CN114582439B - 一种基于应用场景的土壤盐碱地改良剂筛选方法及系统 - Google Patents

一种基于应用场景的土壤盐碱地改良剂筛选方法及系统 Download PDF

Info

Publication number
CN114582439B
CN114582439B CN202210234201.2A CN202210234201A CN114582439B CN 114582439 B CN114582439 B CN 114582439B CN 202210234201 A CN202210234201 A CN 202210234201A CN 114582439 B CN114582439 B CN 114582439B
Authority
CN
China
Prior art keywords
time zone
clustering
value
characteristic value
feature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210234201.2A
Other languages
English (en)
Other versions
CN114582439A (zh
Inventor
田密
尹骁
陈娇
林春鸿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Guoken Water Saving Technology Co ltd
Xinjiang Chuqiang Biotechnology Co ltd
Original Assignee
Beijing Guoken Water Saving Technology Co ltd
Xinjiang Chuqiang Biotechnology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Guoken Water Saving Technology Co ltd, Xinjiang Chuqiang Biotechnology Co ltd filed Critical Beijing Guoken Water Saving Technology Co ltd
Priority to CN202210234201.2A priority Critical patent/CN114582439B/zh
Publication of CN114582439A publication Critical patent/CN114582439A/zh
Application granted granted Critical
Publication of CN114582439B publication Critical patent/CN114582439B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/60—In silico combinatorial chemistry
    • G16C20/64—Screening of libraries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Library & Information Science (AREA)
  • Medicinal Chemistry (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于应用场景的土壤盐碱地改良剂筛选方法及系统，方法包括：对第一预设应用场景进行要素提取，获得第一待改良要素进行主成分分析，获得第一确定改良要素集包括第一类型特征信息；遍历第一类型特征信息匹配第一添加物质组、第二添加物质组直到第N添加物质组输入几何权重分配通道，获得第一权重分配结果；根据第一类型特征信息，获得第一特征值时序变化数据；对第一特征值时序变化数据进行层次聚类分析，获得第一筛选时区特征值；根据第一筛选时区特征值和第一权重分配结果，生成第一土壤改良剂配比信息。

