CN117808271A - 一种数字化农业肥料数据优化管理方法及系统 - Google Patents
一种数字化农业肥料数据优化管理方法及系统 Download PDFInfo
- Publication number
- CN117808271A CN117808271A CN202410224711.0A CN202410224711A CN117808271A CN 117808271 A CN117808271 A CN 117808271A CN 202410224711 A CN202410224711 A CN 202410224711A CN 117808271 A CN117808271 A CN 117808271A
- Authority
- CN
- China
- Prior art keywords
- data
- fertilizer
- extended
- decomposition
- degree
- 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.)
- Granted
Links
- 239000003337 fertilizer Substances 0.000 title claims abstract description 158
- 238000005457 optimization Methods 0.000 title claims abstract description 9
- 238000007726 management method Methods 0.000 title description 9
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 102
- 239000002689 soil Substances 0.000 claims abstract description 80
- 230000035772 mutation Effects 0.000 claims abstract description 67
- 230000002159 abnormal effect Effects 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000005856 abnormality Effects 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000005070 sampling Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 235000015097 nutrients Nutrition 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000012010 growth Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000033458 reproduction Effects 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及数据优化处理技术领域,具体涉及一种数字化农业肥料数据优化管理方法及系统,该方法包括:采集农业土壤温度数据序列;根据农业土壤温度数据序列分别获得延拓数据段和端点的参考数据段的肥料分解突变度,进而获得初级补偿系数;根据所有延拓数据点和肥料分解突变度获取肥料分解异常程度,结合农业土壤温度数据序列的端点计算延拓数据点与端点之间的肥料分解分歧系数;根据各延拓数据点的初级补偿系数、肥料分解异常程度和肥料分解分歧系数计算肥料数据补偿系数,进而获得各延拓数据点对应的温度值;根据各延拓数据点对应的温度值和农业土壤温度数据序列获得异常数据点,进而完成农业肥料数据的优化管理,提高管理效率。
Description
技术领域
本发明涉及数据优化处理技术领域,具体涉及一种数字化农业肥料数据优化管理方法及系统。
背景技术
农业生产过程中,农业肥料为作物提供必要的养分,如氮、磷、钾、硫、镁、钙等元素。这些养分是作物生长和发育所必需的,能够促进植物体内的新陈代谢、生长和繁殖。不同类型的农业肥料对土壤有不同的改良作用。但在实际应用中,温度会影响土壤中的微生物活动和化学反应速率,从而影响农业肥料的分解、转化和吸收利用。一般来说,高温会加速肥料的分解速度,导致肥料中的养分释放过快,容易造成养分流失和浪费;低温则会减缓肥料的分解速度,使得养分释放缓慢,不利于作物的生长和吸收利用。
