一种烟草大数据模型构建方法技术

本发明专利技术公开了一种烟草大数据模型构建方法，涉及数据模型构建技术领域，方法步骤包括通过数据采集层对烟草大数据的基础信息进行采集和预处理；通过模型开发层基于步骤1处理后的数据进行开发、清洗、整理；基于步骤1和步骤2，进行人工智能算法分析和大数据研判预测；利用系统平台基于数据采集层、模型开发层和应用层构建至少一个数据模型。本发明专利技术将面向数据价值的多元应用，结合物联网采集技术，利用互联网技术构建烟草种植大数据仓库，使用人工智能算法构建烟草生产的各类模型，实现烟草种植的各类生长预警、病虫害预测、植株健康评价等，同时实现了产业可持续健康发展。同时实现了产业可持续健康发展。同时实现了产业可持续健康发展。

【技术实现步骤摘要】
一种烟草大数据模型构建方法


[0001]本专利技术涉及数据模型构建
，具体涉及一种烟草大数据模型构建方法。

技术介绍

[0002]目前基于烟草生长的数据模型尚不成熟，都是以点来构建环境模型、烟草需水规律模型、烟苗生长模型、烟草病虫害发展规律模型、烤房燃料热量释放模型等，无法驱动模型因子之间的关联性，缺少以全生态周期智慧化的管理模型，无法实现数据闭环。
[0003]公开号为CN110837926A的中国专利公开了一种基于大数据的烟草主要病虫害预测方法，包括如下步骤：S1.病虫害数据采集；S2.病虫害数据分析；S3.预测模型建模及优化；S4.病虫害预测及验证。本专利技术基于大数据的采集对烟叶的病虫害的多个影响因子进行数据采集以及预测因子提取，并通过构建模型利用LSTM神经网络进行烟叶病虫害的预测，为种植户提供了防治方向，减少了病虫害对烟草种植造成的损失；同时根据采集的实际值与预测值对该预测模型进行准确性计算，能够对该预测模型进行评价，也为预测模型的优化提供了数据支撑。但是该专利仍会出现数据闭环难实现的问题。