Description

一种基于应用场景的土壤盐碱地改良剂筛选方法及系统
技术领域
本发明涉及人工智能相关技术领域，具体涉及一种基于应用场景的土壤盐碱地改良剂筛选方法及系统。
背景技术
中国农耕面积约为19.18亿亩，占据世界第四，农耕是中国主要的粮食生产方式，在已经实现了大棚作物的今天，看天吃饭已成过去，决定作物生长状态的主要因素倾斜于栽培作物的土壤环境，良好的土壤环境是作物良好生长的有力保障，但中国分布有诸多的盐碱地，据统计大约共有5亿亩盐碱地，盐碱地是民间对盐土和碱土的统称。盐土和碱土是指土壤含有可溶性盐类，而且盐分浓度较高，对农田耕作物的生长造成抑制作用或危害的土壤。
提出的传统方式是通过排水、洗盐等水利措施，并用种植绿肥、施有机肥或种水稻等农业措施对盐土进行改良；施用石膏或硫磺，也可采取播种牧草或种水稻与施石膏等综合措施改良碱土。
但是上述方式由于改善效果较差，且落地较困难因而未曾普及，目前提出一种新的改善方式是添加土壤改良剂，土壤改良剂指的是由化学物质及微生物组成的制剂，进而实现落地简单，易于实施的土壤改良。
但是现有技术由于添加土壤改良剂的制备是脱离于实际应用场景，只是基于理论上的适用性而进行生产，进而导致存在土壤改良剂的改良效果在实际应用时难以达到预期效果的技术问题。
发明内容
本申请实施例通过提供了一种基于应用场景的土壤盐碱地改良剂筛选方法及系统，解决了现有技术由于添加土壤改良剂的制备是脱离于实际应用场景，只是基于理论上的适用性而进行生产，进而导致存在土壤改良剂的改良效果在实际应用时难以达到预期效果的技术问题。
鉴于上述问题，本申请实施例提供了一种基于应用场景的土壤盐碱地改良剂筛选方法及系统。
第一方面，本申请实施例提供了一种基于应用场景的土壤盐碱地改良剂筛选方法，其中，所述方法包括：对第一预设应用场景进行要素提取，获得第一待改良要素；对所述第一待改良要素集进行主成分分析，获得第一确定改良要素集，其中，所述第一确定改良要素集包括第一类型特征信息；遍历所述第一类型特征信息匹配第一添加物质组、第二添加物质组直到第N添加物质组；将所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组输入几何权重分配通道，获得第一权重分配结果；根据所述第一类型特征信息，获得第一特征值时序变化数据；对所述第一特征值时序变化数据进行层次聚类分析，获得第一筛选时区特征值；根据所述第一筛选时区特征值和所述第一权重分配结果，生成第一土壤改良剂配比信息。
另一方面，本申请实施例提供了一种基于应用场景的土壤盐碱地改良剂筛选系统，其中，所述系统包括：第一获得单元，用于对第一预设应用场景进行要素提取，获得第一待改良要素；第二获得单元，用于对所述第一待改良要素集进行主成分分析，获得第一确定改良要素集，其中，所述第一确定改良要素集包括第一类型特征信息；第一匹配单元，用于遍历所述第一类型特征信息匹配第一添加物质组、第二添加物质组直到第N添加物质组；第二获得单元，用于将所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组输入几何权重分配通道，获得第一权重分配结果；第三获得单元，用于根据所述第一类型特征信息，获得第一特征值时序变化数据；第四获得单元，用于对所述第一特征值时序变化数据进行层次聚类分析，获得第一筛选时区特征值；第一生成单元，用于根据所述第一筛选时区特征值和所述第一权重分配结果，生成第一土壤改良剂配比信息。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，其中，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一项所述的方法。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了通过对应用场景的待改良要素提取，再对待改良要素进行主成分分析，得到对于改良依赖性较大的确定改良要素；基于确定改良要素的类型匹配N个添加物质组；对N个添加物质组中的不同物质在几何权重分配通道中进行权重分配；再依据确定改良要素的类型的特征值时间变化情况进行层次聚类分析，得到表征预应用的时区特征值，根据预应用的时区特征值和权重分配结果生成土壤改良剂配比信息的技术方案，针对确定改良要素筛选添加物质，且基于实时应用的确定改良要素的特征值对添加物质的配比用量确定，进而达到了得到个体化程度较高的，适用性较强的土壤改良剂的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种基于应用场景的土壤盐碱地改良剂筛选方法流程示意图；
图2为本申请实施例提供了一种基于应用场景的土壤盐碱地改良剂筛选方法中第一确定改良要素集的确定方法流程示意图；
图3为本申请实施例提供了一种基于应用场景的土壤盐碱地改良剂筛选系统结构示意图；
图4为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第一匹配单元13，第二获得单元14，第三获得单元15，第四获得单元16，第一生成单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
本申请实施例通过提供了一种基于应用场景的土壤盐碱地改良剂筛选方法及系统，解决了现有技术由于添加土壤改良剂的制备过程是脱离于实际应用场景，进而导致存在土壤改良剂的改良效果在实际应用时难以达到预期效果的技术问题，针对确定改良要素筛选添加物质，且基于实时应用的确定改良要素的特征值对添加物质的配比用量确定，进而达到了得到个体化程度较高的，适用性较强的土壤改良剂的技术效果。
申请概述
中国农耕面积约为19.18亿亩，占据世界第四，农耕是中国主要的粮食生产方式，在已经实现了大棚作物的今天，看天吃饭已成过去，决定作物生长状态的主要因素倾斜于栽培作物的土壤环境，良好的土壤环境是作物良好生长的有力保障，但中国分布有诸多的盐碱地，盐碱地是民间对盐土和碱土的统称。盐土和碱土是指土壤含有可溶性盐类，而且盐分浓度较高，对植物生长直接造成抑制作用或危害的土壤。提出的传统方式是通过排水、洗盐等水利措施，并用种植绿肥、施有机肥或种水稻等农业措施对盐土进行改良；施用石膏或硫磺，也可采取播种牧草或种水稻与施石膏等综合措施改良碱土。但是上述方式由于改善效果较差，且落地较困难因而未曾普及，目前提出一种新的改善方式是通过添加土壤改良剂进而实现落地简单，易于实施的土壤改良。但是现有技术由于添加土壤改良剂的制备过程是脱离于实际应用场景，进而导致存在土壤改良剂的改良效果在实际应用时难以达到预期效果的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种基于应用场景的土壤盐碱地改良剂筛选方法。由于采用了通过对应用场景的待改良要素提取，再对待改良要素进行主成分分析，得到对于改良依赖性较大的确定改良要素；基于确定改良要素的类型匹配N个添加物质组；对N个添加物质组中的不同物质在几何权重分配通道中进行权重分配；再依据确定改良要素的类型的特征值时间变化情况进行层次聚类分析，得到表征预应用的时区特征值，根据预应用的时区特征值和权重分配结果生成土壤改良剂配比信息的技术方案，针对确定改良要素筛选添加物质，且基于实时应用的确定改良要素的特征值对添加物质的配比用量确定，进而达到了得到个体化程度较高的，适用性较强的土壤改良剂的技术效果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种基于应用场景的土壤盐碱地改良剂筛选方法，其中，所述方法包括：
