一种苹果盛花期的预测方法、设备及介质技术

本说明书公开一种苹果盛花期的预测方法、设备及介质，涉及大数据和人工智能的技术领域，方法包括：获取历史花期数据、多种历史气象数据和本年度的多种气象数据，所述气象数据包括积温数据、温度数据、日照时数数据、降水数据、相对湿度数据、0cm地温数据；对各所述历史气象数据进行归一化处理，得到归一化气象数据；计算所述历史花期数据与所述归一化气象数据的相关系数，并根据所述相关系数从所述历史气象数据中筛选历史关键气象数据；以所述历史花期数据作为因变量，以所述历史关键气象数据为自变量，基于预设参数，建立回归模型；基于所述回归模型和所述本年度的多种气象数据，预测目标花期日期。解决了现有技术苹果盛花期预测不准确的问题。不准确的问题。不准确的问题。

【技术实现步骤摘要】
一种苹果盛花期的预测方法、设备及介质


[0001]本说明书涉及大数据处理和人工智能的
，尤其涉及一种苹果盛花期的预测方法、设备及介质。

技术介绍

[0002]我国有大量的苹果种植面积，分部地区广，由于地理位置不一样各地区季节气候差异较大。苹果的产量受品种、地区、天气、土地、施肥、降水等等原因，在众多原因中盛花期在影响产量方面尤为明显。使用大数据技术预测苹果的盛花期，提高苹果产量，增加经济收入。
[0003]目前学术界主要利用积温对花期进行预测，但是由于使用的已有天气数据量不足，预测变量的个数选择不当，不同区域的不同气象特征对苹果花旗的影响各不相同等原因，现有技术并不能准确地预测苹果盛花期。

