(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210200659.6 (22)申请日 2022.03.02 (71)申请人 桂林理工大 学 地址 541004 广西壮 族自治区桂林市七 星 区建干路12号 (72)发明人 程小辉　汪跃　 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/02(2012.01) G06K 9/62(2022.01) G06V 10/762(2022.01) (54)发明名称 一种基于灰度关联法模糊聚类算法的桉树 土壤肥力分析方法 (57)摘要 广西是我国原木最大产地， 其中桉 树是主要 品种， 桉树的生长需要大量的肥料养分， 导致土 壤肥力下降， 越来越贫瘠， 地表结块， 出现沙化。 因此林地土壤肥力分析是一个迫在眉睫的课题。 土壤肥力分析是科学施肥的基础， 介于现有的土 壤肥力测量步骤繁琐， 效率低下， 人工成本高。 本 文公开了基于模糊聚类算法的桉树土壤肥力分 析方法， 提出了一种经过灰度关联法加权处理后 模糊聚类算法， 对数据进行预处理， 设定土壤成 分权重， 能有效区分土壤各属性之间的不平衡 性， 并综合考虑土壤中微量元素和有机质等养分 实现对土壤肥力的精准分析， 为科学施肥和防范 土壤污染提供保障。 权利要求书2页 说明书5页 附图2页 CN 114595956 A 2022.06.07 CN 114595956 A 1.基于模糊聚类算法的土壤肥力分析方法， 在模糊聚类算法的基础上， 采用灰度关联 法得到土壤成分属性的权重， 再将 权重和模糊聚类算法相结合， 以此提高算法的准确性； 包 括以下步骤： 步骤(1)： 构建土壤肥力的评价标准， 土壤肥力包含土壤的化学成分含量和土壤养分含 量， 土壤化学成分含量包含全氮、 全钾、 有效磷、 交换性钙、 阳离子交换量， 土壤PH值等， 土壤 养分含量包括各种土壤有机质； 步骤(2)： 对样本数据数据预处理， 即第s项的指标任意一个测量的值为X(S),s＝1,2, 3…,s； 步骤(3)： 设置 土壤成分的加权矩阵模型为： 步骤(4)： 利用灰度关联法计算出土壤成分的加权矩阵： a.对样本数据变量的进行无量纲化； 由于系统中各因素列中的数据因量纲不同， 不便 于比较或在比较时难以得到正确的结论； 因此在进行灰色关联度分析时， 都要进行数据的 无量纲化处 理， 均值化处理： b.计算样本数据关联系数ξi(k)； c.计算样本数据关联度； d.样本数据关联度排序， 对所有样本的关联数取平均值， 来表示该指标和母指标之间 的关联度， 求出 各指标对应的权 重w1,w2…wn； 步骤(5)： 标准化测量数据的权重w1,w2…wn， 在实际过程中不 同数据有不 同的效益， 将 测量标准 化， 即将数据压缩到[0,1]区间内； 步骤(6)： 样本数据X(S)进行模糊聚类， 利用平方自合成法对模糊相似矩阵进行改造成 模糊等价矩阵， 即:A →A2wA4…A2k其中 将模糊等价矩阵中的不同数 值元素从大到小排列， λ按照此排列依次取值， 形成动态结果； 步骤(7)： 然后确定初始聚类个数； 最佳聚类个数为k， 此时， 待分类样本数据为 第k个样本数据的均值 为 Nk是第k类的样本数目， 整个样本的数据均值为 由上可以得到样本数据的类间间距为 而样本数据的类内间距为 即每个类 的样本的均值到全体样本中心距离之和， 此时可得到类间权　利　要　求　书 1/2 页 2 CN 114595956 A 2间距与类内间距之和为 当L到达最小值时， 聚 类效果最佳， 即当Lw＝Ln时， L达到最小值， 此时聚类初始k有个极大值为 因此k的取值范 围为1到 时， 确定初始值k时， 在1到 范围内选择不相邻的若干个值， 分别代入式中验 证， 取较小者确定为初始聚类值k； 在确定分类数时， 经常是在动态聚类视图中， 用F统计量 来确定最佳阈值入， 再根据入值在动态聚类视图中进 行分类， 最 终得到最佳分类数； 最后输 出经过模糊聚类算法分析后的土壤肥力的估值。权　利　要　求　书 2/2 页 3 CN 114595956 A 3