技术摘要：
本发明公开了一种农田土壤的重金属含量预测方法、装置、设备及存储介质，属于土壤重金属污染检测技术领域。本发明获取待预测农田土壤中已知区域的土地信息，将所述土地信息输入至预设神经网络模型，并获取所述预设神经网络模型输出的目标重金属含量值，将所述目标重金  全部
背景技术：
农田土壤重金属污染是指由于人类活动，导致农田土壤中的微量金属元素含量超 过标准值，过量沉积而引起的含量过高，统称为农田土壤重金属污染。而农田土壤作为人类 各种粮食作物赖以生存的自然环境，其生态环境问题一直是环境科学界研究的热点。目前 对于农田土壤中重金属含量的预测采用的是传统的多元线性回归方法或广义回归神经网 络，而传统方法中所采用的模型训练时间较长，预测精度较低。 上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技 术。
技术实现要素：
本发明的主要目的在于提供一种农田土壤的重金属含量预测方法、装置、设备及 存储介质，旨在解决现有技术中农田土壤的重金属含量预测精度较低的技术问题。 为实现上述目的，本发明提供了一种农田土壤的重金属含量预测方法，所述方法 包括以下步骤: 获取待预测农田土壤中已知区域的土地信息； 将所述土地信息输入至预设神经网络模型，并获取所述预设神经网络模型输出的 目标重金属含量值； 将所述目标重金属含量值作为所述待预测农田土壤中未知区域的重金属含量预 测结果。 优选地，所述将所述土地信息输入至预设神经网络模型，并获取所述预设神经网 络模型输出的目标重金属含量值的步骤之前，还包括： 获取初始神经网络模型的目标参数； 基于鸟群算法对所述初始神经网络模型中的目标参数进行修改，获得预设神经网 络模型。 优选地，所述基于鸟群算法对所述初始神经网络模型中的目标参数进行修改，获 得预设神经网络模型的步骤包括： 初始化并行鸟群算法，得到鸟群以及所述鸟群中的多个鸟群个体； 获取所述鸟群的飞行间隔； 根据所述飞行间隔判断所述鸟群是否进行飞行行为； 根据判断结果控制各个鸟群个体执行目标行为； 获取各个鸟群个体的当前位置； 根据所述当前位置确定所述鸟群的目标位置； 4 CN 111612246 A 说　明　书 2/9 页 根据所述目标位置对所述初始神经网络模型的目标参数进行修改，获得预设神经 网络模型。 优选地，所述根据判断结果控制各个鸟群个体执行目标行为的步骤包括： 在所述鸟群未进行飞行行为时，在预设范围内随机生成各个鸟群个体对应的常 数； 根据所述常数控制对应的鸟群个体执行觅食行为或警戒行为； 或，在所述鸟群进行飞行行为时，获取各个鸟群个体的当前适应度值； 根据所述当前适应度值控制对应的鸟群个体执行生产行为或乞讨行为。 优选地，所述根据所述常数控制对应的鸟群个体执行觅食行为或警戒行为的步骤 包括： 获取各个鸟群个体对应的初始值； 控制小于所述初始值的常数对应的鸟群个体执行觅食行为； 控制大于或等于所述初始值的常数对应的鸟群个体执行警戒行为。 优选地，所述根据所述当前适应度值控制对应的鸟群个体执行生产行为或乞讨行 为的步骤包括： 对所述鸟群个体进行划分，得到多个鸟群团体； 比较各个鸟群团体中各鸟群个体的当前适应度值的大小； 控制各个鸟群团体中当前适应度值最大的鸟群个体执行生产行为； 控制各个鸟群团体中当前适应度值最小的鸟群个体执行乞讨行为； 控制各个鸟群团体中剩余的鸟群个体随机执行所述生产行为或所述乞讨行为。 优选地，所述将所述土地信息输入至所述预设神经网络模型，并获取所述预设神 经网络模型输出的目标重金属含量值的步骤包括： 将所述土地信息依次输入至所述预设神经网络模型的输入层、模式层以及求和层 进行计算； 获取所述预设神经网络模型的输出层输出的计算结果，将所述计算结果作为目标 重金属含量值。 此外，为实现上述目的，本发明还提出一种农田土壤的重金属含量预测装置，所述 装置包括： 获取模块，用于获取待预测农田土壤中已知区域的土地信息； 输入模块，用于将所述土地信息输入至预设神经网络模型，并获取所述预设神经 网络模型输出的目标重金属含量值； 输出模块，用于将所述目标重金属含量值作为所述待预测农田土壤中未知区域的 重金属含量预测结果。 此外，为实现上述目的，本发明还提出一种农田土壤的重金属含量预测设备，所述 设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的农田土壤的 重金属含量预测程序，所述农田土壤的重金属含量预测程序配置为实现如上文所述的农田 土壤的重金属含量预测方法的步骤。 此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有农田 土壤的重金属含量预测程序，所述农田土壤的重金属含量预测程序被处理器执行时实现如 5 CN 111612246 A 说　明　书 3/9 页 上文所述的农田土壤的重金属含量预测方法的步骤。 本发明获取待预测农田土壤中已知区域的土地信息，将所述土地信息输入至预设 神经网络模型，并获取所述预设神经网络模型输出的目标重金属含量值，将所述目标重金 属含量值作为所述待预测农田土壤中未知区域的重金属含量预测结果，通过将已知区域的 土地信息输入至改进的自适应广义回归神经网络模型中，得到农田土壤中未知区域的重金 属含量值，节省了模型训练时间，提高了农田土壤中重金属含量值预测的精确度。 附图说明 图1是本发明实施例方案涉及的硬件运行环境的农田土壤的重金属含量预测设备 的结构示意图； 图2为本发明农田土壤的重金属含量预测方法第一实施例的流程示意图； 图3为本发明农田土壤的重金属含量预测方法第二实施例的流程示意图； 图4为本发明农田土壤的重金属含量预测方法第三实施例的流程示意图； 图5为本发明农田土壤的重金属含量预测装置第一实施例的结构框图。 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。