技术实现思路

[0004]本专利技术针对现有技术存在的问题，提供了一种烟草大数据模型构建方法。
[0005]为实现上述目的，本专利技术采用的技术方案如下：
[0006]一种烟草大数据模型构建方法，包括以下步骤：
[0007]步骤1：通过数据采集层对烟草大数据的基础信息进行采集和预处理；
[0008]步骤2：通过模型开发层基于步骤1处理后的数据进行开发；r/>[0009]步骤3：基于步骤1和步骤2，进行人工智能算法分析和大数据研判预测；
[0010]步骤4：利用系统平台基于数据采集层、模型开发层和应用层构建至少一个数据模型。
[0011]基于上述技术方案，更进一步地，步骤1中的基础信息至少包括生态气候、土壤养分、烟叶养分、病虫害监测、基地环境数据、烟叶烘烤数据、烟叶生长数据和微生物生长数据。
[0012]基于上述技术方案，更进一步地，步骤1中的预处理包括对数据进行聚合、清理和存储的操作。
[0013]基于上述技术方案，更进一步地，所述数据采集层采集的数据来源至少包括物联网数据、烟农种植数据、科研实验数据和烟叶生产加工数据。
[0014]基于上述技术方案，更进一步地，所述物联网数据是由传感器装置、视频视觉装置以及图像识别装置分别采集的数据构成。
[0015]基于上述技术方案，更进一步地，所述传感器装置至少包括环境传感器、土壤传感器和苗株传感器。
[0016]基于上述技术方案，更进一步地，步骤4中的数据模型包括基于烟株生命周期节点
的烟叶生长质量表征指数模型、基于烟株健康与土壤养分互动的烟株健康指数模型、基于气候生态因子和烟叶质量关系的数字化模型的构建。
[0017]基于上述技术方案，更进一步地，基于烟株生命周期节点的烟叶生长质量表征指数模型的构建过程，包括以下步骤：
[0018]步骤11：利用数理统计方法对烟草生命周期节点的生长质量进行数字表征；
[0019]步骤12：对烟株健康状况与烟株各质量指数进行相关分析；
[0020]步骤13：采用符合度比较法和相关消元法，对影响烟株生长质量的数据进行逐一的筛选和分析；
[0021]步骤14：选择影响关键因子，其中，烟叶中影响较大的关键因子主要元素至少包括氯、钾、氮和锌，建立多元回归预测模型和机器学习模型；氯元素含量范围设为4.4
‑
8.2mg/kg，钾元素含量范围设为12
‑
45mg/kg，氮元素含量范围设为11
‑
31mg/kg，锌元素含量范围设为20
‑
70mg/kg；
[0022]步骤15：通过不同模型的拟合度比较，最终选择出最优的表征指数模型。
[0023]基于上述技术方案，更进一步地，基于烟株健康与土壤养分互动的烟株健康指数模型的构建过程，包括以下步骤：
[0024]步骤21：利用数理统计相关公式对烟株健康与土壤养分调查统计进行相关分析；
[0025]步骤22：采用符合度比较法和相关消元法，对影响烟株生长状况的数据进行逐一的筛选和分析；
[0026]步骤23：选择影响的关键因子，建立多元回归预测模型和机器学习模型；其中，影响较大的关键因子的主要元素至少包括氮、磷、钾元素和pH值，并且，氮元素含量范围设为1
‑
2.4g/kg,磷元素含量范围设为0.6
‑
1.4g/kg，钾元素含量范围设为10
‑
40g/kg，pH值范围设为5.2
‑
7.2。
[0027]步骤24：通过不同模型的拟合度比较，最终选择出最优的烟株健康指数模型。
[0028]基于上述技术方案，更进一步地，基于气候生态因子与烟叶质量关系的数字化模型的构建过程，包括以下步骤：
[0029]步骤31：利用数理统计方法对气候生态因子与烟叶产量和质量关系统计进行相关分析，
[0030]步骤32：采用符合度比较法和相关消元法，对影响烟株生长状况的数据进行逐一的筛选和分析；
[0031]步骤33：选择影响的关键因子，建立多元回归预测模型和机器学习模型；其中，影响较大的关键因子的主要元素至少包括光照、温度、湿度和降雨量，适宜光照时间范围设为8
‑
10小时/天，温度范围设为20
‑
30℃，湿度范围设为65％
‑
75％，降雨量范围设为1200
‑
1600mm/年。
[0032]步骤34：通过不同模型的拟合度比较，最终选择出最优的数字化模型。
[0033]相对于现有技术，本专利技术具有以下有益效果：
[0034](1)本专利技术将面向数据价值的多元应用，将传统烟叶种植和科研成果进行有机数字化融合，结合物联网采集技术，利用互联网技术构建烟草种植大数据仓库，使用人工智能算法构建烟草生产的各类模型，实现烟草种植的各类生长预警、病虫害预测、植株健康评价等，通过训练生成烟草智能管理模型，促进构建烟草种植现代化新模式，为烟叶原料、种植、
生产探索一套优质高效的数字技术支撑新体系，实现产业可持续健康发展。
[0035](2)本专利技术以数据为基础，自动形成初步的烟叶原料生产的系列决策方案，构建烟叶生产关键因子体系模型，通过不断进行创新，探索出满足优质烟叶优质化种植的新方法，实现种植过程的标准化和智慧化管理，探索出模型化的烟叶生态种植体系，来辅助现代烟叶种植完成规范化转型，实现现代农业与新科技的深入结合，进而推进烟叶原料种植的现代化、科技化进程。
[0036](3)本专利技术可以基于物联网技术的多源异构烟叶种植数据监测预警，其中，烟草植株的生长受田间气压、温度、湿度、降雨量等因素的影响，烟草不同生长期间对各类生态条件的要求也不同。通过物联网传感器实时监测和采集烟田的各类种植数据，可以为植株在不同生长阶段准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烟草大数据模型构建方法，其特征在于，包括以下步骤：步骤1：通过数据采集层对烟草大数据的基础信息进行采集和预处理；步骤2：通过模型开发层基于步骤1处理后的数据进行开发、清洗、整理；步骤3：基于步骤1和步骤2，进行人工智能算法分析和大数据研判预测；步骤4：利用系统平台基于数据采集层、模型开发层和应用层构建至少一个数据模型。2.根据权利要求1所述的一种烟草大数据模型构建方法，其特征在于，步骤1中的基础信息至少包括生态气候、土壤养分、烟叶养分、病虫害监测、基地环境数据、烟叶烘烤数据、烟叶生长数据和微生物生长数据。3.根据权利要求1所述的一种烟草大数据模型构建方法，其特征在于，步骤1中的预处理包括对数据进行聚合、清洗和存储的操作。4.根据权利要求1所述的一种烟草大数据模型构建方法，其特征在于，所述数据采集层采集的基础信息的数据来源包括物联网数据、烟农种植数据、科研实验数据和烟叶生产加工数据。5.根据权利要求4所述的一种烟草大数据模型构建方法，其特征在于，所述物联网数据是由传感器装置、视频视觉装置以及图像识别装置分别采集的数据构成。6.根据权利要求5所述的一种烟草大数据模型构建方法，其特征在于，所述传感器装置至少包括环境传感器、土壤传感器和苗株传感器。7.根据权利要求1所述的一种烟草大数据模型构建方法，其特征在于，步骤4中的数据模型包括基于烟株生命周期节点的烟叶生长质量表征指数模型、基于烟株健康与土壤养分互动的烟株健康指数模型和基于气候生态因子与烟叶质量关系的数字化模型。8.根据权利要求7所述的一种烟草大数据模型构建方法...

【专利技术属性】
技术研发人员：邵地伟，郑超，
申请(专利权)人：普天通信有限责任公司，
类型：发明
国别省市：