S100：对第一预设应用场景进行要素提取，获得第一待改良要素；
具体而言，所述第一预设应用场景指的是土壤改良剂预应用的添加土壤环境，包括但不限于：多种类型的盐土地、多种类型的碱土地等；所述第一待改良要素指的是根据第一预设应用场景的土壤类型初步确定的可能需要改良的要素信息，示例性地：若是盐土地，则需要改良的要素包括但不限于：盐化土壤的pH值、多种类型的金属离子、水分、含氧量、土壤结构等多种要素。通过对预改良土壤的类型初步确定可能需要使用土壤添加剂改良的全部要素，保证在后步进行确定改良要素筛选时的信息全面性，基于此基础可保障最终制得土壤改良剂的适用性。
S200：对所述第一待改良要素集进行主成分分析，获得第一确定改良要素集，其中，所述第一确定改良要素集包括第一类型特征信息；
具体而言，所述第一确定改良要素集指的是经过对第一待改良要素集进行主成分分析之后筛选确定的第一预设应用场景需要使用土壤添加剂的待改良要素集；所述第一类型特征信息指的是第一确定改良要素集中要素类型的集合。主成分分析是用来对数据进行降维的手段，通过主成分分析可以较低计算复杂度和数据处理维度，进而提高计算效率。
进一步的，第一确定改良要素集的确定过程举不设限制的一例：基于大数据确定对第一待改良要素集在第一预设应用场景中的历史应用特征，包括但不限于：频率特征值、添加量特征值、应用效果等信息，由于多维的应用特征过于冗杂，会增加基于应用场景的土壤改良剂筛选系统的工作量，因而需要对原本的多维应用特征进行降维处理，从而使用主成分分析对历史应用特征进行降维，得到维度较低的表征应用特征的特征值。更进一步的，由工作人员预设一特征值阈值，将大于等于特征值阈值的第一确定改良要素集设为第一确定改良要素集，将其和第一类型特征信息优选的以列表的形式一一对应进行存储，并置为待响应状态，便于后步快速调用。通过主成分分析对第一待改良要素集进行筛选，从而得到和第一预设应用场景契合度较高的第一确定改良要素集，保证了后步土壤改良剂配比在第一预设应用场景的个体化程度。
S300：遍历所述第一类型特征信息匹配第一添加物质组、第二添加物质组直到第N添加物质组；
具体而言，所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组指的是遍历第一类型特征信息匹配的改良对应类型需要添加的物质集，一个类型的确定改良要素对应于一组添加物质，N组添加物质组表征和N个类型确定改良要素一一对应的添加物质集。示例性地如：确定改良要素为土壤碱性：则使用柠檬酸中和土壤碱性，即柠檬酸为物质添加组；确定改良要素为金属离子较多：则以柠檬酸、矿源黄腐酸络合土壤中金属离子，即柠檬酸、矿源黄腐酸为物质添加组；确定改良要素微生物菌落较少：则以贝莱斯芽孢杆菌CY30发酵液调节植株根际微生物菌落等，即贝莱斯芽孢杆菌CY30发酵液为物质添加组。
通过举例可知以下几点：其一为第一添加物质组、第二添加物质组直到第N添加物质组中的每组物质类型为一种、两种或多种，对此并无限制，具体依据实际的确定改良要素进行筛选；其二不同组别之间的添加物质可能重复，例如柠檬酸用于改善土壤碱性，同时应用于改善金属离子。因而可知，第一添加物质组、第二添加物质组直到第N添加物质组中物质类型和出现频率并无限制，仅仅根据确定改良要素而改变。通过第一类型特征信息依次匹配每种类型的添加物质组，完成了土壤改良剂的物质类型筛选过程，为后步物质配比的确定奠定了数据反馈基础。
S400：将所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组输入几何权重分配通道，获得第一权重分配结果；
具体而言，确定土壤改良剂添加物质之间的配比主要有两个关注点，其一为添加物质之间的配置比例，其二为各个物质的配置量。首先解决添加物质之间的配置比例问题。
所述第一权重分配结果指的是使用几何权重分配通道对第一添加物质组、第二添加物质组直到第N添加物质组中每种类型物质的出现频率进行统计，进而依据出现频率的占比进行权重分配的结果。所述几何权重分配通道指的是用来对第一添加物质组、第二添加物质组直到第N添加物质组中的每种类型物质权重进行分配的虚拟处理空间，统计第一添加物质组、第二添加物质组直到第N添加物质组中每种类型物质的出现频率在涉及的数据量较小时可能只需要通过简单的统计即可进行处理，但是涉及数据量较大的数据时，在识别不同添加物质类型且统计出现频率需要较大的计算量，因此构建一个几何权重分配通道专门用来对第一添加物质组、第二添加物质组直到第N添加物质组中的每种类型物质权重进行分配，避免数据量较大时处理效率较低和出现统计误差，保障了第一权重分配结果的准确性。
S500：根据所述第一类型特征信息，获得第一特征值时序变化数据；
具体而言，在配置比例确定之后，即需要确定各个物质的添加量，详细如下：
所述第一特征值时序变化数据指的是统计预设时间粒度内的第一类型特征信息对应的确定待改良要素的具体值变化数据，确定方式举不设限制的一例：将确定待改良要素的具体值变化数据按照预设时间粒度内的时序依次存储，优选的将每个确定待改良要素类型对应的具体值变化情况存储为一组特征值时序变化数据，得到多组特征值时序变化数据，记为第一特征值时序变化数据，其中，预设时间粒度指的是预设采集待改良要素的具体值变化数据的时间周期，优选的为12个月，采集12个月内的确定待改良要素的具体值变化数据依据时序分组进行存储，置为待响应状态便于后步调用。
S600：对所述第一特征值时序变化数据进行层次聚类分析，获得第一筛选时区特征值；
S700：根据所述第一筛选时区特征值和所述第一权重分配结果，生成第一土壤改良剂配比信息。
具体而言，所述第一筛选时区特征值指的是对第一特征值时序变化数据进行层次聚类分析后确定的表征土壤改良剂预设应用时间段内的确定待改良要素的具体值代表数据。
