农作物产量预测方法和系统技术方案

本发明专利技术实施例提供农作物产量预测方法和系统。其中，方法包括：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。本发明专利技术实施例提供的农作物产量预测方法和系统，通过神经网络模型预测农作物产量，能快速、方便地获得精度高的农作物产量预测结果。

Crop yield prediction method and system

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。根据本专利技术的第三方面，本专利技术实施例提供一种农作物产量预测系统，包括：特征提取模块，用于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；产量预测模块，用于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。根据本专利技术的第三方面，本专利技术实施例提供一种农作物产量的预测设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行本专利技术实施例农作物产量预测方法及其所有可选实施例的分析方法。根据本专利技术的第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行本专利技术实施例农作物产量预测方法及其所有可选实施例的分析方法。本专利技术实施例提供的农作物产量预测方法，通过神经网络模型预测农作物产量，能快速、方便地获得精度高的农作物产量预测结果。进一步地，通过选择合适的第一统计期，可以预测农作物当年的产量或当前生长期的产量，预测当前生长期的产量时，考虑了生长期包括的不同生育时期内农作物受气象变化的影响，预测结果更准确。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例农作物产量预测方法的流程图；图2为本专利技术实施例农作物产量的预测装置的功能框图；图3为本专利技术实施例农作物产量的预测设备的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例农作物产量预测方法的流程图。如图1所示，一种农作物产量预测方法包括：步骤S101、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。需要说明的是，本专利技术实施例提供的农作物产量预测方法适用于对一定区域内任意一种农作物的产量进行预测。一定区域可以是全国、若干个省份、若干个城市、若干个县、若干个乡镇或若干个村，但不限于此。本专利技术实施例提供的农作物产量预测方法，预测的是农作物一定时间的产量。例如，预测农作物今年的产量或当前生长季的产量。优选地，为了消除农作物种植面积的变化导致的影响，农作物产量指农作物的单产。例如，农作物的单产为亩产。影响农作物产量的因素有土壤条件、虫害或植物病害、气象条件。但是土壤条件，虫害或植物病害不易得到量化的数据，而各种气象条件的量化数据，即气象数据容易获取。气象台通常会保留一定区域逐日的各种气象数据。具体地，根据气象数据获取农作物的特征数据。气象数据分为两部分：第一统计期内的气象数据和第二统计期内的气象数据。第一统计期和第二统计期均为一定的时间段。第二统计期由多个第一统计期构成。每个第一统计期对应的时长可以相同，也可以不同。第一统计期的时间信息，为第一统计期自身的信息。例如，第一统计期对应的时长为月，第二统计期对应的时长为季度；第一统计期为4月，第二统计期为4月所属的季度二季度；第一统计期的时间信息，可以为4月的月份信息，也可以为4月属于二季度的第1个月；根据4月和二季度的气象数据及，月份信息4月获取农作物的特征数据，也可以根据4月和二季度的气象数据，及4月属于二季度的第1个月获取农作物的特征数据。又如，第一统计期对应的时长为周，第二统计期对应的时长为生育时期；第二统计期为幼苗期，第一统计期为幼苗期的第二周；第一统计期的时间信息，为第一统计期为幼苗期的第二周；根据幼苗期和幼苗期的第二周的气象数据，及第一统计期为幼苗期的第二周获取农作物的特征数据。第一统计期为4月，第二统计期为4月所属的季度二季度；第一统计期的时间信息，可以为4月的月份信息，也可以为4月属于二季度的第1个月；根据4月和二季度的气象数据，及月份信息4月获取农作物的特征数据，也可以根据4月和二季度的气象数，据及4月属于二季度的第1个月获取农作物的特征数据。可以理解的是，当农作物产量预测的范围为较大的区域，如全国、多个省时，若农作物的主要产区的分布不集中时，可以从农作物的主要产区中选取多个有代表性的城市，根据所选择的各城市的气象数据获取农作物的特征数据，若农作物的主要产区的分布集中时，或者农作物产量预测的范围为较小的区域，如一个城市时，可以从农作物的主要产区中选取多个城市，对所选择的各城市的气象数据进行处理，如求平均值或加权平均值，获取农作物的特征数据，也可以从农作物的主要产区中选择一个城市(农作物产量预测的范围为一个城市时，直接选择该城市)，根据该城市的气象数据获取农作物的特征数据。可以理解的是，步骤S101之前还包括：获取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。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，可以通过日常的气象观测获得，也可以从气象部门、本文档来自技高网...

【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