因此,通常通过对温度数据进行具体的分析,来反映肥料的利用率。但在对温度数据进行采集、监测、分析时,会存在由于端点处数据量较少,在对端点处的数据进行分析时缺少一定量的数据进行参考的问题。现有的解决这一问题的手段是对端点处的数据进行一定数量的数据延拓。进行数据延拓可以扩展数据样本的数量和质量,提高数据的精度和准确性。
现有的数据延拓通常是对所有延拓的数据点均采用同一个补偿系数,这样做可能会使得延拓的数据点失去了真实性和多样性。同时这样也可能会引入偏差,使得延拓数据产生系统性的错误。针对上述问题,本发明提出了一种数字化农业肥料数据优化管理方法及系统。通过对延拓数据与端点处数据的变化特征以及差异性进行分析,对所有延拓的数据点设置更加合适的补偿系数,提高对于端点处数据异常检测的准确性,进而提高农业肥料数据的管理效率。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种数字化农业肥料数据优化管理方法及系统,所采用的技术方案具体如下:
第一方面,本发明实施例提供了一种数字化农业肥料数据优化管理方法,该方法包括以下步骤:
采集农业土壤温度数据序列;
根据农业土壤温度数据序列分别获得延拓数据段和端点的参考数据段;其中,把农业土壤温度数据序列中最后一个时刻的土壤温度数据作为农业土壤温度数据序列的端点;根据农业土壤温度数据序列以及延拓数据段计算延拓数据段的肥料分解突变度;对于端点的参考数据段,采用与延拓数据段的肥料分解突变度相同的获取方法得到参考数据段的肥料分解突变度;根据延拓数据段与参考数据段的肥料分解突变度获得初级补偿系数;根据延拓数据段中包含的所有延拓数据点和肥料分解突变度获取各延拓数据点的肥料分解异常程度;根据延拓数据点的肥料分解异常程度以及农业土壤温度数据序列的端点计算延拓数据点与端点之间的肥料分解分歧系数;根据各延拓数据点的初级补偿系数、肥料分解异常程度和肥料分解分歧系数计算肥料数据补偿系数,进而获得各延拓数据点对应的温度值;
根据各延拓数据点对应的温度值和农业土壤温度数据序列获得异常数据点。
进一步,所述延拓数据段,包括:
对农业土壤温度数据序列使用指数移动平均算法获得第一预设数量个延拓数据点,将延拓数据点按照时间顺序排列组成延拓数据段。
进一步,所述参考数据段,包括:
将农业土壤温度数据序列中与农业土壤温度数据序列的端点相邻的第二预设数量个农业土壤温度数据,作为端点的参考数据点,将所述参考数据点按照时间顺序排列组成端点的参考数据段。
进一步,所述根据农业土壤温度数据序列以及延拓数据段计算延拓数据段的肥料分解突变度,包括:
对农业土壤温度数据序列使用箱线图算法获得异常上限和异常下限;
获取以异常下限为左边界,异常上限为右边界的区间;将延拓数据段中位于所述区间之外的数据点的个数记为延拓数据段的突变量;获取延拓数据段中所有延拓数据点的中位数,计算延拓数据段中所有延拓数据点的均值,获取所述中位数与所述均值的差值绝对值,将延拓数据段的突变量与所述差值绝对值的乘积作为延拓数据段的肥料分解突变度。
进一步,所述根据延拓数据段与参考数据段的肥料分解突变度获得初级补偿系数,包括:
计算延拓数据段的肥料分解突变度与参考数据段的肥料分解突变度的差值绝对值,获取所述差值的相反数,计算以自然常数为底数,以所述相反数为指数的指数函数,将1与所述指数函数的计算结果的差值作为延拓数据段中延拓数据点的初级补偿系数。
进一步,所述根据延拓数据段中包含的所有延拓数据点和肥料分解突变度获取各延拓数据点的肥料分解异常程度,包括:
对于延拓数据段中的第u个延拓数据点,计算延拓数据段中所有延拓数据点的均值,记为第一均值;获取第u个延拓数据点与第一均值的差值绝对值,记为第一差值绝对值;计算第u个延拓数据点与第u-1个延拓数据点的差值绝对值,记为第二差值绝对值;
获取剔除第u个延拓数据点之后的延拓数据段的肥料分解突变度,记为第一肥料分解突变度,计算延拓数据段的肥料分解突变度与所述第一肥料分解突变度的差值绝对值,记为第三差值绝对值,获取第三差值绝对值的线性归一化结果;将第一差值绝对值、第二差值绝对值与所述线性归一化结果的乘积作为第u个延拓数据点的肥料分解异常程度。
进一步,所述根据延拓数据点的肥料分解异常程度以及农业土壤温度数据序列的端点计算延拓数据点与端点之间的肥料分解分歧系数,包括:
计算第u个延拓数据点的肥料分解异常程度与所述第一差值绝对值的乘积,记为第一乘积;计算第一乘积与第u个延拓数据点的乘积,记为第二乘积;计算第二乘积与农业土壤温度数据序列的端点对应的农业土壤温度数据的差值绝对值,记为第四差值绝对值;计算所述第一预设数量与u的差值,获取第四差值绝对值与所述差值的乘积的线性归一化结果,作为第u个延拓数据点与端点之间的肥料分解分歧系数。
进一步,所述根据各延拓数据点的初级补偿系数、肥料分解异常程度和肥料分解分歧系数计算肥料数据补偿系数,进而获得各延拓数据点对应的温度值,包括:
对于延拓数据段中的各延拓数据点,计算延拓数据点的初级补偿系数、肥料分解分歧系数和各延拓数据点与端点之间的肥料分解异常程度的乘积,将所述乘积的归一化值作为延拓数据点的肥料数据补偿系数;计算农业土壤温度数据序列中所有农业土壤温度数据的均值,获取延拓数据点的肥料数据补偿系数与所述均值的乘积,记为第三乘积;计算1与延拓数据点的肥料数据补偿系数的差值,计算延拓数据点的数值与所述差值的乘积,记为第四乘积,将第三乘积与第四乘积的和值作为延拓数据点对应的温度值。
进一步,所述根据各延拓数据点对应的温度值和农业土壤温度数据序列获得异常数据点,包括:
将拓数据段中的所有延拓数据点对应的温度值与农业土壤温度数据序列进行拼接,获得延拓后的农业土壤温度数据序列;对延拓后的农业土壤温度数据序列使用箱线图算法计算出异常上限和异常下限,获取以异常下限为左边界,异常上限为右边界的区间;将农业土壤温度数据序列中位于所述区间之外的农业土壤温度数据记为异常数据。
第二方面,本发明实施例还提供了一种数字化农业肥料数据优化管理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果:
本发明分析农业土壤温度数据与肥料分解利用率之间的相关关系,结合延拓数据以及端点处数据的变化特征,以及延拓数据与端点处数据之间的差异的分析,实现对每一个延拓的数据点的补偿系数的自适应调整,进而获得对端点处数据更准确的异常检测结果。首先通过对延拓数据点自身的变化特征以及延拓数据与端点出之间的差异性进行分析,计算肥料分解突变度,判断端点受到参考数据段中异常值的干扰程度;根据肥料分解突变度计算初级补偿系数,在一定程度上提高数据延拓对端点数据进行异常检测时的精度;进而根据潜在的异常延拓数据点会对数据延拓的结果产生的影响,结合延拓数据点之间的差异计算延拓数据点的肥料分解异常程度,反映延拓数据点需要被补偿的程度;根据延拓数据点与端点数据之间的差异计算延拓数据点与端点之间的肥料分解分歧系数,反应延拓数据与原始信号之间存在较大的不连续性或不一致性,进而构建肥料数据补偿系数实现对每一个延拓数据点的补偿系数的自适应调整,更加准确的反映原始数据的特征和分布,使得延拓数据保持更大的真实性,提高对于端点处数据的异常检测结果的准确性以及可靠性,进而提高农业肥料数据的管理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种数字化农业肥料数据优化管理方法的步骤流程图;
图2为肥料数据补偿系数的获取流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种数字化农业肥料数据优化管理方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种数字化农业肥料数据优化管理方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种数字化农业肥料数据优化管理方法的步骤流程图,该方法包括以下步骤:
步骤S001,采集农业生产中的农业土壤温度数据序列。
在对农业生产中的农业土壤温度数据进行采集时,需要在监测点处使用温度传感器对温度进行采集与记录。具体的采集时长为三十分钟,相邻时刻的采集时间间隔为一秒。之后使用模数转换设备进行数字化转换为数字表示,得到农业土壤温度数据序列。
至此,即可根据本实施例上述方法可获取农业土壤温度数据序列。
步骤S002,根据农业土壤温度数据序列分别获得延拓数据段和端点的参考数据段的肥料分解突变度,进而获得初级补偿系数;根据肥料分解突变度计算肥料分解异常程度,结合农业土壤温度数据序列的端点计算肥料分解分歧系数;根据初级补偿系数、肥料分解异常程度和肥料分解分歧系数计算肥料数据补偿系数,进而获得各延拓数据点对应的温度值。
本实施例主要是对每一个延拓数据点的补偿系数进行计算,通过对每一个延拓数据以及端点处数据的变化特征,以及延拓数据与端点处数据之间的差异的分析来实现的。首先应确定延拓数据段的长度,再对延拓数据段与端点处数据所处数据段中的突变程度进行分析,二者的差异即作为二者的差异程度,即每一个延拓数据点的初级补偿系数;然后,对每一个延拓数据点在延拓数据段中数值表现进行分析得到其异常程度;接着,对每一个延拓数据点与端点处数据之间的数值表现以及变化特征进行分析,得到每一个延拓数据点与端点处数据之间的分歧系数;最终,结合每一个延拓数据点的初级补偿系数以及其异常程度以及其与端点数据之间的分歧系数,计算得到每一个延拓数据点的补偿系数。