由于不同时间段，盐碱地内的确定待改良要素的具体值都会发生变化，而第一预设应用场景内在类似的外界环境下，待改良要素具体值差距不大，可以选取一个值表征类似外界环境对应时间段的特征值，即为第一筛选时区特征值。确定过程举不设限制的一例：通过层次聚类分析将外界环境相近的第一特征值时序变化数据归为一类，进而将分散的多个第一特征值时序变化数据聚类为多个时区的聚类结果数据；但是经过一次聚类后的每个类别内的信息依旧过于冗杂，难以表征该时区内的特征值，因此进一步在多个时区的聚类结果重复层次聚类，得到维度较低的聚类结果，可以表征对应时区内的特征值，记为第一筛选时区特征值。其中，外界环境要素包括但不限于温度、湿度、降雨量、光照等信息；层次聚类是用来将维度较多的冗杂数据聚类为具有代表性的信息的过程，通过层次聚类得到了土壤改良剂预设应用时间段内的确定待改良要素的具体值代表数据，进而在确定了土壤改良剂配置比例信息的配置比例的基础上，可以确定土壤改良剂各物质的具体添加值，进而得到土壤改良剂的详细配比数据。
通过第一权重分配结果确定土壤改良剂各个物质之间的配置比例，进一步的通过第一筛选时区特征值确定土壤改良剂各个物质之间配置量，进而得到第一土壤改良剂配比信息，为后步进行实际的土壤改良剂的配置提供了数据基础，通过将第一筛选时区特征值确定土壤改良剂的配置量，使得土壤改良剂适用于预应用时区，使用以上添加物质举不设限制的一例：基于春季一盐碱地的pH值、土壤碱化度、金属离子种类及检测含量、预增加的微生物含量等筛选时区特征值，基于化学方法确定矿源黄腐酸10-20份、柠檬酸10-20份、贝莱斯芽孢杆菌CY30发酵液20-30份、无菌水20-40份，由于针对时区确定具体的配置量，进一步的提高了适用性。
进一步的，如图2所示，基于所述对所述第一待改良要素集进行主成分分析，获得第一确定改良要素集，步骤S200包括：
S210：遍历所述第一待改良要素集，获得第一特征集和第一特征值集合，其中，所述第一特征集和所述第一特征值集合一一对应；
S220：对所述第一特征值集合进行去中心化处理，获得第二特征值集合；
S230：根据所述第二特征值集合，构建第一协方差矩阵；
S240：根据所述第一协方差矩阵，获得第三特征值和第一特征向量；
S250：根据所述第三特征值和所述第一特征向量，获得第二特征集和第四特征值集合；
S260：基于所述第四特征值集合和所述第二特征集对所述第一待改良要素集进行筛选，获得所述第一确定改良要素集。
具体而言，主成分分析的详细过程如下：
所述第一特征集指的是基于大数据采集的表征第一待改良要素集添加改良剂特征的特征集合，示例性地如：频率、添加量、应用效果等特征；所述第一特征值集合指的是和第一特征集一一对应的特征值集合，示例性地：频率具体值、添加量具体值、应用效果评分等，优选的以[要素类型：频率，频率值]的形式进行存储，便于后步调用处理。所述第二特征值集合指的是对第一特征值集合进行去中心化之后的过程，即为对第一待改良要素集的频率、添加量、应用效果等特征的特征值求取均值的过程，再使用第一待改良要素集每个要素的特征值减去对应的均值，得到的结果即为去中心化，以频率举不设限的一例：频率均值计算公式形如：
Figure BDA0003541197460000121
再使用每个类型的频率特征值减去频率均值，即完成频率的去中心化处理，L为第一待改良要素集的总类型数。
所述第一协方差矩阵指的是根据第二特征值集合构建的进行数据降维使用的矩阵，假如只有频率、添加量两个维度的特征，则每个待改良要素集的第一协方差矩阵如下：
Figure BDA0003541197460000122
Figure BDA0003541197460000123
其中，fi表示第i类型的要素的频率值，
Figure BDA0003541197460000124
为频率均值，h为添加量，C表示第一类型待改良要素集的协方差矩阵，对角线上的表示频率和添加量特征值的方差，非对角线上的表示频率和添加量特征值的协方差，cov(f1,f1)为求解举例公式，基于此计算出全部类型的协方差矩阵。更进一步的，第三特征值指的是基于矩阵知识对第一协方差矩阵求解后得到的第一协方差矩阵的特征值，第一特征向量指的是基于矩阵知识对第一协方差矩阵求解后得到的第一协方差矩阵的特征向量，计算方式如下：Cu＝λu，其中，C为第一协方差矩阵，u为特征向量，λ为特征值，当选取不同的特征值时，则会有不同的特征向量，记为：{(λ1,u1),(λ2,u2),(λ3,u3)…(λk,uk)}，其中，λ1＞λ2＞…λk，由于举例中只有频率和添加量两个维度特征值，则降维为一维特征值，k＝1，则第三特征值为λ1，第一特征向量为u1；更进一步的，基于第三特征值和第一特征向量，使用如下方式计算：
(yi)＝[ui T*(xi,hi)T]
其中，yi为第i类型的待改良要素集经过主成分分析后的特征信息，记为第四特征值和第二特征，ui T为第i类型待改良要素集的第一协方差矩阵选取的特征向量，遍历全部待改良要素，得到第四特征值集合和第二特征集。
进一步的，设定筛选特征值阈值，将满足，即第四特征值集合中大于等于筛选特征值阈值的特征值对应的待改良要素集提取，即为第一确定改良要素集。通过对待改良要素进行筛选得到和第一预设应用场景契合度较高的确定改良要素，示例性的：应用添加剂频率和用量都较大，则说明第一预设应用场景对于外部改善的添加剂依赖度较高，则确定需要使用土壤改良剂进行改进。
进一步的，基于将所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组输入几何权重分配通道，获得第一权重分配结果，步骤S400包括：
S410：遍历所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组，获得第一物质类型维度信息；
S420：根据所述几何权重分配通道，获得第一二维网格坐标系；
S430：将所述第一物质类型维度信息输入所述第一二维网格坐标系，生成第一虚拟多边形，其中，所述第一虚拟多边形的边和所述第一物质类型维度信息的维度一一对应；
S440：根据所述第一虚拟多边形，对所述第一物质类型维度信息进行权重分配，获得所述第一权重分配结果。
进一步的，基于所述根据所述第一虚拟多边形，对所述第一物质类型维度信息进行权重分配，获得所述第一权重分配结果，步骤S440包括：
S441：遍历所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组，当满足第一物质类型时，在所述第一虚拟多边形的第一对应边上描点，获得第一描点结果；
S442：对所述第一描点结果进行统计分析，获得第一分析结果，其中，所述第一分析结果包括所述第一物质类型和第一描点数量；
S443：根据所述第一物质类型和所述第一描点数量，获得所述第一权重分配结果。
进一步的，基于所述根据所述第一物质类型和所述第一描点数量，获得所述第一权重分配结果，步骤S443包括：
S4431：获得第一权重分配公式：
Figure BDA0003541197460000151
其中，wi表示第i个类型物质的权重，xi第i个类型物质的描点数量，j表示共有物质类型维度数量，
Figure BDA0003541197460000152
表示描点总数目；
S4432：将所述第一物质类型和所述第一描点数量输入所述第一权重分配公式，获得所述第一权重分配结果。
具体而言，所述第一物质类型维度信息指的是第一添加物质组、第二添加物质组直到第N添加物质组共出现过的物质种类数目，优选确定方式为，遍历第一添加物质组、第二添加物质组直到第N添加物质组，当出现该类型物质第一出现则在几何权重分配通道中进行记录，遍历结束，则得到记录有添加物质的全部类型的维度信息，置为待响应状态，便于后步调用；第一二维网格坐标系指的是在几何权重分配通道构建的虚拟坐标系；第一虚拟多边形指的是基于第一物质类型维度信息在第一二维网格坐标系中描绘的多边形，一条边代表一个物质类型维度；第一描点结果指的是遍历第一添加物质组、第二添加物质组直到第N添加物质组，出现一次对应边标识的物质类型则在该边上描述一个虚拟点，得到的结果；第一分析结果指的是对第一描点结果处理完毕后的第一虚拟多边形进行统计得到的表征每条边上描点数量的信息；第一描点数量指的是每条边上的描点数量分组存储得到的结果，将第一描点数量和第一物质类型一一对应存储，便于后步信息反馈处理。
进一步的，使用获得第一权重分配公式对第一物质类型维度信息进行权重分配。公式如下：
Figure BDA0003541197460000161
其中，wi表示第i个类型物质的权重，xi第i个类型物质的描点数量，j表示共有物质类型维度数量，
Figure BDA0003541197460000162
表示描点总数目。
通过设立独立的权重分配空间，可以保障在数据量较大时也能够具有较高的处理效率，且第一虚拟多边形可以可视化显示在对应的可视化界面，增强了筛选过程的可视化效果。
进一步的，基于所述对所述第一特征值时序变化数据进行层次聚类分析，获得第一筛选时区特征值，步骤S600包括：
S610：对所述第一特征值时序变化数据进行层次聚类分析，获得第一聚类时区特征值，第二聚类时区特征值直到第M聚类时区特征值；
S620：遍历所述第一聚类时区特征值，所述第二聚类时区特征值直到所述第M聚类时区特征值，获得第一筛选时区特征值，其中，所述第一筛选时区特征值为待应用时区；
S630：根据所述第一筛选时区特征值和所述第一权重分配结果，生成第一土壤改良剂配比信息。
具体而言，第一聚类时区特征值，第二聚类时区特征值直到第M聚类时区特征值指的是各自聚类时区内的特征代表值数据；第一筛选时区特征值为土壤改良剂的待应用时区的特征代表值数据，确定方式为将土壤改良剂的待应用时区的外界环境和第一聚类时区特征值，第二聚类时区特征值直到第M聚类时区特征值对应的外界环境进行比对，将差异度最小的聚类时区特征值设为第一筛选时区特征值；进而可以根据第一筛选时区特征值和所述第一权重分配结果，生成第一土壤改良剂配比信息。
进一步的，基于所述对所述第一特征值时序变化数据进行层次聚类分析，获得第一聚类时区特征值，第二聚类时区特征值直到第M聚类时区特征值，步骤S610包括：
S611：获得一级聚类阈值，其中，所述一级聚类阈值表征预设的特征值时区分割差值；
S612：基于所述一级聚类阈值对所述第一特征值时序变化数据进行聚类分析，获得第一聚类时区、第二聚类时区直到第M聚类时区；
S613：获得二级聚类阈值，其中，所述二级聚类阈值表征预设的特征值时区分割差值，且所述二级聚类阈值小于所述一级聚类阈值；
S614：基于所述二级聚类阈值，遍历所述第一聚类时区、所述第二聚类时区直到所述第M聚类时区进行聚类分析，获得第一聚类时区二级聚类结果、第二聚类时区二级聚类结果直到第M聚类时区二级聚类结果，且将不满足第一预设数量和所述二级聚类阈值的所述二级聚类结果筛除；
S615：重复聚类，当每个时区的聚类结果数量满足第一预设要求停止，遍历所述第一聚类时区、所述第二聚类时区直到所述第M聚类时区进行特征值均值计算，获得所述第一聚类时区特征值，所述第二聚类时区特征值直到所述第M聚类时区特征值。
具体而言，第一聚类时区特征值，第二聚类时区特征值直到第M聚类时区特征值确定方式为使用层次聚类，详细过程如下：
一级聚类阈值表征预设的特征值时区分割差值，具体依据外界环境指标差异度而导致的时区聚集，对应的特征值差值，示例性地：第一预设应用场景四季分明，则想要分为四个时区，则不同季节之间的特征值差值可设定为一级聚类阈值，即可分为四个时区；第一聚类时区、第二聚类时区直到第M聚类时区指的是基于所述一级聚类阈值对所述第一特征值时序变化数据进行聚类分析得到的结果；二级聚类阈值指的是为了降低第一聚类时区、第二聚类时区直到第M聚类时区内部数据的维度而设定的特征值差值，二级聚类阈值小于一级聚类阈值，可以将差值更小的聚集为一类；第一聚类时区二级聚类结果、第二聚类时区二级聚类结果直到第M聚类时区二级聚类结果指的是基于二级聚类阈值，遍历第一聚类时区、第二聚类时区直到第M聚类时区进行聚类得到的结果；将不满足第一预设数量和二级聚类阈值的二级聚类结果筛除，其中，第一预设数量指的是筛除相差较大的孤立特征值，默认值为1；第一预设要求指的是预设时区内可进行均值计算的类别数量值，重复聚类，当每个时区的聚类结果数量满足第一预设要求停止，遍历所述第一聚类时区、所述第二聚类时区直到所述第M聚类时区进行特征值均值计算，获得所述第一聚类时区特征值，所述第二聚类时区特征值直到所述第M聚类时区特征值。
通过层次聚类分析确定不同时区的特征值代表值，将动态的数据拟合静态化，降低了数据处理的复杂度，提高了处理效率。
综上所述，本申请实施例所提供的一种基于应用场景的土壤盐碱地改良剂筛选方法及系统具有如下技术效果：
1.由于采用了通过对应用场景的待改良要素提取，再对待改良要素进行主成分分析，得到对于改良依赖性较大的确定改良要素；基于确定改良要素的类型匹配N个添加物质组；对N个添加物质组中的不同物质在几何权重分配通道中进行权重分配；再依据确定改良要素的类型的特征值时间变化情况进行层次聚类分析，得到表征预应用的时区特征值，根据预应用的时区特征值和权重分配结果生成土壤改良剂配比信息的技术方案，针对确定改良要素筛选添加物质，且基于实时应用的确定改良要素的特征值对添加物质的配比用量确定，进而达到了得到个体化程度较高的，适用性较强的土壤改良剂的技术效果。
2.通过第一权重分配结果确定土壤改良剂各个物质之间的配置比例，进一步的通过第一筛选时区特征值确定土壤改良剂各个物质之间配置量，进而得到第一土壤改良剂配比信息，为后步进行实际的土壤改良剂的配置提供了数据基础，通过将第一筛选时区特征值确定土壤改良剂的配置量，使得土壤改良剂适用于预应用时区，进一步的提高了适用性。
实施例二
基于与前述实施例中一种基于应用场景的土壤盐碱地改良剂筛选方法相同的发明构思，如图3所示，本申请实施例提供了一种基于应用场景的土壤盐碱地改良剂筛选系统，其中，所述系统包括：
第一获得单元11，用于对第一预设应用场景进行要素提取，获得第一待改良要素；
第二获得单元12，用于对所述第一待改良要素集进行主成分分析，获得第一确定改良要素集，其中，所述第一确定改良要素集包括第一类型特征信息；
第一匹配单元13，用于遍历所述第一类型特征信息匹配第一添加物质组、第二添加物质组直到第N添加物质组；
第二获得单元14，用于将所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组输入几何权重分配通道，获得第一权重分配结果；
第三获得单元15，用于根据所述第一类型特征信息，获得第一特征值时序变化数据；
第四获得单元16，用于对所述第一特征值时序变化数据进行层次聚类分析，获得第一筛选时区特征值；
第一生成单元17，用于根据所述第一筛选时区特征值和所述第一权重分配结果，生成第一土壤改良剂配比信息。
进一步的，所述系统还包括：
第五获得单元，用于遍历所述第一待改良要素集，获得第一特征集和第一特征值集合，其中，所述第一特征集和所述第一特征值集合一一对应；
第六获得单元，用于对所述第一特征值集合进行去中心化处理，获得第二特征值集合；
第一构建单元，用于根据所述第二特征值集合，构建第一协方差矩阵；
第七获得单元，用于根据所述第一协方差矩阵，获得第三特征值和第一特征向量；
第八获得单元，用于根据所述第三特征值和所述第一特征向量，获得第二特征集和第四特征值集合；
第九获得单元，用于基于所述第四特征值集合和所述第二特征集对所述第一待改良要素集进行筛选，获得所述第一确定改良要素集。
进一步的，所述系统还包括：
第十获得单元，用于遍历所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组，获得第一物质类型维度信息；
第十一获得单元，用于根据所述几何权重分配通道，获得第一二维网格坐标系；
第一生成单元，用于将所述第一物质类型维度信息输入所述第一二维网格坐标系，生成第一虚拟多边形，其中，所述第一虚拟多边形的边和所述第一物质类型维度信息的维度一一对应；
第十二获得单元，用于根据所述第一虚拟多边形，对所述第一物质类型维度信息进行权重分配，获得所述第一权重分配结果。
进一步的，所述系统还包括：
第十三获得单元，用于遍历所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组，当满足第一物质类型时，在所述第一虚拟多边形的第一对应边上描点，获得第一描点结果；
第十四获得单元，用于对所述第一描点结果进行统计分析，获得第一分析结果，其中，所述第一分析结果包括所述第一物质类型和第一描点数量；
第十五获得单元，用于根据所述第一物质类型和所述第一描点数量，获得所述第一权重分配结果。
进一步的，所述系统还包括：
第十六获得单元，用于获得第一权重分配公式：
Figure BDA0003541197460000221
其中，wi表示第i个类型物质的权重，xi第i个类型物质的描点数量，j表示共有物质类型维度数量，
Figure BDA0003541197460000222
表示描点总数目；
第十七获得单元，用于将所述第一物质类型和所述第一描点数量输入所述第一权重分配公式，获得所述第一权重分配结果。
进一步的，所述系统还包括：
第十八获得单元，用于对所述第一特征值时序变化数据进行层次聚类分析，获得第一聚类时区特征值，第二聚类时区特征值直到第M聚类时区特征值；
第十九获得单元，用于遍历所述第一聚类时区特征值，所述第二聚类时区特征值直到所述第M聚类时区特征值，获得第一筛选时区特征值，其中，所述第一筛选时区特征值为待应用时区；
第二生成单元，用于根据所述第一筛选时区特征值和所述第一权重分配结果，生成第一土壤改良剂配比信息。
进一步的，所述系统还包括：
第二十获得单元，用于获得一级聚类阈值，其中，所述一级聚类阈值表征预设的特征值时区分割差值；
第二十一获得单元，用于基于所述一级聚类阈值对所述第一特征值时序变化数据进行聚类分析，获得第一聚类时区、第二聚类时区直到第M聚类时区；
第二十二获得单元，用于获得二级聚类阈值，其中，所述二级聚类阈值表征预设的特征值时区分割差值，且所述二级聚类阈值小于所述一级聚类阈值；
第二十三获得单元，用于基于所述二级聚类阈值，遍历所述第一聚类时区、所述第二聚类时区直到所述第M聚类时区进行聚类分析，获得第一聚类时区二级聚类结果、第二聚类时区二级聚类结果直到第M聚类时区二级聚类结果，且将不满足第一预设数量和所述二级聚类阈值的所述二级聚类结果筛除；
第二十四获得单元，用于重复聚类，当每个时区的聚类结果数量满足第一预设要求停止，遍历所述第一聚类时区、所述第二聚类时区直到所述第M聚类时区进行特征值均值计算，获得所述第一聚类时区特征值，所述第二聚类时区特征值直到所述第M聚类时区特征值。
实施例三
基于与前述实施例中一种基于应用场景的土壤盐碱地改良剂筛选方法相同的发明构思，本申请实施例提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现实施例一任一项所述的方法。
示例性电子设备
下面参考图4来描述本申请实施例的电子设备，
基于与前述实施例中一种基于应用场景的土壤盐碱地改良剂筛选方法相同的发明构思，本申请实施例还提供了一种电子设备，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法。
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303，使用任何收发器一类的系统，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdisc
read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种基于应用场景的土壤盐碱地改良剂筛选方法。
可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。
本申请实施例提供了一种基于应用场景的土壤盐碱地改良剂筛选方法及系统，由于采用了通过对应用场景的待改良要素提取，再对待改良要素进行主成分分析，得到对于改良依赖性较大的确定改良要素；基于确定改良要素的类型匹配N个添加物质组；对N个添加物质组中的不同物质在几何权重分配通道中进行权重分配；再依据确定改良要素的类型的特征值时间变化情况进行层次聚类分析，得到表征预应用的时区特征值，根据预应用的时区特征值和权重分配结果生成土壤改良剂配比信息的技术方案，针对确定改良要素筛选添加物质，且基于实时应用的确定改良要素的特征值对添加物质的配比用量确定，进而达到了得到个体化程度较高的，适用性较强的土壤改良剂的技术效果。
本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指
令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (10)

