【技术实现步骤摘要】
本申请涉及农业信息处理，特别是涉及基于多数据融合的农作物产量预测方法及系统。
技术介绍
1、在现代农业领域，准确预测农作物产量具有至关重要的意义。随着全球人口的不断增长，人们对农作物产品的需求也在不断提升，农业的生产需要更加科学、高效的管理方式。农作物产量预测能够帮助农民、农业企业以及政府相关部门提前规划资源分配、制定合理的市场策略并保障农产品的稳定供应。传统的农作物产量预测方法往往依赖于单一的数据来源或简单的经验模型，忽略了农作物生长过程中的众多复杂因素及其相互作用，无法精确考虑农作物在不同生长阶段对环境变化的不同响应，也缺乏对土壤质量、农药残留等多方面因素综合考量的能力，因此其预测的准确性和可靠性较低，没有办法较为企业提供准确的产量预测数据。这类模型结构相对简单，考虑因素较少，模型精度有待提高传统的作物估产方法主要是农学预报方法、统计预报方法、气象预报方法等。
技术实现思路
1、本申请通过提供基于多数据融合的农作物产量预测方法及系统，旨在解决现有技术中依赖于单一数据来源及简单经验模型，预测结果准确性和可靠性较低的技术问题。以进一步提高农作物产量预测效果，本专利技术方法具有易实现、效果佳的特点
2、根据本公开的第一方面，提供了基于多数据融合的农作物产量预测方法，包括：
3、针对划定的农作物多级生长阶段，配置多级农田监测标准，并将所述多级农田监测标准配置于智能控制系统，其中，所述多级生长阶段包括发芽期、幼苗期、生长期和成熟期；基于所述农作物多级生长阶段，定期
4、根据本公开的第二方面，提供了基于多数据融合的农作物产量预测系统，包括：
5、多级农田监测标准配置模块，所述多级农田监测标准配置模块用于针对划定的农作物多级生长阶段，配置多级农田监测标准，并将所述多级农田监测标准配置于智能控制系统，其中，所述多级生长阶段包括发芽期、幼苗期、生长期和成熟期；多源监测设备数据获取模块，所述多源监测设备数据获取模块用于基于所述农作物多级生长阶段，定期获取监测农田环境的多源监测设备数据，其中，所述多源监测设备与所述智能控制系统通信连接；多源监测设备数据特征提取模块，所述多源监测设备数据特征提取模块用于利用pca算法对获取的多源监测设备数据进行特征提取和降维处理，获得降维的多源监测设备数据，更新农作物生长元素集，其中，所述农作物生长元素集基于所述多级农田监测标准的内容构建，农作物生长元素集包括农作物生长的土壤质量元素集、天气情况元素集和农药残留元素集；多源偏差数据集获得模块，所述多源偏差数据集获得模块用于设定滑动窗口，滑动步长按所述农作物多级生长阶段设置，计算窗口内所述农作物生长元素集中各元素集更新的各监测设备数据平均值，将各元素特征集内各监测设备数据平均值与所述多级农田监测标准中相对应的监测标准进行对比，计算偏差值，获得多源偏差数据集；时序多源偏差数据集构建模块，所述时序多源偏差数据集构建模块用于基于所述滑动步长，将每个窗口内的多源偏差数据按滑动步长时间顺序排列，形成时序多源偏差数据集；农作物产量预测值获得模块，所述农作物产量预测值获得模块用于将所述时序多源偏差数据集输入农作物生长预测模型，获得农作物产量预测值，其中，所述预测模型以arimax为架构构建。
6、本公开中提供的一个或多个技术方案，至少具有如下技术效果或优点：针对划定的农作物多级生长阶段，配置多级农田监测标准，并将所述多级农田监测标准配置于智能控制系统，其中，所述多级生长阶段包括发芽期、幼苗期、生长期和成熟期；基于所述农作物多级生长阶段，定期获取监测农田环境的多源监测设备数据，其中，所述多源监测设备与所述智能控制系统通信连接；利用pca算法对获取的多源监测设备数据进行特征提取和降维处理，获得降维的多源监测设备数据，更新农作物生长元素集，其中，所述农作物生长元素集基于所述多级农田监测标准的内容构建，农作物生长元素集包括农作物生长的土壤质量元素集、天气情况元素集和农药残留元素集；设定滑动窗口，滑动步长按所述农作物多级生长阶段设置，计算窗口内所述农作物生长元素集中各元素集更新的各监测设备数据平均值，将各元素特征集内各监测设备数据平均值与所述多级农田监测标准中相对应的监测标准进行对比，计算偏差值，获得多源偏差数据集；基于所述滑动步长，将每个窗口内的多源偏差数据按滑动步长时间顺序排列，形成时序多源偏差数据集；将所述时序多源偏差数据集输入农作物生长预测模型，获得农作物产量预测值，其中所述预测模型以arimax为架构构建。解决了现有技术中依赖于单一的数据来源或简单的经验模型，忽略了农作物生长过程中的众多复杂因素及其相互作用的技术问题，达到了提升预测准确率的技术效果。
7、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
本文档来自技高网...【技术保护点】
1.基于多数据融合的农作物产量预测方法，其特征在于，所述方法，包括：
2.如权利要求1所述的基于多数据融合的农作物产量预测方法，其特征在于，获得降维的多源监测设备数据之前，包括：
3.如权利要求1所述的基于多数据融合的农作物产量预测方法，其特征在于，多级农田监测标准，包括：配置第一监测标准，所述第一监测标准为基于农作物多级生长阶段的土壤质量；
4.如权利要求3所述的基于多数据融合的农作物产量预测方法，其特征在于，定期获取监测农田环境的多源监测设备数据，包括：
5.如权利要求4所述的基于多数据融合的农作物产量预测方法，其特征在于，农作物生长预测模型，包括：
6.如权利要求1所述的基于多数据融合的农作物产量预测方法，其特征在于，还包括：
7.基于多数据融合的农作物产量预测系统，其特征在于，所述系统，包括：
【技术特征摘要】
1.基于多数据融合的农作物产量预测方法，其特征在于，所述方法，包括：
2.如权利要求1所述的基于多数据融合的农作物产量预测方法，其特征在于，获得降维的多源监测设备数据之前，包括：
3.如权利要求1所述的基于多数据融合的农作物产量预测方法，其特征在于，多级农田监测标准，包括：配置第一监测标准，所述第一监测标准为基于农作物多级生长阶段的土壤质量；
4.如权利...
【专利技术属性】
技术研发人员：刘勇，赵国辉，
申请(专利权)人：大连理工大学宁波研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。