一种土壤含水量不确定模拟方法

本发明涉及土壤含水量模拟和预测，具体涉及一种土壤含水量不确定模拟方法。

背景技术：

1、土壤含水量影响着植物生育、生态环境及水资源的合理分配与高效利用，对作物的生长、节水灌溉有着非常重要的作用，对于农业生产具有重要意义，土壤含水量不仅影响作物的生长，而且在一定程度上影响土壤的其他性质，农业模型涉及的重要状态变量之一，制约着农业模型的模拟和预测精度，土壤含水量的采集、监测模拟和空间分布式对于农业水土工程具有重要作用。近年来，如何用模型的方式阐释农业系统土壤含水量这一状态变量的空间异质性和不确定性，并定量评估这种异质性和不确定性引起了研究者们的关注，因此本发明提供一种土壤含水量不确定模拟方法。针对现有技术存在以下问题：

2、1、现有的土壤含水量不确定模拟方法，受各种内生因素和外源因素的综合影响，土壤含水量估计和预测的不确定性误差较大；

3、2、现有的土壤含水量不确定模拟方法，要用户干预或昂贵的调优运行，成本较大，不便于广泛的推广使用。

技术实现思路

1、为解决上述技术问题，本发明所采用的技术方案是：

2、一种土壤含水量不确定模拟方法，包括以下步骤，

3、s1、样本收集：收集和整理土壤含水量样本，并进行标准化，标准化可以对数据使用相同的弱先验，不需要关心数据的具体值域有多大；

4、s2、函数选择：根据土壤含水量增加或者降低结对应高斯函数的权重，系数的个数与结的个数一致，系数决定估计的曲线在结处的增加和降低，在运用核函数对土壤含水量进行贝叶斯推理过程中柯西分布作为先验分布，基于无掉头抽样实现土壤含水量模拟和预测的不确定性；

5、s3、函数映射：用核函数将样本变换成为核函数矩阵，将输入数据通过非线性函数映射到高维特征空间；

6、s4、算法实现：在特征空间对核函数矩阵算法实现；

7、s5、模型预测：得到输入空间中的非线性模型，基于结(knots)的高斯核函数用下式表示，

8、本发明技术方案的进一步改进在于：s2核函数就是样本数据点的转换函数，高斯核函数将每一个样本点映射到一个无穷维的特征空间，使得原本线性不可分的数据线性可分，高斯核函数也称径向基函数，用于将有限维数据映射到高维空间。

9、本发明技术方案的进一步改进在于：通常定义为空间中任意一点到某一中心点之间的欧式距离的单调函数，可记作k(||x-y||)，其作用往往是局部的，即当远离时函数取值很小。

10、本发明技术方案的进一步改进在于：函数定义为上式中的为高斯核函数的超参数，表示为与带宽(w＝2σ2)成反比，带宽w控制着核函数的宽度，正比于方差σ，σ控制高斯核函数的作用范围，其值越大，高斯核函数的局部影响范围就越大，在实际应用过程中，σ不能太小，否则在分类任务中容易过拟合。

11、本发明技术方案的进一步改进在于：y为核函数中心，为向量x和向量y的欧式距离，随着两个向量的距离增大，高斯核函数单调递减，||x-y||2称为欧氏距离的平方，对于一个n维的空间，则有||x-y||2＝(x1-y1)2+(x2-y2)2+…+(xn-yn)2，对于正态分布，它是一个连续概率分布，又名高斯分布，该函数可表示为：它和高斯核函数的公式在形态上是一致的。

12、本发明技术方案的进一步改进在于：s5x表示数据，向量y通常称作结(knots)，k为高斯核函数，对于每个结都有对应的一个高斯函数，特别地，当x＝y时，数据点即为结。结距离原数据越近，核函数的返回值越大，由于高斯核函数输出衡量的是相似性，所以函数数据点的均值也越接近，x的变化越大，那么μ的变化也就越大，对于每个结，都有一个高斯函数，通过参数γ，根据数据增加或者降低这些结对应的高斯函数的权重，如果把所有的高斯函数加起来，则得到一个平滑的曲线并拟合得到μ。