首先确定延拓数据段的长度,然后对延拓数据段与端点处数据所在数据段内的突变程度进行分析,两个数据段之间的突变程度之间的差异即为两个数据段之间的差异程度,这个差异程度就作为对每一个延拓数据点的初级补偿系数。其中,当延拓数据段与端点处数据的差异较大时,说明两者之间存在较明显的不一致或不连续性,这可能是由于数据采集过程中的异常、信号干扰或其他因素导致的。在这种情况下,通过增大补偿系数,可以对延拓数据进行更强的调整,以适应端点处的数据特征,进而提高延拓结果的准确性,并更好地反映原始数据的趋势和变化。
对农业土壤温度数据序列使用指数移动平均算法获得x个延拓数据点,x=200,将延拓数据点按照时间顺序排列组成长度为200的延拓数据段,即延拓数据段内包含200个延拓数据点。然后,对于农业土壤温度数据序列的端点,选取与端点相邻的100个农业土壤温度数据作为端点的参考数据点对端点所处数据段进行分析,本实施例中端点位于最后一个采集时刻,即选取其前100个数据点。将所有参考数据点按照时间顺序排列组成端点的参考数据段。
在计算两个数据段之间的差异程度之前,应该对每一个数据段的突变程度进行分析计算,本步骤中对于延拓数据段的突变程度以及端点数据所在数据段的突变程度的计算分析手段相同,所以这里以延拓数据段为例计算延拓数据段的突变程度。对农业土壤温度数据序列使用箱线图算法获得异常上限和异常下限,箱线图算法为公知技术,不再赘述。获取延拓数据段所含的所有数据点中超出异常上限和异常下限所组成的区间的数据点的个数,记为延拓数据段的突变量。依据上述逻辑计算肥料分解突变度:
式中,表示延拓数据段的肥料分解突变度;/>表示延拓数据段的突变量;/>表示延拓数据段中所有数据点的温度数值的中位数,/>表示延拓数据段中的延拓数据点的个数,表示延拓数据段中的第u个数据点的温度数值。
依据箱线图算法确定异常上下限,那么超出数据段中异常上下限的数据点的个数越多,可以说明该数据段中的突变程度越大,温度与化肥的分解速率数据属于正相关,则肥料分解过程的突变程度越大。同时,若该数据段中的数据点在箱线图中的分布越趋近对称就可以说明该数据段中数据没有明显的异常值干扰,也可以说明该数据段中的突变程度越小。本步骤中我们用延拓数据段中的中位数与平均值之间的差异来量化该数据段中数据的对称性,其在公式中的表示为。该值越小,说明延拓数据段中的数据突变程度越小,肥料分解过程的突变程度越小。
依据与延拓数据段的肥料分解突变度相同的手段,获得端点的参考数据段的肥料分解突变度。进一步将延拓数据段的肥料分解突变度/>与端点的参考数据段的肥料分解突变度/>作差即可得到两个数据段之间的差异程度,则每一个延拓数据点的初级补偿系数。/>为以自然常数为底数的指数函数,将初级补偿系数的取值范围归一化至/>之间。
初级补偿系数虽然可以在一定程度上提高数据延拓对端点数据进行异常检测时的精度,但每一个延拓数据点的补偿系数在这个时候还是相同的。而每一个延拓数据点自身也会存在大小的不同,其中潜在的异常延拓数据点会对数据延拓的结果产生较大的影响。所以有必要对每一个延拓数据点自身的异常程度进行分析,得到每一个延拓数据点的异常程度。而每一个延拓数据点的异常程度越大其对应的补偿系数应该越小,这是因为这些数据的可靠性低,对信号的影响越大所以应该将其对补偿系数的贡献降低。依据上述逻辑,计算每一个延拓数据点的肥料分解异常程度:
式中,表示第u个延拓数据点的肥料分解异常程度,/>表示第u个延拓数据点的温度数值,/>表示延拓数据段中所有数据点的温度数值的均值,/>表示第u-1个延拓数据点的温度数值,/>表示延拓数据段中将第u个延拓数据点去除之后的肥料分解突变度,/>表示延拓数据段的肥料分解突变度,/>为线性归一化函数。
对于每一个延拓数据点异常程度的分析依据的是每一个延拓数据自身的数值大小相对平均值的差异、每一个延拓数据点较其上一个采样时刻温度数值对应的幅值变化量以及将正在分析的延拓数据点去除之后整个延拓数据段中的突变程度相对于初始突变程度的变化。首先,每一个延拓数据点自身的温度数值与平均值之间的差异越大,说明该延拓数据点属于异常数据点的可能性越大,那么其异常程度越大,其对应的补偿系数也应该越大,每一个延拓数据点较其上一采样时刻温度数值对应的幅值变化量越大,说明该延拓数据点上发生异常变化的可能性越大,那么其异常程度也应该越大,其对应的补偿系数也就越大;最后,若整个延拓数据将正在分析的延拓数据点去除之后计算的突变程度与原始的延拓数据段中的突变程度相比较,原始的突变程度与去除正在分析的延拓数据点之后的延拓数据段的突变程度作差,其差值越大就说明正在分析的延拓数据点对于延拓数据段的突变程度的影响越大,那么该延拓数据点属于异常数据点的可能性就应该越大,其对应的异常程度也应该越大,温度变化与化肥的分解速率数据属于正相关,即肥料分解异常程度也越大。