技术实现思路

[0004]本说明书一个或多个实施例提供了一种苹果盛花期的预测方法、设备及介质，用于解决如下技术问题：现有技术的花期预测模型并不能准确的预测苹果盛花期。
[0005]本说明书一个或多个实施例采用下述技术方案：
[0006]本专利技术实施例提供了一种苹果盛花期的预测方法，所述方法包括：获取历史花期数据、多种历史气象数据和本年度的多种气象数据，所述气象数据包括积温数据、温度数据、日照时数数据、降水数据、相对湿度数据、0cm地温数据；
[0007]对各所述历史气象数据进行归一化处理，得到归一化气象数据；
[0008]计算所述历史花期数据与所述归一化气象数据的相关系数，并根据所述相关系数从所述历史气象数据中筛选历史关键气象数据；
[0009]以所述历史花期数据作为因变量，以所述历史关键气象数据为自变量，基于预设参数，建立回归模型；
[0010]基于所述回归模型和所述本年度的多种气象数据，预测目标花期日期。
[0011]进一步地，所述以所述历史花期数据作为因变量，以所述历史关键气象数据为自变量，基于预设参数，建立回归模型，具体包括：
[0012]以所述历史花期数据为因变量，以所述历史关键气象数据为自变量，基于预设第一参数，建立支持向量回归模型；
[0013]以所述历史花期数据为因变量，以所述历史关键气象数据为自变量，基于预设第二参数，建立相关向量回归模型；
[0014]以所述历史花期数据为因变量，以所述历史关键气象数据为自变量，基于预设第三参数，建立多元线性回归模型。
[0015]进一步地，所述基于所述回归模型和所述本年度的多种气象数据，预测目标花期日期，包括：
[0016]基于所述支持向量回归模型，预测第一花期日期；
[0017]基于所述相关向量回归模型，预测第二花期日期；
[0018]基于所述多元线性回归模型，预测第三花期日期；
[0019]基于所述第一花期日期、所述第二花期日期、所述第三花期日期，确定所述目标花期日期。
[0020]进一步地，所述以所述历史花期数据作为因变量，以所述历史关键气象数据为自变量，基于预设参数，建立回归模型，还包括：
[0021]将所述历史花期数据和所述历史关键气象数据，按照不同的方式划分为训练集和验证集；
[0022]基于所述训练集和所述验证集训练，得到多种回归模型参数；
[0023]基于多种多数回归模型参数确定多种回归模型。
[0024]进一步地，所述所述基于所述回归模型和所述本年度的多种气象数据，预测目标花期日期，包括：
[0025]基于多种所述支持向量回归模型，预测得到多种第一花期日期；
[0026]基于多种所述相关向量回归模型，预测得到多种第二花期日期；
[0027]基于多种所述多元线性回归模型，预测得到多种第三花期日期；
[0028]基于多种所述第一花期日期、多种所述第二花期日期、多种所述第三花期日期，确定所述目标花期日期。
[0029]进一步地，获取所述历史花期数据，包括：
[0030]获取历史花期日期，计算所述历史花期日期距离当年第一天的花期日序数；
[0031]将所述花期日序数作为所述历史花期数据。
[0032]进一步地，所述获取多种历史气象数据和本年度的多种气象数据，包括：
[0033]获取原始历史气象数据和本年度的多种原始气象数据；
[0034]基于所述原始历史气象数据，计算多个预设时间段内的平均气象数据作为所述历史气象数据；
[0035]基于本年度的多种原始气象数据，计算所述预设单位时间段内的平均气象数据作为所述本年度的多种气象数据。
[0036]进一步地，所述基于所述回归模型和所述本年度的多种气象数据，预测目标花期日期，包括：
[0037]基于所述历史关键气象数据，确定本年度关键气象数据；
[0038]基于所述本年度关键气象数据和所述回归模型，计算得到所述目标花期日期。
[0039]本专利技术提供了一种苹果盛花期的预测设备，所述设备包括：
[0040]至少一个处理器；以及，
[0041]与所述至少一个处理器通信连接的存储器；其中，
[0042]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
[0043]获取历史花期数据、多种历史气象数据和本年度的多种气象数据，所述气象数据包括积温数据、温度数据、日照时数数据、降水数据、相对湿度数据、0cm地温数据；
[0044]对各所述历史气象数据进行归一化处理，得到归一化气象数据；
[0045]计算所述历史花期数据与所述归一化气象数据的相关系数，并根据所述相关系数从所述历史气象数据中筛选历史关键气象数据；
[0046]以所述历史花期数据作为因变量，以所述历史关键气象数据为自变量，基于预设参数，建立回归模型；
[0047]基于所述回归模型和所述本年度的多种气象数据，预测目标花期日期。
[0048]本专利技术提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
[0049]获取历史花期数据、多种历史气象数据和本年度的多种气象数据，所述气象数据包括积温数据、温度数据、日照时数数据、降水数据、相对湿度数据、0cm地温数据；
[0050]对各所述历史气象数据进行归一化处理，得到归一化气象数据；
[0051]计算所述历史花期数据与所述归一化气象数据的相关系数，并根据所述相关系数从所述历史气象数据中筛选历史关键气象数据；
[0052]以所述历史花期数据作为因变量，以所述历史关键气象数据为自变量，基于预设参数，建立回归模型；
[0053]基于所述回归模型和所述本年度的多种气象数据，预测目标花期日期。
[0054]本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：综合考虑了积温、温度、日照时数、降水、相对湿度、0cm地温多种气象因素对苹果花期的影响，并通过相关系数、归一化处理对气象数据进行了过滤和处理，再基于气象数据和花期数据建立回归模型来预测目标花期日期，预测的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种苹果盛花期的预测方法，其特征在于，所述方法包括：获取历史花期数据、多种历史气象数据和本年度的多种气象数据，所述气象数据包括积温数据、温度数据、日照时数数据、降水数据、相对湿度数据、0cm地温数据；对各所述历史气象数据进行归一化处理，得到归一化气象数据；计算所述历史花期数据与所述归一化气象数据的相关系数，并根据所述相关系数从所述历史气象数据中筛选历史关键气象数据；以所述历史花期数据作为因变量，以所述历史关键气象数据为自变量，基于预设参数，建立回归模型；基于所述回归模型和所述本年度的多种气象数据，预测目标花期日期。2.根据权利要求1所述的一种苹果盛花期的预测方法，其特征在于，所述以所述历史花期数据作为因变量，以所述历史关键气象数据为自变量，基于预设参数，建立回归模型，具体包括：以所述历史花期数据为因变量，以所述历史关键气象数据为自变量，基于预设第一参数，建立支持向量回归模型；以所述历史花期数据为因变量，以所述历史关键气象数据为自变量，基于预设第二参数，建立相关向量回归模型；以所述历史花期数据为因变量，以所述历史关键气象数据为自变量，基于预设第三参数，建立多元线性回归模型。3.根据权利要求2所述的一种苹果盛花期的预测方法，其特征在于，所述基于所述回归模型和所述本年度的多种气象数据，预测目标花期日期，包括：基于所述支持向量回归模型，预测第一花期日期；基于所述相关向量回归模型，预测第二花期日期；基于所述多元线性回归模型，预测第三花期日期；基于所述第一花期日期、所述第二花期日期、所述第三花期日期，确定所述目标花期日期。4.根据权利要求3所述的一种苹果盛花期的预测方法，其特征在于，所述以所述历史花期数据作为因变量，以所述历史关键气象数据为自变量，基于预设参数，建立回归模型，还包括：将所述历史花期数据和所述历史关键气象数据，按照不同的方式划分为训练集和验证集；基于所述训练集和所述验证集训练，得到多种回归模型参数；基于多种多数回归模型参数确定多种回归模型。5.根据权利要求4所述的一种苹果盛花期的预测方法，其特征在于，所述所述基于所述回归模型和所述本年度的多种气象数据，预测目标花期日期，包括：基于多种所述支持向量回归模型，预测得到多种第一花期日期；基于多种所述相关向量回归模型，预测得到多种第二花期日期；基于多种所述多元线性回归模型，预测得到多种第三花期日期；基于多种所述第一花期日期、多种所述第二花期日期、多种所述第三花期日期，确定所述目标花期日期。

【专利技术属性】
技术研发人员：周明，高庆雷，张厚森，李光鹏，常学民，
申请(专利权)人：浪潮智慧科技有限公司，
类型：发明
国别省市：