【技术实现步骤摘要】
本专利技术涉及自动化控制，尤其涉及一种基于杂交水稻算法优化的负荷预测方法及系统。
技术介绍
1、随着科技的进步，在培育杂交水稻的过程中，也需要其他科技设备的配合参与，比如在种子保存、育种、温室栽培、制种过程等各个阶段，都需要空调的配合参与，这样能够对杂交水稻对应的培育环境进行环境的负荷控制，有助于提高杂交水稻的产量、质量和科研成果的可靠性。
2、但是，传统的杂交水稻培育过程中，由人工设计的空调运行启停时间存在严重的能源浪费问题，这是因为人工设计的启停时间往往不能精确匹配实际的环境需求，导致了空调在不需要运行的时候仍在运转，或在需要运行的时候提前启动时间过早，造成了能源的浪费。
技术实现思路
1、针对现有技术中存在的问题，本专利技术实施例提供一种基于杂交水稻算法优化的负荷预测方法及系统。
2、本专利技术实施例提供一种基于杂交水稻算法优化的负荷预测方法，包括：
3、获取杂交水稻培育环境的关联参数，并对所述关联参数进行预处理，所述关联参数包括空调运行参数及环境参数；
4、通过预设算法评估对所述关联参数进行重要性评估，确定所述关联参数中的重要特征，并基于所述重要特征的数量作为维度，构建培育环境负荷预测的bp神经网络模型；
5、获取杂交水稻的基因序列并初始化，以所述基因序列调整所述bp神经网络模型的初始权重，并将所述重要特征作为输入，对所述bp神经网络模型进行模型训练；
6、以所述模型权重训练中的培育环境负荷预测正确率作
7、当检测更新优化过程触发终止条件时，停止更新优化，输出bp神经网络的最优权重参数配置，并将所述重要特征输入最优权重参数配置的bp神经网络模型，确定培育环境的空调运行方案。
8、在其中一个实施例中，所述系别分组，包括：
9、保持系、恢复系和不育系；
10、所述基于不同的系别分组对所述杂交水稻进行更新优化，包括：
11、对所述不育系与保持系进行杂交，基于杂交结果的适应度值判断是否对所述不育系进行更新优化；
12、对所述恢复系进行自交，基于最大自交次数判断是否对所述恢复系进行更新优化。
13、在其中一个实施例中，所述方法还包括：
14、通过杂交公式对所述不育系与保持系进行杂交，基于bp神经网络模型检测杂交结果中子代水稻种子的适应度值，当适应度值大于所述保持系的适应度值时，以子代水稻种子替换所述不育系，反之则保留所述不育系；
15、所述杂交公式包括：
16、
17、其中，上述公式为第t代进行杂交的过程，为不育系中第i个水稻种子的基因序列中的第d个基因，为从保持系中选择的第k2个水稻种子基因序列中的第d个基因，为从不育系中选择的第k2个水稻种子基因序列中的第d个基因，r2，r3为[-1,1]范围内的随机数，且r2+r3≠0。
18、在其中一个实施例中，所述方法还包括：
19、所述恢复系完成自交时，判断所述恢复系的自交次数是否达到预设的最大自交次数，若没有达到预设的最大自交次数，则恢复系通过自交公式自交产生子代水稻种子；
20、所述自交公式包括:
21、
22、其中，表示第i个恢复系自交产生的新个体，表示从恢复系中随机选择的第k个个体，r4为[0,1]范围内的均匀随机数，xbest表示当前最优个体；
23、基于bp神经网络模型检测自交结果中子代水稻种子的适应度值，对比子代水稻种子与上一代水稻种子的适应度值，当子代水稻种子的适应度值高时，以子代水稻种子对上一代水稻种子更新优化并将自交次数设为0，反之则保留上一代水稻种子并将自交次数加1。
24、在其中一个实施例中，所述方法还包括：
25、当检测到所述自交次数达到最大自交次数时，通过如下公式重置水稻种子：
26、
27、其中，表示恢复系通过重置操作产生的新水稻种子，xmin、xmax为基因量化后的上限与下限，r5为[0,1]范围内的均匀随机数。
28、在其中一个实施例中，所述方法还包括：
29、将所述重要特征输入最优权重参数配置的bp神经网络模型，得到输出的最终负荷预测结果；
30、检测所述负荷预测结果的负荷类型与负荷数值，结合所述环境参数，确定培育环境的空调运行方案。
31、本专利技术实施例提供一种基于杂交水稻算法优化的负荷预测系统，包括：
32、获取模块，用于获取杂交水稻培育环境的关联参数，并对所述关联参数进行预处理，所述关联参数包括空调运行参数及环境参数；
33、评估模块，用于通过预设算法评估对所述关联参数进行重要性评估，确定所述关联参数中的重要特征，并基于所述重要特征的数量作为维度，构建培育环境负荷预测的bp神经网络模型；
34、权重模块，用于获取杂交水稻的基因序列并初始化，以所述基因序列调整所述bp神经网络模型的初始权重，并将所述重要特征作为输入，对所述bp神经网络模型进行模型训练；
35、训练模块，用于以所述模型权重训练中的培育环境负荷预测正确率作为适应度值，对所述杂交水稻进行系别分组，并基于不同的系别分组对所述杂交水稻进行更新优化，并通过更新优化后的杂交水稻对bp神经网络模型进行初始权重训练；
36、输出模块，用于当检测更新优化过程触发终止条件时，停止更新优化，输出bp神经网络的最优权重参数配置，并将所述重要特征输入最优权重参数配置的bp神经网络模型，确定培育环境的空调运行方案。
37、在其中一个实施例中，所述系统还包括：
38、第一优化模块，用于对所述不育系与保持系进行杂交，基于杂交结果的适应度值判断是否对所述不育系进行更新优化；
39、第二优化模块，用于对所述恢复系进行自交，基于最大自交次数判断是否对所述恢复系进行更新优化。
40、本专利技术实施例提供一种电子设备，包括处理器以及存储器；
41、所述处理器与所述存储器相连；
42、所述存储器，用于存储可执行程序代码；
43、所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行一个或多个实施例所述的方法。
44、本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述基于杂交水稻算法优化的负荷预测方法的步骤。
45、鉴于上述，在本说明书一个或多个实施例中，获取杂交水稻培育环境的关联参数，并对关联参数进行预处理，关联参数包括空调运行参数及环境参数；通过预设算法评估对关联参数进行重要性评估，确定关联参数中的重要特征，并基于重要特征的数量作为维度，构建培育环境本文档来自技高网...
【技术保护点】
1.一种基于杂交水稻算法优化的负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的基于杂交水稻算法优化的负荷预测方法，其特征在于，所述系别分组，包括：
3.根据权利要求2所述的基于杂交水稻算法优化的负荷预测方法，其特征在于，所述对所述不育系与保持系进行杂交，基于杂交结果的适应度值判断是否对所述不育系进行更新优化，包括：
4.根据权利要求2所述的基于杂交水稻算法优化的负荷预测方法，其特征在于，所述对所述恢复系进行自交，基于最大自交次数判断是否对所述恢复系进行更新优化，包括：
5.根据权利要求4所述的基于杂交水稻算法优化的负荷预测方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的基于杂交水稻算法优化的负荷预测方法，其特征在于，所述将所述重要特征输入最优权重参数配置的BP神经网络模型，确定培育环境的空调运行方案，包括：
7.一种基于杂交水稻算法优化的负荷预测系统，其特征在于，所述系统包括：
8.根据权利要求1所述的基于杂交水稻算法优化的负荷预测系统，其特征在于，所述系统还包括：
<...【技术特征摘要】
1.一种基于杂交水稻算法优化的负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的基于杂交水稻算法优化的负荷预测方法，其特征在于，所述系别分组，包括：
3.根据权利要求2所述的基于杂交水稻算法优化的负荷预测方法，其特征在于，所述对所述不育系与保持系进行杂交，基于杂交结果的适应度值判断是否对所述不育系进行更新优化，包括：
4.根据权利要求2所述的基于杂交水稻算法优化的负荷预测方法，其特征在于，所述对所述恢复系进行自交，基于最大自交次数判断是否对所述恢复系进行更新优化，包括：
5.根据权利要求4所述的基于杂交水稻算法优化的负荷预测...
【专利技术属性】
技术研发人员：魏盈峰，田野，崔格安，张世康，陈康，
申请(专利权)人：湖北中烟工业有限责任公司，
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。