1.一种基于应用场景的土壤盐碱地改良剂筛选方法，其特征在于，所述方法包括：
对第一预设应用场景进行要素提取，获得第一待改良要素；
对第一待改良要素集进行主成分分析，获得第一确定改良要素集，其中，所述第一确定改良要素集包括第一类型特征信息，所述第一类型特征信息为第一确定改良要素集中要素类型的集合；
遍历所述第一类型特征信息匹配第一添加物质组、第二添加物质组直到第N添加物质组；
将所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组输入几何权重分配通道，获得第一权重分配结果；
根据所述第一类型特征信息，获得第一特征值时序变化数据；
对所述第一特征值时序变化数据进行层次聚类分析，获得第一筛选时区特征值，所述第一筛选时区特征值指的是对第一特征值时序变化数据进行层次聚类分析后确定的表征土壤改良剂预设应用时间段内的确定待改良要素的具体值代表数据；
根据所述第一筛选时区特征值和所述第一权重分配结果，生成第一土壤改良剂配比信息。
2.如权利要求1所述的方法，其特征在于，所述对第一待改良要素集进行主成分分析，获得第一确定改良要素集，包括：
遍历所述第一待改良要素集，获得第一特征集和第一特征值集合，其中，所述第一特征集和所述第一特征值集合一一对应；
对所述第一特征值集合进行去中心化处理，获得第二特征值集合；
根据所述第二特征值集合，构建第一协方差矩阵；
根据所述第一协方差矩阵，获得第三特征值和第一特征向量；
根据所述第三特征值和所述第一特征向量，获得第二特征集和第四特征值集合；
基于所述第四特征值集合和所述第二特征集对所述第一待改良要素集进行筛选，获得所述第一确定改良要素集。
3.如权利要求1所述的方法，其特征在于，将所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组输入几何权重分配通道，获得第一权重分配结果，包括：
遍历所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组，获得第一物质类型维度信息，所述第一物质类型维度信息指的是第一添加物质组、第二添加物质组直到第N添加物质组共出现过的物质种类数目；
根据所述几何权重分配通道，获得第一二维网格坐标系；
将所述第一物质类型维度信息输入所述第一二维网格坐标系，生成第一虚拟多边形，其中，所述第一虚拟多边形的边和所述第一物质类型维度信息的维度一一对应；
根据所述第一虚拟多边形，对所述第一物质类型维度信息进行权重分配，获得所述第一权重分配结果。
4.如权利要求3所述的方法，其特征在于，所述根据所述第一虚拟多边形，对所述第一物质类型维度信息进行权重分配，获得所述第一权重分配结果，包括：
遍历所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组，当满足第一物质类型时，在所述第一虚拟多边形的第一对应边上描点，获得第一描点结果；
对所述第一描点结果进行统计分析，获得第一分析结果，其中，所述第一分析结果包括所述第一物质类型和第一描点数量；
根据所述第一物质类型和所述第一描点数量，获得所述第一权重分配结果。
5.如权利要求4所述的方法，其特征在于，所述根据所述第一物质类型和所述第一描点数量，获得所述第一权重分配结果，包括：
获得第一权重分配公式：
Figure FDA0003865557410000031
其中，wi表示第i个类型物质的权重，xi第i个类型物质的描点数量，j表示共有物质类型维度数量，
Figure FDA0003865557410000032
表示描点总数目；
将所述第一物质类型和所述第一描点数量输入所述第一权重分配公式，获得所述第一权重分配结果。
6.如权利要求1所述的方法，其特征在于，所述对所述第一特征值时序变化数据进行层次聚类分析，获得第一筛选时区特征值，包括：
对所述第一特征值时序变化数据进行层次聚类分析，获得第一聚类时区特征值，第二聚类时区特征值直到第M聚类时区特征值；
遍历所述第一聚类时区特征值，所述第二聚类时区特征值直到所述第M聚类时区特征值，获得第一筛选时区特征值，其中，所述第一筛选时区特征值为待应用时区；
根据所述第一筛选时区特征值和所述第一权重分配结果，生成所述第一土壤改良剂配比信息。
7.如权利要求6所述的方法，其特征在于，所述对所述第一特征值时序变化数据进行层次聚类分析，获得第一聚类时区特征值，第二聚类时区特征值直到第M聚类时区特征值，包括：
获得一级聚类阈值，其中，所述一级聚类阈值表征预设的特征值时区分割差值；
基于所述一级聚类阈值对所述第一特征值时序变化数据进行聚类分析，获得第一聚类时区、第二聚类时区直到第M聚类时区；
获得二级聚类阈值，其中，所述二级聚类阈值表征预设的特征值时区分割差值，且所述二级聚类阈值小于所述一级聚类阈值；
基于所述二级聚类阈值，遍历所述第一聚类时区、所述第二聚类时区直到所述第M聚类时区进行聚类分析，获得第一聚类时区二级聚类结果、第二聚类时区二级聚类结果直到第M聚类时区二级聚类结果，且将不满足第一预设数量和所述二级聚类阈值的所述二级聚类结果筛除；
重复聚类，当每个时区的聚类结果数量满足第一预设要求停止，遍历所述第一聚类时区、所述第二聚类时区直到所述第M聚类时区进行特征值均值计算，获得所述第一聚类时区特征值，所述第二聚类时区特征值直到所述第M聚类时区特征值。
8.一种基于应用场景的土壤盐碱地改良剂筛选系统，其特征在于，所述系统包括：
第一获得单元，用于对第一预设应用场景进行要素提取，获得第一待改良要素；
第二获得单元，用于对第一待改良要素集进行主成分分析，获得第一确定改良要素集，其中，所述第一确定改良要素集包括第一类型特征信息，所述第一类型特征信息为第一确定改良要素集中要素类型的集合；
第一匹配单元，用于遍历所述第一类型特征信息匹配第一添加物质组、第二添加物质组直到第N添加物质组；
第二获得单元，用于将所述第一添加物质组、所述第二添加物质组直到所述第N添加物质组输入几何权重分配通道，获得第一权重分配结果；
第三获得单元，用于根据所述第一类型特征信息，获得第一特征值时序变化数据；
第四获得单元，用于对所述第一特征值时序变化数据进行层次聚类分析，获得第一筛选时区特征值，所述第一筛选时区特征值指的是对第一特征值时序变化数据进行层次聚类分析后确定的表征土壤改良剂预设应用时间段内的确定待改良要素的具体值代表数据；
第一生成单元，用于根据所述第一筛选时区特征值和所述第一权重分配结果，生成第一土壤改良剂配比信息。
9.一种电子设备，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，其特征在于，当所述程序被所述处理器执行时，使系统以执行如权利要求1～7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1～7中任一项所述的方法。
CN202210234201.2A 2022-03-10 2022-03-10 一种基于应用场景的土壤盐碱地改良剂筛选方法及系统 Active CN114582439B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210234201.2A CN114582439B (zh) 2022-03-10 2022-03-10 一种基于应用场景的土壤盐碱地改良剂筛选方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210234201.2A CN114582439B (zh) 2022-03-10 2022-03-10 一种基于应用场景的土壤盐碱地改良剂筛选方法及系统

