本發(fā)明涉及礦區(qū)生態(tài)領域，尤其涉及一種風沙草灘區(qū)露天煤礦植被種植智能決策方法。

背景技術：

1、風沙草灘區(qū)的沙丘大面積連續(xù)分布，植被嚴重退化，土地趨向荒漠化愈加顯著，地下水位不穩(wěn)定，生態(tài)環(huán)境極為脆弱；露天煤礦，水土資源嚴重匱乏，水土流失面積巨大，對生態(tài)環(huán)境造成重大破壞。已有研究表明，露天煤礦植被恢復對環(huán)境治理具有積極作用，可見尋求風沙草灘區(qū)露天煤礦的植被種植方法至關重要。已有種植決策案例中，表現(xiàn)出以下缺陷：

2、(1)在植被種植決策方面，首先智能性表現(xiàn)不足，多采用專家經驗法或直接借鑒前人成果經驗；其次，部分利用智能決策方法以決策樹和灰色理論為主，通過研究發(fā)現(xiàn)，其處理數據量體積和處理結果的準確性遠低于神經網絡的算法能力；最后，神經網絡決策過程中，其權重初始化方法以隨機初始化和遷移學習學習初始化為主，而沒有任何先驗知識的隨機初始化，加重了模型訓練的繁瑣；利用預訓練模型進行遷移學習的初始化方法，則對模型結構具有一定的約束，需要權重分布規(guī)律進行提取以使得模型權重具有更高概率逼近全局最優(yōu)解。

3、(2)風沙草灘區(qū)露天煤礦的植被種植的數據集構建方面，缺乏對種植區(qū)域數據的長期監(jiān)測，植被生長特征以及區(qū)域適應能力無法科學的評價。

4、(3)植被種植決策結果方面以植被品種決策為主體，不夠全面，還需補充植被種植密度以及病蟲害防治和灌溉施肥等方面。

技術實現(xiàn)思路

1、有鑒于此，本發(fā)明提供一種風沙草灘區(qū)露天植被種植智能決策方法，本發(fā)明的方法提高植被種植決策的可靠性和科學性，彌補單一經驗法的不足，為風沙草灘區(qū)露天煤礦種植的選擇提供依據。

2、具體的，本技術是通過如下技術方案實現(xiàn)的：

3、本發(fā)明的第一方面提供一種風沙草灘區(qū)露天煤礦植被種植智能決策方法，其方法包括：

4、構建風沙草灘區(qū)露天煤礦植被種植檔案數據集；

5、構建風沙草灘區(qū)露天煤礦植被種植的經驗知識庫；

6、基于anpl-layer模型優(yōu)化alexnet卷積神經網絡，得到anpl-net卷積神經網絡模型；

7、基于anpl-net卷積神經網絡模型，結合檔案數據集和經驗知識庫，對露天煤礦植被種植進行決策。

8、根據本發(fā)明的一個實施例，構建風沙草灘區(qū)露天煤礦植被種植檔案數據集的方法包括：

9、收集露天煤礦區(qū)域的生態(tài)環(huán)境因子數據和種植區(qū)域的遙感圖像數據；

10、基于生態(tài)環(huán)境因子數據和遙感圖像數據構建基于物聯(lián)網技術的數據獲取網絡；

11、通過數據獲取網絡，對各平臺的數據實時傳輸并集中存儲得到實時數據；

12、基于實時數據對環(huán)境數據進行整理和分離，并生成風沙草灘區(qū)露天煤礦植被種植檔案數據集。

13、根據本發(fā)明的一個實施例，基于anpl-layer模型優(yōu)化alexnet卷積神經網絡的方法包括：

14、對alexnet卷積神經網絡中每層的權重數量、卷積核大小、通道數進行計算；

15、基于對稱冪律分布函數優(yōu)化alexnet卷積神經網絡的權重分布；

16、根據anpl-layer模型生成優(yōu)化后的權重，并應用于alexnet卷積神經網絡的卷積層；

17、將優(yōu)化后的alexnet卷積神經網絡的卷積層重新整合，形成anpl-net卷積神經網絡模型。

18、根據本發(fā)明的一個實施例，對alexnet卷積神經網絡中每層的權重數量、卷積核大小、通道數進行計算的方法包括：

19、統(tǒng)計alexnet卷積神經網絡的卷積結構以及對應的權重數量，其計算如下：

20、kiw＝ks×ks×ci×si；

21、其中，kiw代表第i層卷積核權重，ks代表卷積核大小，ci代表層通道數，si代表層卷積核個數；

22、將alexnet卷積神經網絡的卷積層k的所有數據表示為:

23、ki＝{δ(ni，ci，hi，wi)|(1≤ni≤ni，1≤ci≤ci，i≤hi≤hi，1≤wi≤wi)}

24、其中，ki表示網絡模型中第i層卷積層的權重數據，ni表示第i層卷積層的卷積核個數，ci表示第i層卷積層中卷積核的通道數，(hi，wi)表示第i層卷積層中卷積核的格式。

25、根據本發(fā)明的一個實施例，基于對稱冪律分布函數優(yōu)化alexnet卷積神經網絡的權重分布的方法包括：

26、對各層權重數據進行冪律分布檢驗，基于預訓練權重研究得到的權重分布規(guī)律，并對冪律分布函數進行規(guī)范化，具體公式如下：

27、

28、依據推導出的標準化對稱冪律分布函數，構建針對alexnet卷積神經網絡的anpl-layer卷積層初始化方法。

29、根據本發(fā)明的一個實施例，anpl-layer初始化方法包括如下步驟：

30、當卷積層需要的權重數量為num時，對于xi值，對應生成num*yi個數據；

31、基于生成取值區(qū)間為(-r，r)的隨機數，對num*yi取值為xi的數據做隨機數波動處理，確保anpl-layer算法生成的數據layer?data中沒有連續(xù)相同的數據；

32、根據當前第i層卷積層的格式(ni，ci，hi，wi)，對模型生成的權重數據進行格式化的處理；

33、anpl-layer模型算法最終輸出數據為：(ni，ci，hi，wi)的張量數據layer?data。

34、根據本發(fā)明的一個實施例，所述alexnet卷積神經網絡包括五個卷積層和三個連接層。

35、根據本發(fā)明的一個實施例，基于anpl-net卷積神經網絡模型，結合檔案數據集和經驗知識庫，對露天煤礦植被種植進行決策的方法包括：

36、利用anpl-net卷積神經網絡模型決策植被種植品種、植被種植密度、種植區(qū)域面積、水肥能力、病蟲害防治方案和灌溉施肥方案。

37、本發(fā)明的第二個方面提供一種非瞬時性計算機可讀存儲介質，所述非瞬時性計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)一種風沙草灘區(qū)露天煤礦植被種植智能決策的方法。

38、本發(fā)明的第三個方面提供一種電子設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)一種風沙草灘區(qū)露天煤礦植被種植智能決策的方法。

39、本發(fā)明較現(xiàn)有技術相比，具有以下優(yōu)點及有益效果：

40、(1)根據露天煤礦種植區(qū)域特點，構建礦區(qū)種植數據獲取網絡，基于物聯(lián)網技術，將各類傳感器和實施監(jiān)測系統(tǒng)進行鏈接，利用網絡數據抓取將各平臺的數據最后集中于本發(fā)明所創(chuàng)建的數據網絡，形成風沙草灘區(qū)露天煤礦的檔案數據集框架，使得植被種植決策具有更加完備且實時的數據集，為后續(xù)決策提供較好的數據支持，提高決策中卷積神經網絡輸入數據的區(qū)域特征性和精確性。

41、(2)卷積層功能和權重相對獨立，針對alexnet卷積神經網絡中卷積層的整體權重為研究對象，根據其對稱冪律分布函數，構建anpl-layer模型。而后利用anpl-layer模型對alexnet卷積神經網絡進行權重初始化形成anpl-net卷積神經網絡模型，使其獲得更佳快速收斂和良好的泛化能力。

42、(3)在植被種植決策方面，本發(fā)明對植被品種的選擇，種植密度，病蟲害防治和灌溉施肥方面，都使用基于anpl-net卷積神經網絡進行決策，使植被種植智能決策結果方面系統(tǒng)全面，提高了決策結果的全面性、整體性以及可借鑒性。

43、(4)本發(fā)明可以補足根據專家經驗的主觀性的缺陷，能夠快速實時對露天煤礦區(qū)域植被種植進行決策，提高決策結果的有效性和精確性，對于種植的成本損耗的降低和礦區(qū)生態(tài)修復具有重要意義。