一种基于增强学习的食用菌环境数据监测方法与流程

本发明涉及食用菌环境监测领域，尤其涉及一种基于增强学习的食用菌环境数据监测方法。

背景技术：

1、目前，在食用菌环境监测领域，现有技术通常通过温湿度、二氧化碳浓度及培养基参数传感器进行定时采集，并依据固定阈值判断环境异常。但该类方法多将调节设备状态与环境参数分开处理，难以反映设备动作与多监测点环境变化之间的方向、时滞及耦合响应关系，对低响应区段和迟滞异常的识别准确性不足。

2、与此同时，现有技术多采用固定采样周期和预设监测规则，异常发生后主要依据单一残差或越限结果进行告警，缺少预期响应与反事实响应对比、异常来源追溯及候选监测操作选择机制，且未综合考虑传感器输出能力、通信带宽和设备占用约束，难以根据实际监测效果持续修正响应基准和更新监测策略。

技术实现思路

1、本发明的一个目的在于提出一种基于增强学习的食用菌环境数据监测方法，本发明采用时滞耦合强化学习，实现食用菌环境异常追溯与自适应监测，具有精准、高效、稳定的优点。

2、根据本发明实施例的一种基于增强学习的食用菌环境数据监测方法，包括：

3、采集并预处理食用菌环境数据、调节数据和培养状态数据，生成监测数据；

4、由监测数据确定调节事件和事件响应序列，根据事件响应序列确定响应边界，压缩相邻边界间的低响应区段，生成动态响应区间；

5、根据监测数据和动态响应区间确定调节事件与环境参数的方向、时滞及响应算子，构建时滞耦合图；

6、根据时滞耦合图和监测数据推演预期响应，匹配同阶段同初态历史事件，以历史事件的响应算子置换当前调节事件的响应算子，推演反事实响应；

7、比较监测数据、预期响应和反事实响应，执行正向校验和反向溯源，生成响应残差、异常编码和候选监测操作；

8、将时滞耦合图、异常编码和候选监测操作输入时滞耦合双约束bdq网络的耦合层，生成耦合状态，将耦合状态输入分支决策层，生成各候选监测操作的分支动作值，并执行路径覆盖和时序一致性校正，将校正后的分支动作值输入约束层，排除不可执行的候选监测操作，并依据其余候选监测操作的约束违反量对分支动作值施加拉格朗日惩罚，生成监测策略；

9、执行监测策略并生成监测结果，根据监测结果生成状态漂移量和残差变化量并修正预期响应基准值，据此更新时滞耦合图和时滞耦合双约束bdq网络。

10、可选的，所述环境数据包括空气温度、空气湿度、二氧化碳浓度、光照强度和培养基温度、含水率及酸碱度，调节数据包括调节设备的控制指令、启停时刻、设定值及实际反馈值，培养状态数据包括食用菌生长阶段、接种时刻、出菇轮次、生长图像及培养基配置信息，所述预处理包括时间对齐、异常值剔除、缺失值补齐及数据尺度统一。

11、可选的，所述动态响应区间的生成包括：

12、从监测数据中读取调节设备的控制状态和反馈状态，根据二者的对应变化确定调节事件的起止，并合并作用区域相同、控制方向一致且时间连续的设备操作为同一调节事件；

13、以调节事件的开始时刻为基准，提取事件前、事件中及事件后的环境参数记录，以事件前稳定状态作为响应起点，生成事件响应序列；

14、按照有效采样时刻计算事件响应序列中各环境参数的响应速率，根据响应速率相对于历史稳定波动范围的变化状态，划分有效响应区段和低响应区段；

15、保留低响应区段的首尾记录、方向变化记录及空间差异记录，对其余记录进行分级抽样压缩，并建立保留记录与原始采样时刻的对应关系；

16、按照原始时间顺序连接有效响应区段和压缩后的低响应区段，以响应边界划分生成动态响应区间。

17、可选的，所述时滞耦合图的生成包括：

18、基于监测数据和动态响应区间生成调节设备实际反馈序列和环境参数响应序列；

19、根据环境参数响应序列相对于响应起点的累计变化量及响应速率的符号一致性，确定调节事件与环境参数之间的响应方向；

20、以调节设备的实际动作时刻为基准，按照事件采样周期平移调节设备实际反馈序列，并结合环境参数响应序列计算时移相关度，根据相关度峰值对应的时间偏移量生成响应时滞；

21、按照响应时滞对齐调节设备实际反馈序列和环境参数响应序列，根据调节输入变化量与环境参数偏移量拟合离散响应核，生成响应算子；

22、以调节事件为事件节点，以环境参数及对应监测点为响应节点，在响应方向、响应时滞和响应算子满足有效性要求时建立有向边，并将响应方向、响应时滞、响应算子和响应可信度写入有向边，构建时滞耦合图。