Publications (2)

Publication Number Publication Date
CN114582439A CN114582439A (zh) 2022-06-03
CN114582439B true CN114582439B (zh) 2022-11-04

Family

ID=81781274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210234201.2A Active CN114582439B (zh) 2022-03-10 2022-03-10 一种基于应用场景的土壤盐碱地改良剂筛选方法及系统

Country Status (1)

Country Link
CN (1) CN114582439B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117171676B (zh) * 2023-11-02 2024-02-02 北京建工环境修复股份有限公司 基于决策树的土壤微生物识别分析方法、系统及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5599373A (en) * 1988-09-30 1997-02-04 F.P.S.- Finances Products Services, S.R.L. Sulfur-based chemical soil-corrective in the form of pellets for agricultural use
US6287356B1 (en) * 1995-03-03 2001-09-11 Magic Green Corporation Soil conditioning agglomerates containing calcium
CN102732255A (zh) * 2012-06-25 2012-10-17 广州中茂园林建设工程有限公司 一种土壤改良组合物及土壤改良的方法
CN106747707A (zh) * 2016-12-07 2017-05-31 北京林业大学 园林废弃物在土壤改良和植物培育中的用途
CN111304132A (zh) * 2020-03-19 2020-06-19 宁夏农林科学院植物保护研究所（宁夏植物病虫害防治重点实验室） 一种有利于盐碱地玉米生长的微生物菌剂yf及其应用
CN113780451A (zh) * 2021-09-16 2021-12-10 中南大学 时空大数据的时态数据内蕴模式聚类分析方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111909708B (zh) * 2020-09-03 2022-08-26 中南大学 一种矿区土壤修复剂及其制备方法与应用
CN112175871A (zh) * 2020-10-12 2021-01-05 北京工商大学 一种万寿菊鲜花复合发酵剂及其应用

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5599373A (en) * 1988-09-30 1997-02-04 F.P.S.- Finances Products Services, S.R.L. Sulfur-based chemical soil-corrective in the form of pellets for agricultural use
US6287356B1 (en) * 1995-03-03 2001-09-11 Magic Green Corporation Soil conditioning agglomerates containing calcium
CN102732255A (zh) * 2012-06-25 2012-10-17 广州中茂园林建设工程有限公司 一种土壤改良组合物及土壤改良的方法
CN106747707A (zh) * 2016-12-07 2017-05-31 北京林业大学 园林废弃物在土壤改良和植物培育中的用途
CN111304132A (zh) * 2020-03-19 2020-06-19 宁夏农林科学院植物保护研究所（宁夏植物病虫害防治重点实验室） 一种有利于盐碱地玉米生长的微生物菌剂yf及其应用
CN113780451A (zh) * 2021-09-16 2021-12-10 中南大学 时空大数据的时态数据内蕴模式聚类分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Modified flue gas desulfurization residue (MFGDR) – a new type of acidic soil ameliorant and its effect on rice planting;JianyunHe et al.;《Journal of Cleaner Production》;20120331;全文 *
盐渍化土壤改良剂筛选和调控机理及水盐运移模拟研究;刘瑞敏;《中国优秀博硕士学位论文全文数据库(博士)农业科技辑》;20181015;全文 *

Also Published As

Publication number Publication date
CN114582439A (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
Wei et al. Influence of irrigation during the growth stage on yield and quality in mango (Mangifera indica L)
Skellam Studies in statistical ecology: I. Spatial pattern
Bhatt et al. Technical efficiency and farm size productivity-micro level evidence from Jammu & Kashmir.
CN110909679B (zh) 冬小麦历史种植区的休耕轮作信息遥感识别方法及系统
Zahri et al. COMPARING RICE FARMING APPERANCE OF DIFFERENT AGROECOSYSTEM IN SOUTH SUMATRA, INDONESIA.
CN112001242B (zh) 一种智能园艺管理方法和装置
CN114582439B (zh) 一种基于应用场景的土壤盐碱地改良剂筛选方法及系统
Ören et al. Technical efficiency analysis of tobacco farming in Southeastern Anatolia
CN114391351A (zh) 变量施肥决策方法及装置
Tokarev et al. Economic and mathematical modelling of regional market of grain crops
Moreno-Cadena et al. Importance of genetic parameters and uncertainty of MANIHOT, a new mechanistic cassava simulation model
Głębocki et al. Multicriterion typology of agriculture: a spatial dependence approach
CN113379188B (zh) 基于物联网的烟草轮作种植方法和系统
Sulkava et al. Clustering of the self-organizing map reveals profiles of farm profitability and upscaling weights
Isyanto et al. Sustainability analysis of beef cattle fattening in Ciamis regency, West Java Province, Indonesia
Milliken et al. Designing experiments to evaluate the effectiveness of precision agricultural practices on research fields: part 1 concepts for their formulation
Ramos et al. DEFINING MANAGEMENT ZONES BASED ON SOIL ATTRIBUTES AND SOYBEAN PRODUCTIVITY1
Melo et al. Inheritance of root distribution in common bean and selection strategy
Smith et al. Response of wheat to applied superphosphate; the relationship between yield increase and'available'phosphate in the soil
Van Keulen Options for agricultural development: a new quantitative approach
Blair et al. Interpretation of soil tests: a review
Feinerman et al. The value of information on the response function of crops to soil salinity
CN109191320A (zh) 一种农业生产管理指导方法及系统
Athreya et al. Economies of Scale or Advantages of Class? Some Results from a South Indian Farm Economy Study
Kempthorne The contributions of statistics to agronomy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 20203-69, Science and Technology Pioneer Park, No. 2 Xinye Road, High-tech Development Zone, Shihezi City, Xinjiang Uygur Autonomous Region 832000

Applicant after: Xinjiang CHUQIANG Biotechnology Co.,Ltd.

Applicant after: Beijing guoken Water Saving Technology Co.,Ltd.

Address before: 102300 520, 2nd floor, 51 Sanjiadian East Street, Mentougou District, Beijing

Applicant before: Beijing guoken Water Saving Technology Co.,Ltd.

Applicant before: Xinjiang CHUQIANG Biotechnology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant