The embodiment of the invention provides crop yield prediction method and system. Among them, the method includes: according to the meteorological data in the first statistical period, the meteorological data in the second statistical period of the first statistical period and the time information of the first statistical period, get the characteristic data of crops; input the characteristic data into the trained neural network model to obtain the prediction results of crop yield. The method and system for predicting crop yield provided by the embodiment of the invention can predict crop yield through neural network model, and can quickly and conveniently obtain high precision crop yield prediction results.
【技术实现步骤摘要】
农作物产量预测方法和系统
本专利技术实施例涉及农业生产
,尤其涉及农作物产量预测方法和系统。
技术介绍
在农业生产中,进行农作物产量的预测具有极强的现实意义。对农作物产量进行预测,不仅有利于农民根据价格变化及时的调整农作物的种植面积,提高农民的收入,还可以根据农作物的出口情况及时扩大或者减少农作物的种植面积。目前,对于多数农作物产量的预测大多都是借助于种植经验,偏差极大,所以寻找有效的方法对农作物产量进行预测是急需解决的问题。例如,我国北方种植着大量的花生,花生的营养价值比粮食类高,它含有大量的蛋白质的脂肪,特别是不饱和脂肪酸的含量很高,很适宜制造各种营养食品,如花生牛奶、花生核桃露等,但目前还没有较准确的预测花生的产量的方法。对于部分农作物,已经建立了预测模型。例如,国际上出现了不少小麦生长模拟系统,如美国的DSSAT系统、澳大利亚的APSIM系统、中国的WheatGrow系统等。它们通过解析“气象—土壤—技术措施”与小麦生理生态过程的机理关系,对小麦的生长发育及产量形成过程进行定量的预测。但根据现有模型预测小麦的产量,使用的参数较多,数据处理过程非常复杂,预测的精度和速度还有待提高。此外,对农作物产量进行预测时,时间变量都是以年或整个生长期为单位,忽略了生长期包括的不同生育时期内农作物受气象变化的差异性,导致农作物产量预测的精度不足。
技术实现思路
针对现有技术存在的农作物产量预测的精度不足的问题,本专利技术实施例提供农作物产量预测方法和系统。根据本专利技术的第一方面,本专利技术实施例提供一种农作物产量预测方法,包括:根据第一统计期内的气象数据、第一 ...
【技术保护点】
1.一种农作物产量预测方法,其特征在于,包括:根据第一统计期内的气象数据、第一统计期所属的第二统计期内的气象数据和第一统计期的时间信息,获取农作物的特征数据;将所述特征数据输入训练好的神经网络模型,获取农作物产量预测结果。
【技术特征摘要】
1.一种农作物产量预测方法,其特征在于,包括:根据第一统计期内的气象数据、第一统计期所属的第二统计期内的气象数据和第一统计期的时间信息,获取农作物的特征数据;将所述特征数据输入训练好的神经网络模型,获取农作物产量预测结果。2.根据权利要求1所述的农作物产量预测方法,其特征在于,获取所述训练好的神经网络模型的具体步骤包括:根据历史气象数据及相应的农作物历史产量构建训练样本集;将所述训练样本集中的数据输入神经网络模型进行训练,获得所述训练好的神经网络模型。3.根据权利要求1或2所述的农作物产量预测方法,其特征在于,所述第一统计期内的气象数据至少包括:第一统计期的最高气温、最低气温、日照时间和降水量;所述第一统计期所属的第二统计期内的气象数据,根据属于所述第二统计期的各第一统计期的平均气温获得。4.根据权利要求2所述的农作物产量预测方法,其特征在于,所述神经网络模型为VGG模型;所述VGG模型的各神经元节点的激活函数为MPELU函数。5.根据权利要求2所述的农作物产量预测方法,其特征在于,所述将所述训练样本集中的数据输入神经网络模型进行训练的具体步骤包括:将所述训练样本集中的数据输入神经网络模型,根据莱文贝格-马夸特方法,对神经网络模型进行训练。6...
【专利技术属性】
技术研发人员:李振波,钮冰姗,彭芳,李光耀,吴静,岳峻,李道亮,
申请(专利权)人:中国农业大学,
类型:发明
国别省市:北京,11
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。