通过上述步骤的分析,已经获得了每一个延拓数据点的初级补偿系数以及每一个延拓数据点的异常程度,那么在本步骤应该继续对每一个延拓数据点最终补偿系数的影响因素进行分析。由于在延拓数据处理中,信号需要保持连续性以及平滑性,所可以对每一个延拓数据点与端点数据之间的差异进行分析,使其作为影响每一个延拓数据点大小的一个因素,这样会使得对于每一个延拓数据点的补偿系数的计算更加准确。那么对于每一个延拓数据点与端点数据点之间的差异性的量化依据为两个数据点之间数值的绝对差异以及两个数据点之间的相对距离,进而得到每一个延拓数据点与端点之间的分歧系数。其中,每一个延拓数据点自身的异常程度越大,其自身的数值表现真实性越差,就需要越大程度的校正。而在校正时可以依据异常偏大或者异常偏小控制对其数值表现的修正方向。依据上述逻辑,计算每一个延拓数据点与端点之间的肥料分解分歧系数:
式中,表示第u个延拓数据点与端点之间的肥料分解分歧系数,/>表示第u个延拓数据点的数值,/>表示第u个延拓数据点的肥料分解异常程度,/>表示延拓数据段中所有数据点的温度数值的均值,/>表示端点处的农业土壤温度,/>为延拓数据点的数量,/>表示第u个延拓数据点与端点之间的间隔,/>为线性归一化函数。
在对每一个延拓数据点与端点数据之间的分歧系数分析时,依据的是两个数据之间的数值差异以及间距。其对应的间距越大,二者之间的差异程度就会越大。而在量化两个数据之间的数值差异时,由于每一个延拓数据点存在不同的异常程度也就代表着延拓数据点自身采样值的真实性存在差异,所以需要利用异常程度对其在计算绝对差异时的值进行一定程度的放大或缩小。在公式中采用对第u个延拓数据点的数值/>进行不同程度的放大或缩小,其中每一个延拓数据点的异常程度/>越大,对其采样值的放大程度越大,而利用每一个延拓数据点与延拓数据段中所有数据点之间的差值/>在可以控制放大或者缩小的方向。若延拓数据点异常偏大,则放大;若延拓数据点异常偏小,则缩小。这么做的目的是为了依据异常程度放大延拓数据点的实际采样值与端点数据值的差异/>,该差异越大,说明延拓数据点与端点之间的差异越大,则对应的肥料分解分歧系数也就越大。
补偿系数用于确定延拓数据的数值,以保持信号在延拓过程中的连续性和平滑性。补偿系数的作用是根据信号的边缘信息来推测延拓数据的数值,从而消除信号边缘效应对信号处理的影响。如果延拓数据点与端点数据之间的差异程度越大,说明延拓数据与原始信号之间存在较大的不连续性或不一致性。在这种情况下,为了保持信号的平滑性和连续性,需要对延拓数据进行更大的调整,以使其与原始信号更好地匹配,所以可以说明一个延拓数据点与端点数据点之间的分歧系数越大,其最终的肥料补偿系数应该越大,如图2所示为肥料数据补偿系数的获取流程。而一个延拓数据点的自身异常程度同样也会应该其自身最终补偿系数的确定。每一个延拓数据点的异常程度越大其可靠性就会越低,对信号的影响越大所以应该其对应的补偿系数应该越大。依据上述逻辑,计算每一个延拓数据点的肥料数据补偿系数:
式中,表示第u个延拓数据点的肥料数据补偿系数,/>表示第u个延拓数据点的初级补偿系数,/>表示第u个延拓数据点与端点之间的肥料分解分歧系数,/>表示第u个延拓数据点的肥料分解异常程度,/>为线性归一化函数。
根据延拓数据点的肥料数据补偿系数计算延拓数据点的温度值,第个延拓数据点的温度值/>,计算公式为:
式中,为第/>个延拓数据点的温度值,/>表示第u个延拓数据点的数值,/>表示第u个延拓数据点的肥料数据补偿系数,/>为农业土壤温度数据序列中所有农业土壤温度数据的均值。
延拓数据点的肥料数据补偿系数越大,使用农业土壤温度数据序列的均值对其进行补偿的比例越大。
步骤S003,根据各延拓数据点对应的温度值完成对农业土壤温度数据序列的延拓,根据延拓后的农业土壤温度数据序列完成农业肥料数据的优化管理。
将拓数据段中的所有延拓数据点对应的温度值与农业土壤温度数据序列进行拼接,完成数据延拓,对延拓后的农业土壤温度数据序列进行异常检测,具体操作如下:对延拓后的农业土壤温度数据序列使用箱线图算法计算出异常上限和异常下限,获取以异常下限为左边界,异常上限为右边界的区间;将农业土壤温度数据序列中位于所述区间之外的农业土壤温度数据记为异常数据。同时,由于温度与肥料的分解速率数据等属于正相关关系,所以若某采样时刻的农业土壤温度数据存在异常,那么在该采样时刻对应的肥料分解出现异常,需要及时进行预警,并取样检测。
基于与上述方法相同的发明构思,本发明实施例还提供了一种数字化农业肥料数据优化管理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种数字化农业肥料数据优化管理方法中任意一项所述方法的步骤。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种数字化农业肥料数据优化管理方法,其特征在于,该方法包括以下步骤:
采集农业土壤温度数据序列;
根据农业土壤温度数据序列分别获得延拓数据段和端点的参考数据段;其中,把农业土壤温度数据序列中最后一个时刻的土壤温度数据作为农业土壤温度数据序列的端点;根据农业土壤温度数据序列以及延拓数据段计算延拓数据段的肥料分解突变度;对于端点的参考数据段,采用与延拓数据段的肥料分解突变度相同的获取方法得到参考数据段的肥料分解突变度;根据延拓数据段与参考数据段的肥料分解突变度获得初级补偿系数;根据延拓数据段中包含的所有延拓数据点和肥料分解突变度获取各延拓数据点的肥料分解异常程度;根据延拓数据点的肥料分解异常程度以及农业土壤温度数据序列的端点计算延拓数据点与端点之间的肥料分解分歧系数;根据各延拓数据点的初级补偿系数、肥料分解异常程度和肥料分解分歧系数计算肥料数据补偿系数,进而获得各延拓数据点对应的温度值;
根据各延拓数据点对应的温度值和农业土壤温度数据序列获得异常数据点。
2.如权利要求1所述的一种数字化农业肥料数据优化管理方法,其特征在于,所述延拓数据段,包括:
对农业土壤温度数据序列使用指数移动平均算法获得第一预设数量个延拓数据点,将延拓数据点按照时间顺序排列组成延拓数据段。
3.如权利要求1所述的一种数字化农业肥料数据优化管理方法,其特征在于,所述参考数据段,包括:
将农业土壤温度数据序列中与农业土壤温度数据序列的端点相邻的第二预设数量个农业土壤温度数据,作为端点的参考数据点,将所述参考数据点按照时间顺序排列组成端点的参考数据段。
4.如权利要求2所述的一种数字化农业肥料数据优化管理方法,其特征在于,所述根据农业土壤温度数据序列以及延拓数据段计算延拓数据段的肥料分解突变度,包括:
对农业土壤温度数据序列使用箱线图算法获得异常上限和异常下限;
获取以异常下限为左边界,异常上限为右边界的区间;将延拓数据段中位于所述区间之外的数据点的个数记为延拓数据段的突变量;获取延拓数据段中所有延拓数据点的中位数,计算延拓数据段中所有延拓数据点的均值,获取所述中位数与所述均值的差值绝对值,将延拓数据段的突变量与所述差值绝对值的乘积作为延拓数据段的肥料分解突变度。
5.如权利要求1所述的一种数字化农业肥料数据优化管理方法,其特征在于,所述根据延拓数据段与参考数据段的肥料分解突变度获得初级补偿系数,包括:
计算延拓数据段的肥料分解突变度与参考数据段的肥料分解突变度的差值绝对值,获取所述差值的相反数,计算以自然常数为底数,以所述相反数为指数的指数函数,将1与所述指数函数的计算结果的差值作为延拓数据段中延拓数据点的初级补偿系数。
6.如权利要求4所述的一种数字化农业肥料数据优化管理方法,其特征在于,所述根据延拓数据段中包含的所有延拓数据点和肥料分解突变度获取各延拓数据点的肥料分解异常程度,包括:
对于延拓数据段中的第u个延拓数据点,计算延拓数据段中所有延拓数据点的均值,记为第一均值;获取第u个延拓数据点与第一均值的差值绝对值,记为第一差值绝对值;计算第u个延拓数据点与第u-1个延拓数据点的差值绝对值,记为第二差值绝对值;
获取剔除第u个延拓数据点之后的延拓数据段的肥料分解突变度,记为第一肥料分解突变度,计算延拓数据段的肥料分解突变度与所述第一肥料分解突变度的差值绝对值,记为第三差值绝对值,获取第三差值绝对值的线性归一化结果;将第一差值绝对值、第二差值绝对值与所述线性归一化结果的乘积作为第u个延拓数据点的肥料分解异常程度。
7.如权利要求6所述的一种数字化农业肥料数据优化管理方法,其特征在于,所述根据延拓数据点的肥料分解异常程度以及农业土壤温度数据序列的端点计算延拓数据点与端点之间的肥料分解分歧系数,包括:
计算第u个延拓数据点的肥料分解异常程度与所述第一差值绝对值的乘积,记为第一乘积;计算第一乘积与第u个延拓数据点的乘积,记为第二乘积;计算第二乘积与农业土壤温度数据序列的端点对应的农业土壤温度数据的差值绝对值,记为第四差值绝对值;计算所述第一预设数量与u的差值,获取第四差值绝对值与所述差值的乘积的线性归一化结果,作为第u个延拓数据点与端点之间的肥料分解分歧系数。
8.如权利要求1所述的一种数字化农业肥料数据优化管理方法,其特征在于,所述根据各延拓数据点的初级补偿系数、肥料分解异常程度和肥料分解分歧系数计算肥料数据补偿系数,进而获得各延拓数据点对应的温度值,包括:
对于延拓数据段中的各延拓数据点,计算延拓数据点的初级补偿系数、肥料分解分歧系数和各延拓数据点与端点之间的肥料分解异常程度的乘积,将所述乘积的归一化值作为延拓数据点的肥料数据补偿系数;计算农业土壤温度数据序列中所有农业土壤温度数据的均值,获取延拓数据点的肥料数据补偿系数与所述均值的乘积,记为第三乘积;计算1与延拓数据点的肥料数据补偿系数的差值,计算延拓数据点的数值与所述差值的乘积,记为第四乘积,将第三乘积与第四乘积的和值作为延拓数据点对应的温度值。
