【技术实现步骤摘要】
本专利技术涉及生态水文，具体是指基于地下水水位阈值调控的灌溉优化方法。
技术介绍
1、地下水资源作为主要的供水水源，担负着农业灌溉、生活用水等重任，地下水水源分布广，水量较稳定，合理调控地下水水位对于农业可持续发展至关重要。传统的地下水水位阈值调控方法往往只使用单一来源的地下水水位数据，忽视了气象、土壤湿度等对地下水水位变化的潜在影响，在特征处理时难以捕捉复杂的时序特征，缺乏多源信息融合的能力；一般的时序预测方法中往往忽略波动因素和不确定性因素的评估，在实际决策中预测精度的可信度低，地下水水位预测与作物生长之间的耦合不足，增加模型的误判风险；一般的灌溉策略优化方法往往依赖于经验设定，缺乏反馈调整过程，灌溉方案的合理性和科学性难以保证。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了基于地下水水位阈值调控的灌溉优化方法，针对传统的地下水水位阈值调控方法往往只使用单一来源的地下水水位数据，忽视了气象、土壤湿度等对地下水水位变化的潜在影响，在特征处理时难以捕捉复杂的时序特征，缺乏多源信息融合的能力的问题，本方案提取地下水水位数据的长期趋势、周期性成分和随机成分，将不利于预测的短期随机波动剔除，整合多源特征提供更为精细、清晰、稳定的特征集，提升后续模型预测的准确性；针对一般的时序预测方法中往往忽略波动因素和不确定性因素的评估，在实际决策中预测精度的可信度低，地下水水位预测与作物生长之间的耦合不足，增加模型的误判风险的问题，本方案提升模型对非平稳时间序列的适应性，通过
2、本专利技术采用的技术方案如下：本专利技术提供的基于地下水水位阈值调控的灌溉优化方法，该方法包括以下步骤：
3、步骤s1：数据采集与预处理，收集历史环境数据和作物生长数据，历史环境数据包括气象数据、地形、灌溉历史、土壤湿度、地下水水位，对数据的缺失值和异常值进行处理；
4、步骤s2：作物生长模型构建，根据历史环境数据和作物生长数据初步构建作物对水生产力响应的aquacrop模型，模拟不同地下水水位条件下的作物水分需求，初步确定作物在各个阶段对灌溉的需求量；
5、步骤s3：特征分析，从历史环境数据中分析时序特征，识别地下水水位的变化规律，生成特征集；
6、步骤s4：地下水水位预测，基于特征集构建sarima模型作为地下水水位预测模型，输出未来地下水水位预测值，结合aquacrop模型模拟作物生长状态；
7、步骤s5：灌溉需求预测，通过地下水水位预测模型的预测结果，根据作物的生命周期划分作物生长阶段，预测不同阶段作物的用水需求，并制定相应的灌溉策略；
8、步骤s6：灌溉策略优化，使用优化算法调整地下水水位预测模型的模型参数，寻找最优地下水水位阈值，结合aquacrop模型的模拟结果寻找最优灌溉策略；
9、步骤s7：持续优化，定期观测并反馈灌溉效果，根据反馈的灌溉效果调整并优化灌溉策略。
10、进一步地，在步骤s3中，所述特征分析，具体包括以下步骤：
11、步骤s31：时序分割，按照年份、月份、季节、节气分割生成周期性时间标记；
12、步骤s32：环境周期特征提取，具体步骤包括：根据周期性时间标记提取气象数据中的周期性成分，分析土壤湿度的周期性波动，提取地下水水位的季节性和年周期变化规律；提取得到的环境周期特征包括气象数据中的周期性成分、土壤湿度的周期性波动、地下水水位的季节性和年周期变化规律；
13、步骤s33：趋势分解，提取地下水水位的长期变化趋势、周期性波动成分和随机波动成分，包括以下步骤：
14、步骤s331：对地下水水位数据进行趋势分解，采用移动平均方法提取长期变化趋势；
15、步骤s332：从地下水水位的原始数据中去除长期变化趋势，得到包含周期性波动成分和随机波动成分的残差数据；
16、步骤s333：对残差数据进一步计算移动平均，消除周期性波动成分的低频成分；
17、步骤s334：使用高频滤波从残差数据中去除周期性波动成分的高频成分，最终得到随机波动成分；
18、步骤s34：引入滞后特征，添加前一天、前一周、前一个月的地下水水位、气象数据、土壤湿度的滞后特征；
19、步骤s35：累积和差分特征提取，计算灌溉历史和土壤湿度的累积值，识别阶段性的水资源补充或消耗，对地下水水位求一阶差分，捕捉地下水水位的增量变化，所用公式如下：
20、；
21、式中，表示地下水水位的增量变化，表示第时刻的地下水水位数据，表示第时刻的地下水水位数据；
22、步骤s36：特征选择与降维，将步骤s32至步骤s35中提取的所有特征整合为时序特征，采用特征相关性分析方法去除时序特征中的冗余特征，评估各特征对地下水水位预测的重要性，并设定权重参数，使用主成分分析方法减少时序特征的维度；
23、步骤s37：对选择和降维后的时序特征进行规范化处理，生成包含多源信息的特征集。
24、进一步地，在步骤s4中，所述地下水水位预测，具体包括以下步骤：
25、步骤s41：特征集划分，将特征集划分为训练集和验证集；
26、步骤s42：检查地下水水位数据的平稳性，若不平稳则对数据进行差分处理，对于季节性波动明显的时间序列数据，进行季节性差分处理；
27、步骤s43：建立sarima模型作为地下水水位预测模型，根据平稳性检查结果选择非季节性差分次数和季节性差分次数，根据数据类型选择季节周期，确定模型阶数，模型形式如下：
28、；
29、式中，表示sarima模型，表示非季节性自回归项阶数，表示非季节性移动平均项阶数，表示非季节性差分次数，表示季节性自回归项阶数，表示季节性差分次数，表示季节性移动平均项阶数，表示季节周期；
30、步骤s44：模型拟合，将选定的参数输入地下水水位预测模型中，输入训练集拟合模型，使用网格搜索优化模型参数；
31、步骤s45：在验证集上计算均方误差评估模型效果，调整模型参数提高模型的预测精度；
32、步骤s46：地下水水位预测，设定预测时间范围和步长，输出未来地下水水位预测值，对预测结果加上置信区间，进行不确定性评估。
33、进一步地，在步骤s6中，所述灌溉策略优化，具体包括以下步骤：
34、步骤s61：定义优化目标为提升水分利用本文档来自技高网...
【技术保护点】
1.基于地下水水位阈值调控的灌溉优化方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于地下水水位阈值调控的灌溉优化方法，其特征在于：在步骤S3中，所述特征分析，包括以下步骤：
3.根据权利要求2所述的基于地下水水位阈值调控的灌溉优化方法，其特征在于：在步骤S4中，所述地下水水位预测，包括以下步骤：
4.根据权利要求3所述的基于地下水水位阈值调控的灌溉优化方法，其特征在于：在步骤S6中，所述灌溉策略优化，包括以下步骤：
5.根据权利要求2所述的基于地下水水位阈值调控的灌溉优化方法，其特征在于：在步骤S33中，所述趋势分解，包括以下步骤：
【技术特征摘要】
1.基于地下水水位阈值调控的灌溉优化方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于地下水水位阈值调控的灌溉优化方法，其特征在于：在步骤s3中，所述特征分析，包括以下步骤：
3.根据权利要求2所述的基于地下水水位阈值调控的灌溉优化方法，其特征在于：在步骤s4中...
【专利技术属性】
技术研发人员：白梦婷，李发文，李旻昊，李建宇，柴海东，
申请(专利权)人：天津大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。