23、可选的，所述反事实响应的推演包括：

24、按照时滞耦合图中各有向边的响应时滞平移当前调节输入变化量，并利用对应响应算子计算各响应节点的单边响应，基于单边响应生成预期响应；

25、从历史事件中筛选生长阶段、调节事件类型和响应节点一致，且各初始环境参数差值均未超过对应匹配限的历史事件，并确定同阶段同初态历史事件；

26、将当前调节事件各有向边的响应算子替换为同阶段同初态历史事件中对应有向边的响应算子，保持当前调节输入变化量、响应节点和图连接关系不变，重新计算各响应节点的单边响应，并基于重新计算的单边响应生成反事实响应。

27、可选的，所述响应残差、异常编码和候选监测操作的生成包括：

28、基于监测数据、预期响应和反事实响应，分别计算实际环境参数值与预期环境参数值、反事实环境参数值之间的差值，生成预期残差序列和反事实残差序列；

29、对预期残差序列执行幅值校验、方向校验和响应时刻校验，生成正向校验结果；

30、针对正向校验异常的响应节点，沿时滞耦合图中指向该响应节点的有向边逐边移除对应单边响应，比较移除前后的残差变化，确定异常来源边和异常来源事件，生成反向溯源结果；

31、根据预期残差序列、反事实残差序列、正向校验结果和反向溯源结果，生成响应残差、异常编码和候选监测操作。

32、可选的，所述监测策略的生成包括：

33、将时滞耦合图、异常编码和候选监测操作输入时滞耦合双约束bdq网络的耦合层；

34、所述时滞耦合双约束bdq网络包括耦合层、分支决策层和约束层；

35、在耦合层中，执行图关系聚合和异常操作融合，生成耦合状态；

36、将耦合状态输入分支决策层，以各候选监测操作分别建立动作分支，生成各动作分支的分支动作值，并对分支动作值执行路径覆盖和时序一致性校正；

37、将校正后的分支动作值输入约束层，排除不可执行的候选监测操作，计算其余候选监测操作的约束违反量，利用拉格朗日乘子对对应分支动作值施加惩罚，按照惩罚后的分支动作值选取候选监测操作，生成监测策略。

38、可选的，所述时滞耦合图和时滞耦合双约束bdq网络的更新包括：

39、按照监测策略中的执行顺序、监测周期和持续时间调度各监测操作，并生成监测结果；

40、分别统计监测操作执行前后的环境参数值、设备反馈值和校验测量值，根据同类数据的变化幅度生成状态漂移量；

41、根据监测结果重新计算实际环境参数值与预期响应之间的残差，比较监测操作执行前后的残差，生成残差变化量；

42、当状态漂移持续且残差未收敛时，根据监测结果与预期响应之间的偏差生成基准修正量，并利用基准修正量修正预期响应基准值；

43、将修正后的预期响应基准值、状态漂移量和监测结果写入时滞耦合图，并根据监测策略执行前后的耦合状态、监测策略和监测结果构建训练样本，更新时滞耦合双约束bdq网络。

44、本发明的有益效果是：

45、本发明提出的一种基于增强学习的食用菌环境数据监测方法通过采集食用菌环境数据、调节数据和培养状态数据，并围绕调节事件建立事件响应序列，将环境参数的有效响应区段与低响应区段进行区分，对低响应区段实施保留关键记录的分级压缩，在减少冗余监测数据和计算量的同时，保持响应边界、方向变化及空间差异等关键动态信息。进一步基于调节设备实际反馈和环境参数响应，确定调节事件与各环境参数之间的响应方向、响应时滞和响应算子，构建时滞耦合图，使设备动作、监测点和环境参数之间原本分散的关联关系转化为具有明确传播方向和时间延迟的图结构。通过该图结构推演预期响应，并以同阶段同初态历史事件的响应算子进行置换得到反事实响应，能够在相同调节输入和连接关系下对不同响应规律进行对照，从而提高对响应幅值偏差、响应方向反转、响应提前或迟滞以及响应算子漂移的区分能力，降低仅依据固定阈值或单一残差造成的误判。

46、本发明还通过正向校验和反向溯源相结合的方式，不仅识别异常响应节点，而且沿时滞耦合图逐边移除单边响应，根据残差改善程度确定异常来源边和异常来源事件，使监测结果能够由异常发现进一步延伸至异常来源定位。时滞耦合双约束bdq网络将图关系、异常编码和候选监测操作进行耦合，以分支形式并行评价采样周期调整、相邻监测点同步监测、传感器交叉校验和调节设备反馈核验等操作，并利用路径覆盖和时序一致性修正动作价值；同时通过约束层排除不满足传感器输出能力、设备状态和通信带宽要求的操作，并对资源占用及操作切换施加拉格朗日惩罚，因而能够生成兼顾异常覆盖效果、执行连续性和工程资源限制的监测策略。监测策略执行后，再根据状态漂移量和残差变化量修正预期响应基准值，并更新时滞耦合图和网络参数，使监测方法能够适应食用菌生长阶段、培养批次及设备响应特性的持续变化，形成从响应建模、异常追溯、策略选择到反馈更新的闭环监测过程。