9.如权利要求1所述的一种数字化农业肥料数据优化管理方法,其特征在于,所述根据各延拓数据点对应的温度值和农业土壤温度数据序列获得异常数据点,包括:
将拓数据段中的所有延拓数据点对应的温度值与农业土壤温度数据序列进行拼接,获得延拓后的农业土壤温度数据序列;对延拓后的农业土壤温度数据序列使用箱线图算法计算出异常上限和异常下限,获取以异常下限为左边界,异常上限为右边界的区间;将农业土壤温度数据序列中位于所述区间之外的农业土壤温度数据记为异常数据。
10.一种数字化农业肥料数据优化管理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410224711.0A CN117808271B (zh) | 2024-02-29 | 2024-02-29 | 一种数字化农业肥料数据优化管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410224711.0A CN117808271B (zh) | 2024-02-29 | 2024-02-29 | 一种数字化农业肥料数据优化管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117808271A true CN117808271A (zh) | 2024-04-02 |
CN117808271B CN117808271B (zh) | 2024-05-24 |
Family
ID=90433751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410224711.0A Active CN117808271B (zh) | 2024-02-29 | 2024-02-29 | 一种数字化农业肥料数据优化管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117808271B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6466321B1 (en) * | 1999-06-17 | 2002-10-15 | Satake Corporation | Method of diagnosing nutritious condition of crop in plant field |
CN107220967A (zh) * | 2017-05-08 | 2017-09-29 | 新疆农业大学 | 一种草地土壤退化评价方法 |
CN109343379A (zh) * | 2018-06-12 | 2019-02-15 | 山东省农业可持续发展研究所 | 一种农业数据的采集处理方法 |
US20220196877A1 (en) * | 2014-09-12 | 2022-06-23 | Climate Llc | Forecasting national crop yield during the growing season |
CN117076934A (zh) * | 2023-10-16 | 2023-11-17 | 罗普特科技集团股份有限公司 | 一种基于物联网的监控数据采集及分析方法 |
KR20230172080A (ko) * | 2022-06-14 | 2023-12-22 | 경희대학교 산학협력단 | 농경지 토양탄소 저장 변화량 산출방법, 프로그램 및 산출시스템 |
CN117311417A (zh) * | 2023-11-30 | 2023-12-29 | 山东泽林农业科技有限公司 | 基于物联网的智慧农业信息综合管理方法及系统 |
CN117370329A (zh) * | 2023-12-07 | 2024-01-09 | 湖南易比特大数据有限公司 | 基于工业物联网的设备数据智能化管理方法及系统 |
-
2024
- 2024-02-29 CN CN202410224711.0A patent/CN117808271B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6466321B1 (en) * | 1999-06-17 | 2002-10-15 | Satake Corporation | Method of diagnosing nutritious condition of crop in plant field |
US20220196877A1 (en) * | 2014-09-12 | 2022-06-23 | Climate Llc | Forecasting national crop yield during the growing season |
CN107220967A (zh) * | 2017-05-08 | 2017-09-29 | 新疆农业大学 | 一种草地土壤退化评价方法 |
CN109343379A (zh) * | 2018-06-12 | 2019-02-15 | 山东省农业可持续发展研究所 | 一种农业数据的采集处理方法 |
KR20230172080A (ko) * | 2022-06-14 | 2023-12-22 | 경희대학교 산학협력단 | 농경지 토양탄소 저장 변화량 산출방법, 프로그램 및 산출시스템 |
CN117076934A (zh) * | 2023-10-16 | 2023-11-17 | 罗普特科技集团股份有限公司 | 一种基于物联网的监控数据采集及分析方法 |
CN117311417A (zh) * | 2023-11-30 | 2023-12-29 | 山东泽林农业科技有限公司 | 基于物联网的智慧农业信息综合管理方法及系统 |
CN117370329A (zh) * | 2023-12-07 | 2024-01-09 | 湖南易比特大数据有限公司 | 基于工业物联网的设备数据智能化管理方法及系统 |
Non-Patent Citations (1)
Title |
---|
徐世艳;: "基于延拓技术的经验模态分解改进算法", 吉林大学学报(信息科学版), no. 04, 15 July 2009 (2009-07-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117808271B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112270129B (zh) | 一种基于大数据分析的植物长势预测方法 | |
CN117322214B (zh) | 一种基于神经网络的农作物肥料精准施用方法与系统 | |
CN117688404B (zh) | 智能施肥配方决策方法、装置、设备、介质及程序产品 | |
CN117808271B (zh) | 一种数字化农业肥料数据优化管理方法及系统 | |
CN117556366B (zh) | 基于数据筛选的数据异常检测系统及方法 | |
CN117540325B (zh) | 基于数据变化量捕获的业务数据库异常检测方法及系统 | |
CN116894514A (zh) | 一种基于土壤质量指标的作物产量预测方法及系统 | |
CN117236515A (zh) | 一种预测城市行道树胸径生长趋势的方法、预测系统及电子设备 | |
CN115508292B (zh) | 基于机器学习的土壤剖面氮素含量高光谱检测及可视化方法 | |
CN117786371B (zh) | 一种温度监测数据优化预测分析方法及系统 | |
CN112836166B (zh) | 基于响应峰分析的等间采样实验监测数据一阶微分算法 | |
CN110751335B (zh) | 一种区域生态质量年景预测评价方法及装置 | |
JP6570929B2 (ja) | 特性推定モデル生成装置および方法、解析対象の特性推定装置および方法 | |
CN110658722B (zh) | 一种基于gap的自均衡多模型分解方法及系统 | |
CN112381426A (zh) | 基于分阶段时间趋势特征的森林退化遥感监测方法及系统 | |
CN112734119A (zh) | 一种基于空间养分聚类分析的玉米产量预测方法 | |
CN116735538B (zh) | 一种基于氮素分配模型的作物氮素累积量遥感预测方法 | |
CN117892638B (zh) | 一种利用条件概率函数的干旱形成时间预测方法及系统 | |
CN117421686B (zh) | 一种水肥一体化灌溉用量数据收集方法 | |
CN117435867B (zh) | 确定叶绿素浓度变化时间规律的方法、装置、介质及设备 | |
CN116738759B (zh) | 装备的设计运维方法、装置、计算机设备及可读存储介质 | |
CN115879745B (zh) | 一种农业灌溉用水分析调度和业务管理方法及平台 | |
CN117933676B (zh) | 一种农业种植管理系统 | |
CN115907178B (zh) | 一种净生态系统co2交换量的预测方法 | |
CN117829357A (zh) | 一种土壤改良方法及动态监测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |