn)中，根據(jù)新父代種個(gè)體選擇最優(yōu)個(gè)體時(shí)，為了能夠讓最終得到的最優(yōu)個(gè)體更好，所述步驟s206包括：
[0127]
獲取參與交叉的兩個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)值，比較所述參與交叉的兩個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)值，將較大的適應(yīng)值設(shè)置為交叉適應(yīng)值；
[0128]
獲取預(yù)設(shè)交叉概率、交叉適應(yīng)值與所述新父代種個(gè)體的平均適應(yīng)值；
[0129]
根據(jù)所述預(yù)設(shè)交叉概率、交叉適應(yīng)值與所述新父代種個(gè)體的平均適應(yīng)值得到交叉概率；
[0130]
根據(jù)所述交叉概率對(duì)新父代種個(gè)體進(jìn)行交叉操作，在達(dá)到預(yù)設(shè)結(jié)束條件時(shí)，得到最優(yōu)個(gè)體。
[0131]
需要說明的是，交叉操作是指對(duì)兩個(gè)相互配對(duì)的染體按交叉算子互相交換其部分基因，從而形成兩個(gè)新的個(gè)體。這里的交叉算子可以為單點(diǎn)交叉、雙點(diǎn)交叉與多點(diǎn)交叉、均勻交叉、算數(shù)交叉等，本實(shí)施例對(duì)此不做限制，在本實(shí)施例中采用單點(diǎn)交叉(one-point crossover)進(jìn)行說明，單點(diǎn)交叉指的是在個(gè)體編碼串中只隨機(jī)設(shè)置一個(gè)交叉點(diǎn)，然后在該交叉點(diǎn)互相交換兩個(gè)配對(duì)個(gè)體的部分染體。在進(jìn)行交叉操作時(shí)，為了能夠盡可能的讓適應(yīng)度較低的個(gè)體盡可能參與交叉，讓適應(yīng)值較高的個(gè)體盡可能保持在交叉概率不為0的稍低值，因此需要獲取到參與交叉?zhèn)€體的適應(yīng)度值，并根據(jù)兩個(gè)參與交叉的個(gè)體的適應(yīng)度確
定交叉的概率，因此采用sigmoid函數(shù)來構(gòu)建交叉的概率調(diào)整公式，sigmoid函數(shù)公式如下：
[0132][0133]
將中的自變量x用余弦部分替換，組成復(fù)合函數(shù)如下：
[0134][0135]
由sigmoid函數(shù)的性質(zhì)可知：當(dāng)x≥9.903438時(shí)，接近1；當(dāng) x≤-9.903438時(shí)，接近0。要使值域?yàn)閇0，1]區(qū)間內(nèi)，則a＝9.903438。
[0136]
因此本文提出的自適應(yīng)概率調(diào)整方式如下：
[0137][0138]
其中pc為交叉概率，取值范圍為0.5～0.9，p
cmax
為最大的交叉率，p
cmin
為最小的交叉率，f
′
為參與交叉操作的兩個(gè)個(gè)體中較大的適應(yīng)度值，f
avg
為整個(gè)種的平均適應(yīng)度值。
[0139]
為了能夠讓最終得到的最優(yōu)個(gè)體更好，所述步驟s206包括：
[0140]
獲取參與變異的兩個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)值，比較所述參與變異的兩個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)值，將較大的適應(yīng)值設(shè)置為變異適應(yīng)值；
[0141]
獲取預(yù)設(shè)變異概率、變異適應(yīng)值與所述新父代種個(gè)體的平均適應(yīng)值；
[0142]
根據(jù)所述預(yù)設(shè)變異概率、變異適應(yīng)值與所述新父代種個(gè)體的平均適應(yīng)值得到變異概率；
[0143]
根據(jù)所述變異概率對(duì)新父代種個(gè)體進(jìn)行變異操作，在達(dá)到預(yù)設(shè)結(jié)束條件時(shí)，得到最優(yōu)個(gè)體。
[0144]
需要說明的是，變異操作是指將個(gè)體染體編碼中某些基因?qū)嵱闷渌蜻M(jìn)行替換，在這個(gè)過程中并未產(chǎn)生新的個(gè)體，這里使用的變異算子對(duì)基因進(jìn)行變更，變異算子可以為基本位變異、均值變異、邊界變異、非均勻變異與高斯近似變異等，本實(shí)施例對(duì)此不做限制。在進(jìn)行變異操作時(shí)，為了能夠盡可能的讓適應(yīng)度較低的個(gè)體盡可能參與變異，讓適應(yīng)值較高的個(gè)體盡可能保持在變異概率不為0的稍低值，因此需要獲取到參與變異個(gè)體的適應(yīng)度值，并根據(jù)兩個(gè)參與變異的個(gè)體的適應(yīng)度確定變異的概率，因此本文提出的自適應(yīng)變異公式如下：
[0145][0146]
其中，pm為變異概率，取值范圍為0.01～0.1，p
mmax
為最大的交叉率，p
mmin
為最小的交叉率，f為參與變異操作的變異個(gè)體的適應(yīng)度值。
[0147]
本實(shí)施例通過對(duì)父代種個(gè)體的染體進(jìn)行編碼，并為每個(gè)個(gè)體的染體賦予適應(yīng)度，根據(jù)每個(gè)個(gè)體的適應(yīng)度選擇存留下來的種個(gè)體組成新父代種個(gè)體，并對(duì)得到的新父代種個(gè)體進(jìn)行篩選，根據(jù)設(shè)置的容忍度值，將滿足條件的個(gè)體輸出為最優(yōu)種個(gè)體，避免了將大量質(zhì)量不好的數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)模型中，使得最后訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)模型能夠更加準(zhǔn)確。
[0148]
參考圖5，圖5為本發(fā)明一種土壤重金屬預(yù)測(cè)方法第三實(shí)施例的流程示意圖。
[0149]
基于上述各實(shí)施例，本實(shí)施例土壤重金屬預(yù)測(cè)方法所述步驟s30包括：
[0150]
步驟s301：從所述土壤重金屬樣本數(shù)據(jù)集的特征值中選取目標(biāo)特征值。
[0151]
需要說明的是，目標(biāo)特征值是土壤重金屬樣本數(shù)據(jù)集的特征值中的其中一個(gè)特征值，其中每一個(gè)特征值都會(huì)成為目標(biāo)特征值。
[0152]
步驟s302：確定所述目標(biāo)特征值與所述特征值中的其他特征值之間的距離。
[0153]
需要說明的是，所述目標(biāo)特征值與所述特征值中的其他特征值之間的距離指的是目標(biāo)特征值與所述特征值中的其他特征值之間的歐式距離，例如當(dāng)前存在一個(gè)特征值集合{a，b，c，d，e}，當(dāng)前選取的目標(biāo)特征值為a，則其他特征值為b，c，d，e。目標(biāo)特征值與其他特征值之間的距離為特征值之間的歐式距離。
[0154]
步驟s303：根據(jù)所述距離得到所述特征值的樣本密度。
[0155]
需要說明的是，樣本密度指的是數(shù)據(jù)樣本中每個(gè)樣本的密度大小，根據(jù)密度大小能夠區(qū)分正常數(shù)據(jù)點(diǎn)和離數(shù)據(jù)點(diǎn)。樣本點(diǎn)的密度大小確定公式如下：
[0156][0157]
其中，m(p)為數(shù)據(jù)樣本點(diǎn)的密度大小，k為近鄰點(diǎn)的數(shù)量，d(p，xi)為數(shù)據(jù)樣本點(diǎn)p到xi的歐式距離，δk(xi)為數(shù)據(jù)樣本點(diǎn)xi到距離其第k個(gè)近鄰點(diǎn)的歐式距離， knn(p)為數(shù)據(jù)樣本點(diǎn)p的k近鄰集合。
[0158]
步驟s304：根據(jù)所述樣本密度確定聚類中心。
[0159]
需要說明的是，根據(jù)樣本數(shù)據(jù)的樣本密度，能夠確定出哪一些數(shù)據(jù)是呈現(xiàn)出聚集趨勢(shì)的，并獲得到聚集區(qū)域，因此根據(jù)樣本密度確定出聚類中心。
[0160]
步驟s305：根據(jù)聚類中心得到隱含層的中心點(diǎn)。
[0161]
需要理解的是，如圖6所示，徑向基神經(jīng)網(wǎng)絡(luò)具有輸入層、隱含層和輸出層，輸入層與輸出層有樣本數(shù)據(jù)中的特征值的數(shù)量和目標(biāo)值的數(shù)量確定其節(jié)點(diǎn)數(shù)，輸入的樣本數(shù)據(jù)包括經(jīng)度、緯度、海拔、作物類型四個(gè)特征值，那么對(duì)應(yīng)的輸入層節(jié)點(diǎn)是為4，輸出樣本數(shù)據(jù)為重金屬as的含量，那么對(duì)應(yīng)的輸出節(jié)點(diǎn)數(shù)為1。而隱含層的節(jié)點(diǎn)數(shù)對(duì)應(yīng)著隱含層的中心點(diǎn)的數(shù)量，聚類中心對(duì)應(yīng)著隱含層的中心點(diǎn)的位置所在。
[0162]
為了進(jìn)一步的得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型，還包括步驟：
[0163]
根據(jù)所述土壤重金屬樣本數(shù)據(jù)集與所述聚類中心得到聚類數(shù)據(jù)集。
[0164]
需要說明的是，聚類數(shù)據(jù)集中的數(shù)據(jù)是來自土壤重金屬樣本數(shù)據(jù)集中的，聚類數(shù)據(jù)集中的數(shù)據(jù)呈現(xiàn)向聚集中心聚集的狀態(tài)。
[0165]
獲取所述聚類數(shù)據(jù)集的樣本數(shù)與樣本數(shù)據(jù)；
[0166]
需要說明的是，樣本數(shù)指的是在聚類數(shù)據(jù)集中存在的數(shù)據(jù)個(gè)數(shù)，而樣本數(shù)據(jù)指的
是聚類數(shù)據(jù)集中具體包含的具體數(shù)據(jù)。
[0167]
根據(jù)所述樣本數(shù)據(jù)與所述聚類中心得到距離；
[0168]
需要說明的是，樣本數(shù)據(jù)與聚類中心的距離指的是樣本數(shù)據(jù)與聚類中心之間的歐式距離。
[0169]
根據(jù)所述距離與樣本數(shù)得到每個(gè)聚類的聚類方差；
[0170]
需要說明的是，聚類方差表示的是樣本數(shù)據(jù)分布的密度，能夠一定程度反應(yīng)出聚類的寬度，就算聚類方差的公式為：
[0171][0172]
其中，si為每個(gè)聚類的方差，size(ci)為屬于聚類中心點(diǎn)ui的樣本數(shù)量， dist(x，ui)為歐式距離，ci為子樣本。當(dāng)聚類數(shù)據(jù)集中的數(shù)據(jù)越稠密，得到的聚類方差就會(huì)越小，當(dāng)聚類數(shù)據(jù)集中的數(shù)據(jù)越稀疏，得到的聚類方差就會(huì)越大，而稠密和稀疏程度是通過數(shù)據(jù)之間的歐式距離dist(x，ui)反應(yīng)得到
[0173]
根據(jù)所述聚類方差得到縮放因子；
[0174]
需要說明的是，縮放因子是確定聚類中心寬度的變化量，是根據(jù)所在聚類數(shù)據(jù)集的數(shù)據(jù)決定的，具體計(jì)算公式為：
[0175][0176]
聚類方差就會(huì)越小，得到的縮放因子εi也會(huì)變小，中心點(diǎn)的寬度也會(huì)減小，相反，聚類方差就會(huì)越大，得到的縮放因子εi也會(huì)變大，中心點(diǎn)的寬度也會(huì)減大。
[0177]
根據(jù)所述縮放因子得到寬度向量。
[0178]
需要說明的是，寬度向量決定了當(dāng)前這一聚類中心的寬度大小，具體是有縮放因子和聚類中心之間的距離確定的。
[0179]
在具體實(shí)現(xiàn)中，首先計(jì)算出聚類中心之間的歐氏距離，根據(jù)聚類中心之間的歐氏距離得到距離基數(shù)，距離基數(shù)是每個(gè)聚類中心點(diǎn)之間的平均距離的平均值，具體的計(jì)算公式如下：
[0180][0181]
其中，meand(ui)為每個(gè)聚類中心點(diǎn)之間的距離的平均值，k為近鄰點(diǎn)的數(shù)量，dist(ui，uj)為歐式距離。在根據(jù)得到的距離基數(shù)與縮放因子確定每一個(gè)聚類中心的寬度，具體的計(jì)算公式為：
[0182]
σi＝εi·
meand(ui)
[0183]
本實(shí)施例通過土壤重金屬數(shù)據(jù)集選擇出對(duì)應(yīng)的目標(biāo)值，計(jì)算該目標(biāo)值與其他特征值之間的距離，并確定出整體的樣本密度，根據(jù)所得到的樣本密度得到若干個(gè)聚類中心，聚類中心的個(gè)數(shù)與隱含層的中心點(diǎn)的個(gè)數(shù)對(duì)應(yīng)，在得到聚類中心后去計(jì)算聚類中心之間的距離，從而去確定出聚類中心的寬度向量，進(jìn)而得到具體的，大小合適的聚類中心，并優(yōu)化神經(jīng)網(wǎng)絡(luò)模型。保證了在中心點(diǎn)寬度的確定上相較于傳統(tǒng)方式來說更加準(zhǔn)確，進(jìn)而是最終預(yù)測(cè)結(jié)果的準(zhǔn)確度提高。
[0184]
參照?qǐng)D7，圖7為本發(fā)明一種土壤重金屬預(yù)測(cè)方法第三實(shí)施例的流程示意圖。
[0185]
基于上述各實(shí)施例，本實(shí)施例土壤重金屬預(yù)測(cè)方法在所述步驟s30之后，還包括：
[0186]
步驟s306：獲取所述優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型中輸出層的當(dāng)前權(quán)值；
[0187]
步驟s307：獲取上一次迭代的更新值，并根據(jù)所述上一次迭代的更新值、輸出層的權(quán)值與動(dòng)量系數(shù)得到更新后的權(quán)值。
[0188]
步驟s308：根據(jù)所述更新后的權(quán)值得到更新后的梯度。
[0189]
步驟s309：根據(jù)所述更新后的梯度得到累積梯度值與累積梯度平方。
[0190]
需要說明的是，當(dāng)前權(quán)值是優(yōu)化后神經(jīng)網(wǎng)絡(luò)當(dāng)前訓(xùn)練狀態(tài)輸出層對(duì)應(yīng)的權(quán)值，當(dāng)一個(gè)輸入值輸入到神經(jīng)網(wǎng)絡(luò)模型中，會(huì)將輸入值和當(dāng)前權(quán)值進(jìn)行計(jì)算，得到最后的輸出結(jié)果。
[0191]
可以理解的是，上一次迭代更新值指的是在上此次權(quán)值進(jìn)行迭代時(shí)對(duì)權(quán)值的變化量，在最初迭代時(shí)，對(duì)應(yīng)的上一次迭代的更新值對(duì)應(yīng)為0。
[0192]
在具體實(shí)現(xiàn)中，在對(duì)當(dāng)前權(quán)值進(jìn)行更新時(shí)，需要獲取第t次迭代的權(quán)值w，并獲取到第t-1次到第t次這個(gè)過程中權(quán)值的更新值，更新公式如下：
[0193]w′
＝w
t
+α*v
t-1
[0194]
其中，w
t
為當(dāng)前迭代次數(shù)對(duì)應(yīng)的權(quán)值，α為動(dòng)量系數(shù)，v
t-1
為上一次迭代更新值，初始值為0。
[0195]
需要說明的是，梯度描述的是權(quán)值的增長(zhǎng)程度，能夠反應(yīng)出權(quán)值變化的快慢程度。
[0196]
可以理解的是，對(duì)每一次權(quán)值迭代后的梯度進(jìn)行累加得到累積梯度值，對(duì)每一次權(quán)值迭代后的梯度去平方，得到累積梯度平方
[0197]
步驟s310：根據(jù)所述累積梯度值得到學(xué)習(xí)率。
[0198]
需要說明的是，學(xué)習(xí)率表示的是每次權(quán)值更新的幅度大小，學(xué)習(xí)率過大，會(huì)導(dǎo)致待優(yōu)化的參數(shù)在最小值附近波動(dòng)，不收斂；學(xué)習(xí)率過小，會(huì)導(dǎo)致待優(yōu)化的參數(shù)收斂緩慢。
[0199]
應(yīng)當(dāng)理解的是，在進(jìn)行迭代優(yōu)化的過程中，如果出現(xiàn)梯度發(fā)生了正負(fù)變化，這就說明在迭代的過程中，已經(jīng)越過了極值點(diǎn)，因此需要在下一次迭代的過程中。不僅需要調(diào)整學(xué)習(xí)方向，還需要下降學(xué)習(xí)步長(zhǎng)；同理，當(dāng)兩次迭代梯度的正負(fù)值沒有發(fā)生改變時(shí)，說明此時(shí)距離極值點(diǎn)的距離較遠(yuǎn)，因此只需要相應(yīng)的增加學(xué)習(xí)步長(zhǎng)。
[0200]
在具體實(shí)現(xiàn)中，通過獲取在迭代過程中的累計(jì)梯度值，并根據(jù)當(dāng)前迭代與上一次迭代的梯度值的乘積選擇對(duì)應(yīng)的公式進(jìn)行計(jì)算當(dāng)前的學(xué)習(xí)率，計(jì)算公式如下：
[0201][0202]
計(jì)算當(dāng)前迭代次數(shù)的學(xué)習(xí)率，其中u表示學(xué)習(xí)率，u0是固定值，s
t
為累計(jì)梯度值，初始值為0，即若迭代前后梯度正負(fù)值發(fā)生變化，則學(xué)習(xí)率減小，反之則學(xué)習(xí)率增大，另外隨著迭代次數(shù)的增大，s
t
不斷增大，則學(xué)習(xí)率的變化不斷減小。
[0203]
步驟s311：根據(jù)所述當(dāng)前權(quán)值、上一次迭代更新值、更新后的梯度、累積梯度平方得到更新后的權(quán)值，并對(duì)所述優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型中輸出層的權(quán)值更新。
[0204]
在具體實(shí)現(xiàn)中，根據(jù)已經(jīng)得到的當(dāng)前權(quán)值、上一次迭代更新值、更新后的梯度、累
積梯度平方得到更新后的權(quán)值，計(jì)算出在本次權(quán)值更新時(shí)的權(quán)值，具體更新公式為：
[0205][0206]wt+1
＝w
t
+v
t
[0207]
其中w
t+1
表示的是當(dāng)前迭代中權(quán)值的更新值，即在權(quán)值的步長(zhǎng)以及學(xué)習(xí)方向進(jìn)行調(diào)整。在權(quán)值調(diào)整完成后，還需檢驗(yàn)是否已經(jīng)滿足終止條件，若沒有滿足終止條件，則需要重新計(jì)算前向誤差，具體的前向誤差計(jì)算公式如下：
[0208]
net＝w
t
x+b
[0209]
h＝g(net)
[0210][0211]
其中w和b為隱藏層和輸出層的權(quán)值和閾值，x為隱藏層與輸出層的輸入數(shù)據(jù)，g為激活函數(shù)，h為輸出，e為誤差，yi為目標(biāo)值，為實(shí)際值。
[0212]
若滿足了終止條件，則可以將得到的優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型作為預(yù)測(cè)模型輸出。
[0213]
在本實(shí)施例中，通過先計(jì)算前向誤差，在使用自適應(yīng)均方根反向傳播算法對(duì)所有的參數(shù)進(jìn)行更新，在傳統(tǒng)的梯度下降算法采用的是固定的學(xué)習(xí)率作為學(xué)習(xí)步長(zhǎng)，對(duì)每一次迭代優(yōu)化的結(jié)果影響較大，從而導(dǎo)致收斂速度慢，收斂精度不高。而在本事實(shí)例中，通過對(duì)兩次迭代時(shí)梯度的正負(fù)值情況，調(diào)整學(xué)習(xí)方向和學(xué)習(xí)步長(zhǎng)，能夠能靈活的、更精確的實(shí)現(xiàn)對(duì)權(quán)值的更新，從而保證了在優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型中所有參數(shù)的準(zhǔn)確性，進(jìn)而保證了最終預(yù)測(cè)結(jié)果的準(zhǔn)確性。
[0214]
此外，本發(fā)明實(shí)施例還提出一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有土壤重金屬預(yù)測(cè)程序，所述土壤重金屬預(yù)測(cè)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的土壤重金屬預(yù)測(cè)方法的步驟。
[0215]
參照?qǐng)D8，圖8為本發(fā)明土壤重金屬預(yù)測(cè)裝置第一實(shí)施例的結(jié)構(gòu)框圖。
[0216]
如圖8所示，本發(fā)明實(shí)施例提出的土壤重金屬預(yù)測(cè)裝置包括：
[0217]
數(shù)據(jù)獲取模塊10，用于獲取土壤重金屬樣本數(shù)據(jù)集。
[0218]
個(gè)體選擇模塊20，用于對(duì)所述土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析，得到最優(yōu)個(gè)體。
[0219]
模型優(yōu)化模塊30，用于確定初始化神經(jīng)網(wǎng)絡(luò)模型隱含層的中心點(diǎn)，并根據(jù)所述土壤重金屬樣本數(shù)據(jù)集生成寬度向量，根據(jù)所述中心點(diǎn)以及寬度向量得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型。
[0220]
數(shù)據(jù)預(yù)測(cè)模塊40，用于獲取待預(yù)測(cè)土壤重金屬數(shù)據(jù)，根據(jù)所述優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待預(yù)測(cè)土壤重金屬數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)結(jié)果。
[0221]
本實(shí)施例通過獲取土壤重金屬樣本數(shù)據(jù)集；對(duì)所述土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析，得到最優(yōu)個(gè)體；確定初始化神經(jīng)網(wǎng)絡(luò)模型隱含層的中心點(diǎn)，并根據(jù)所述土壤重金屬樣本數(shù)據(jù)集生成寬度向量，根據(jù)所述中心點(diǎn)以及寬度向量得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型；獲取待預(yù)測(cè)土壤重金屬數(shù)據(jù)，根據(jù)所述優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待預(yù)測(cè)土壤重金屬數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)結(jié)果。由于本實(shí)施例是根據(jù)對(duì)訓(xùn)練樣本進(jìn)行前置篩選，保障了訓(xùn)練樣本
的質(zhì)量，相較于傳統(tǒng)訓(xùn)練方法，本發(fā)明保證了訓(xùn)練結(jié)果的準(zhǔn)確性，得到的優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型中參數(shù)的準(zhǔn)確度高，進(jìn)而保證了最終預(yù)測(cè)結(jié)果的準(zhǔn)確度高
[0222]
在一實(shí)施例中，所述個(gè)體選擇模塊20，還用于對(duì)所述土壤重金屬樣本數(shù)據(jù)集進(jìn)行樣本分析，得到特征值；對(duì)所述特征值進(jìn)行初始編碼，得到父代種個(gè)體；獲取所述父代種個(gè)體的變換因子，并根據(jù)所述變換因子得到所述父代種個(gè)體的適應(yīng)度；根據(jù)所述父代種個(gè)體的適應(yīng)度確定所述父代種個(gè)體的累計(jì)概率；根據(jù)所述累計(jì)概率對(duì)所述種個(gè)體進(jìn)行選擇，將選擇后的種個(gè)體作為新父代種個(gè)體；根據(jù)所述新父代種個(gè)體得到最優(yōu)個(gè)體。
[0223]
在一實(shí)施例中，所述個(gè)體選擇模塊20，還用于獲取參與交叉的兩個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)值，比較所述參與交叉的兩個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)值，將較大的適應(yīng)值設(shè)置為交叉適應(yīng)值；獲取預(yù)設(shè)交叉概率、交叉適應(yīng)值與所述新父代種個(gè)體的平均適應(yīng)值；根據(jù)所述預(yù)設(shè)交叉概率、交叉適應(yīng)值與所述新父代種個(gè)體的平均適應(yīng)值得到交叉概率；根據(jù)所述交叉概率對(duì)新父代種個(gè)體進(jìn)行交叉操作，在達(dá)到預(yù)設(shè)結(jié)束條件時(shí)，得到最優(yōu)個(gè)體。
[0224]
在一實(shí)施例中，所述個(gè)體選擇模塊20，還用于獲取參與變異的兩個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)值，比較所述參與變異的兩個(gè)個(gè)體對(duì)應(yīng)的適應(yīng)值，將較大的適應(yīng)值設(shè)置為變異適應(yīng)值；獲取預(yù)設(shè)變異概率、變異適應(yīng)值與所述新父代種個(gè)體的平均適應(yīng)值；根據(jù)所述預(yù)設(shè)變異概率、變異適應(yīng)值與所述新父代種個(gè)體的平均適應(yīng)值得到變異概率；根據(jù)所述變異概率對(duì)新父代種個(gè)體進(jìn)行變異操作，在達(dá)到預(yù)設(shè)結(jié)束條件時(shí)，得到最優(yōu)個(gè)體。
[0225]
在一實(shí)施例中，所述模型優(yōu)化模塊30，還用于從所述土壤重金屬樣本數(shù)據(jù)集的特征值中選取目標(biāo)特征值；確定所述目標(biāo)特征值與所述特征值中的其他特征值之間的距離，根據(jù)所述距離得到所述特征值的樣本密度；根據(jù)所述樣本密度確定聚類中心；根據(jù)聚類中心得到隱含層的中心點(diǎn)。
[0226]
在一實(shí)施例中，所述模型優(yōu)化模塊30，還用于根據(jù)所述土壤重金屬樣本數(shù)據(jù)集與所述聚類中心得到聚類數(shù)據(jù)集；獲取所述聚類數(shù)據(jù)集的樣本數(shù)與樣本數(shù)據(jù)；根據(jù)所述樣本數(shù)據(jù)與所述聚類中心得到距離；根據(jù)所述距離與樣本數(shù)得到每個(gè)聚類的聚類方差；根據(jù)所述聚類方差得到縮放因子；根據(jù)所述縮放因子得到寬度向量。
[0227]
在一實(shí)施例中，所述模型優(yōu)化模塊30，還用于獲取所述優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型中輸出層的當(dāng)前權(quán)值；獲取上一次迭代的更新值，并根據(jù)所述上一次迭代的更新值、輸出層的權(quán)值與動(dòng)量系數(shù)得到更新后的權(quán)值；根據(jù)所述更新后的權(quán)值得到更新后的梯度；根據(jù)所述更新后的梯度得到累積梯度值與累積梯度平方；根據(jù)所述累積梯度值得到學(xué)習(xí)率；根據(jù)所述當(dāng)前權(quán)值、上一次迭代更新值、更新后的梯度、累積梯度平方得到更新后的權(quán)值，并對(duì)所述優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型中輸出層的權(quán)值更新。
[0228]
應(yīng)當(dāng)理解的是，以上僅為舉例說明，對(duì)本發(fā)明的技術(shù)方案并不構(gòu)成任何限定，在具體應(yīng)用中，本領(lǐng)域的技術(shù)人員可以根據(jù)需要進(jìn)行設(shè)置，本發(fā)明對(duì)此不做限制。
[0229]
需要說明的是，以上所描述的工作流程僅僅是示意性的，并不對(duì)本發(fā)明的保護(hù)范圍構(gòu)成限定，在實(shí)際應(yīng)用中，本領(lǐng)域的技術(shù)人員可以根據(jù)實(shí)際的需要選擇其中的部分或者全部來實(shí)現(xiàn)本實(shí)施例方案的目的，此處不做限制。
[0230]
此外，需要說明的是，在本文中，術(shù)語(yǔ)“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者系統(tǒng)不僅包括那些要
素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者系統(tǒng)所固有的要素。在沒有更多限制的情況下，由語(yǔ)句“包括一個(gè)
……”
限定的要素，并不排除在包括該要素的過程、方法、物品或者系統(tǒng)中還存在另外的相同要素。
[0231]
上述本發(fā)明實(shí)施例序號(hào)僅僅為了描述，不代表實(shí)施例的優(yōu)劣。
[0232]
通過以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到上述實(shí)施例方法可借助軟件加必需的通用硬件平臺(tái)的方式來實(shí)現(xiàn)，當(dāng)然也可以通過硬件，但很多情況下前者是更佳的實(shí)施方式。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)(如只讀存儲(chǔ)器(read onlymemory，rom)/ram、磁碟、光盤)中，包括若干指令用以使得一臺(tái)終端設(shè)備(可以是手機(jī)，計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述的方法。
[0233]
以上僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。