13、由于采用了上述技术方案，本发明相对现有技术来说，取得的技术进步是：

14、1、本发明提供一种土壤含水量不确定模拟方法，基于选择函数，根据土壤含水量增加或者降低结对应高斯函数的权重，系数的个数与结的个数一致，构造或者描述土壤含水量概率过程，先验分布或者无信息先验分布的构造；实现对已知概率过程的随机抽样，对于土壤含水量进行样本信息和先验信息的综合；建立与土壤含水量随机模拟对应的估计量。从土壤含水量后验分布进行点估计、区间估计和假设检验。运用无掉头抽样对土壤含水量进行贝叶斯推断，相较于hmc(hamiltonian monte carlo)方法的采样效率而言，该抽样生成的样本能够更有效地探索目标分布，从而实现更快的收敛，在完全不进行任何手动调整的情况下运行，不需要用户干预或昂贵的调优运行，避免了hmc需要进行手动调整参数的缺点。

15、2、本发明提供一种土壤含水量不确定模拟方法，在模型的支持下，对于输入空间中的非线性模型，基于结(knots)的高斯核函数用下式表示，通过对高斯核函数模型进行后验检查，获得的结果，模型较好地捕捉到了土壤含水量采样数据，并且揭示了土壤含水量高斯函数模拟的不确定特征，在完全不进行任何手动调整的情况下运行，不需要用户干预或昂贵的调优运行，避免了hmc需要进行手动调整参数的缺点。

技术特征：

1.一种土壤含水量不确定模拟方法，包括以下步骤，其特征在于：

2.根据权利要求1所述的一种土壤含水量不确定模拟方法，其特征在于：s2核函数就是样本数据点的转换函数，高斯核函数将每一个样本点映射到一个无穷维的特征空间，使得原本线性不可分的数据线性可分，高斯核函数也称径向基函数，用于将有限维数据映射到高维空间。

3.根据权利要求2所述的一种土壤含水量不确定模拟方法，其特征在于：通常定义为空间中任意一点到某一中心点之间的欧式距离的单调函数，可记作k(||x-y||)，其作用往往是局部的，即当远离时函数取值很小。

4.根据权利要求3所述的一种土壤含水量不确定模拟方法，其特征在于：函数定义为上式中的为高斯核函数的超参数，表示为与带宽(w＝2σ2)成反比，带宽w控制着核函数的宽度，正比于方差σ，σ控制高斯核函数的作用范围，其值越大，高斯核函数的局部影响范围就越大，在实际应用过程中，σ不能太小，否则在分类任务中易过拟合。

5.根据权利要求3所述的一种土壤含水量不确定模拟方法，其特征在于：y为核函数中心，为向量x和向量y的欧式距离，随着两个向量的距离增大，高斯核函数单调递减，||x-y||2称为欧氏距离的平方，对于一个n维的空间，则有||x-y||2＝(x1-y1)2+(x2-y2)2+…+(xn-yn)2，对于正态分布，它是一个连续概率分布，又名高斯分布，该函数可表示为：它和高斯核函数的公式在形态上是一致的。

6.根据权利要求1所述的一种土壤含水量不确定模拟方法，其特征在于：s5x表示数据，向量y通常称作结，k为高斯核函数，对于每个结都有对应的一个高斯函数，特别地，当x＝y时，数据点即为结。结距离原数据越近，核函数的返回值越大，由于高斯核函数输出衡量的是相似性，所以函数数据点的均值也越接近，x的变化越大，那么μ的变化也就越大，对于每个结，都有一个高斯函数，通过参数γ，根据数据增加或者降低这些结对应的高斯函数的权重，如果把所有的高斯函数加起来，则得到一个平滑的曲线并拟合得到μ。

技术总结
本发明公开了一种土壤含水量不确定模拟方法，涉及土壤含水量模拟和预测技术领域，包括以下步骤，S1(样本收集)；S2(函数选择)；S3(函数映射)：用核函数将样本变换成为核函数矩阵，将输入数据通过非线性函数映射到高维特征空间；S4(算法实现)：在特征空间对核函数矩阵算法实现；S5(模型预测)：对于输入空间的非线性模型，基于结的高斯核函数(x表示数据，向量y称作结(knots)，K为高斯核函数，对于每个结都有对应的一个高斯函数)对土壤含水量进行模拟。本发明通过对土壤含水量高斯核函数模型进行后验检查，模型可较好地捕捉土壤含水量样本数据，并且揭示土壤含水量高斯函数模拟的不确定特征。

技术研发人员：杨玉建,韩保民,王春光,徐工,王艳
受保护的技术使用者：山东理工大学
技术研发日：
技术公布日：2024/2/8