|
阅读：9594回复：0
气候环境与病虫害发生关系算法模型模型原理 病虫害是一个连续的过程，从轻微到严重，再到轻微，与时间相关。必须考察到过去时间段内每一个时间点内的病害情况，即根据过去的病害情况，预测未来一段时间内的病害情况，是一个条件概率问题。同时，病害的严重程度随天气变化而变化，呈现出一定的相关性和周期性，因此根据问题的特点，我们采用LSTM作为底层特征的采集，并选用一年36旬作为一个周期，最后再使用Softmax作为输出，作为对下一个时间点的病害程度的概率估计。即以过去36旬内的天气情况和病害情况，估计出下一旬内发生病害以及病害程度的概率，以此完成对病害趋势的预测。 确定病害影响因素 根据上述分析，选用的因素分为空间、气象、化学用剂、病害程度和烟草本身特性几大部分，如表1中所示,我们选取与病害情况有关的19项因素组成指标集构成19维向量 表格 1 烟草发病因素
确定优化函数 为了预测未来一段时间内的病害程度，需使用过去连续36旬的病害因素作为依据，推测出下一旬的病害程度。即给定一个包含N个元素的序列, 图片：image026.png  ，使用LSTM模型通过在给定序列图片：image027.png  的情况下对第k个元素图片：image029.png  上式中符号 图片：image028.png  代表第k个向量，即 图片：image032.png  目标是通过最大化下面的似然函数：图片：image033.png  进行概率建模。 因此优化函数为: 图片：image034.png  确定损失函数 式子 图片：image033.png 得到的是在过去历史因素的条件下，对下一个时间点的概率估计，代表的是假设的概率分布，为了使其接近真实分布，使用交叉熵计算假设分布与真实分布之间的差异：交叉熵也衡量了预测值与真实值之间的接近程度。 进行优化 在得到损失函数后，优化函数等效于： 图片：image036.png  即最小化损失，并通过梯度下降法进行最小化损失操作，得到最终的概率模型。 模型输入 为了学习到天气对病虫害的影响，同时兼顾到过去的虫害情况对近未来病害发展趋势的影响，以及各种病害之间的相互影响，模型输入包括过去32旬内的每旬平均气温、平均湿度、平均雨量等19中要素。 模型输出 模型的输出包括了各种（共5种）病害的发病程度，发病程度由低到高为很少 < 较轻 < 中等 < 严重。表示了在过去36旬的天气情况与病害情况条件下，下一旬各种病发病的概率。 |
|||||||||||||
|
