摘要
本发明涉及数据预测技术领域;公开了一种边坡土壤肥力预测方法,包括步骤:S1、构建边坡土壤肥力预测训练集;S2、对标注后的数据利用动态选择的SMOTE算法进行数据样本生成,实现边坡土壤肥力预测训练集的数据扩充;S3、将扩充后的边坡土壤肥力预测训练集输入到特征降维模型中对特征降维模型训练;S4、将降维后的边坡土壤肥力预测训练集输入到分类器模型中对分类器模型训练;S5、构建边坡土壤肥力预测数据集,利用训练好的模型对边坡土壤肥力预测数据集的数据处理,得到边坡土壤的肥力预测结果。本发明的有益效果在于提高边坡土壤的肥力预测的准确度。
技术关键词
土壤肥力预测方法
量子隧穿效应
分类器模型
样本
边坡土壤
数学模型
编码器参数
动态
训练集数据
SMOTE算法
数据预测技术
数据分布特征
误差反向传播
比率
神经网络参数
系统为您推荐了相关专利信息
报告自动生成方法
图像编码器
多模态
视觉特征
样本
航空发动机
长短期记忆神经网络
集群
剩余使用寿命预测
多窗口
消化系统
多元线性回归模型
肿瘤
样本
评估试剂盒
评分系统
逻辑回归算法
标志物
荧光标记试剂
毛细管电泳法