科创中国
PSO-LSTM算法的土壤磷含量预测方法
发布时间: 2023-05-26
来源: 科技服务团
基本信息
合作方式：
技术转让
成果类型：
发明专利
行业领域：
农、林、牧、渔业,农、林、牧、渔专业及辅助性活动
成果介绍
一种基于改进PSO‑LSTM算法的土壤磷含量预测方法，包括以下步骤：（1）将收集到的环境参数包括温度，湿度，光照强度，土壤湿度，土壤温度，导电率，PH值做为输入；（2）初始化参数建立模型。包括pso的迭代次数，初始位置与速度，空间维数，种群数量。LSTM的隐藏层，神经元数，学习率，迭代次数；（3）根据需要调整粒子，粒子的结构为（h,a），h代表神经隐含元数，a代表学习率。根据初始化建立LSTM模型。把平均绝对误差作为适应度值。（4）确定粒子的初始位置，得出初始适应度值，从而找到粒子的PBest与GBest的位置。迭代更新粒子的与，计算出新的适应度值，更新粒子的PBest与GBest。（5）若适应度度值趋向稳定或迭代达到最大值，取得最优的学习率与迭代次数。否则回到步骤3；（6）根据最优参数建立模型，对预测数据集进行处理，提高土壤磷含量的预测精度，保证作物的正常生长。
成果亮点
本发明基于改进PSO-LSTM算法的土壤磷含量预测方法的优点是 ：LSTM（长短期记忆神经网络）可以很好的缓解梯度爆炸与梯度消失的问题，且具有记忆性。通过PSO算法对长短期记忆神经网络进行参数优化，利用寻找的最优参数来建立PSO-LSTM模型。PSO-LSTM有效的避免人为调参所带来的不确定性，同时提高了预测的准确性与稳定性。对土壤磷含量预测的准确性高，可以有效保证农业生产的安全性和经济性。
团队介绍
黑龙江大学（Heilongjiang University），位于黑龙江省哈尔滨市，是黑龙江省人民政府和中华人民共和国教育部、国家国防科技工业局共建的省属综合性大学，黑龙江省“双一流”建设国内一流大学A类高校，入选国家卓越法律人才教育培养计划、中西部高校基础能力建设工程、特色重点学科项目、国家建设高水平大学公派研究生项目、中国政府奖学金来华留学生接收院校、全国深化创新创业教育改革示范高校、教育部来华留学示范基地，是世界翻译教育联盟、中俄新闻教育高校联盟、中俄综合性大学联盟、上海合作组织大学、“一带一路”智库合作联盟成员单位。
成果资料
产业化落地方案
成果综合评价报告
评价单位：“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会) 评价时间：2023-11-10
微信公众号
Copyright © 2022 中国科学技术协会 版权所有 | 京ICP备16016202号-20
京公网安备 11010202008974号