农作物的采收量预测方法和装置制造方法及图纸

本发明专利技术提供了一种农作物的采收量预测方法和装置。其中，该方法包括：基于全球定位系统、地理信息系统和遥感技术获取农作物的监测数据；确定监测数据对应的特征数据；特征数据表征影响农作物的采收量的数据；将特征数据输入至预先训练完成的回归树模型中，输出农作物的采收量预测数据；其中，回归树模型基于可伸缩回归树算法构建。该方式中，通过全球定位系统、地理信息系统和遥感技术可以监测农作物全生命周期不同阶段的生长数据，建模时使用的数据全面且存量巨大，从数据角度可最大化提升预测准确性；回归树模型基于可伸缩回归树算法构建，该算法对数据量和计算量的增减变化可同步进行，模型具有可伸缩性。

【技术实现步骤摘要】
农作物的采收量预测方法和装置
本专利技术涉及深度学习
，尤其是涉及一种农作物的采收量预测方法和装置。
技术介绍
随着人口增长、食品安全问题的日益严重，农作物产量面临着亟待提升的压力。另外，全球气候变化给不同地区的农作物造成了难以估计的损失，实时监测农场环境和农作物生长情况很有必要。对于农作物的采收量，可以通过温室大棚内几项生长要素信息进行预测，根据农作物的历史采收量数据进行简单统计和预测，或者通过遥感技术进行预测。然而，上述几种预测方法中，进行预测的数据并不全面，准确性并不高。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种农作物的采收量预测方法和装置，以提高预测的准确性。第一方面，本专利技术实施例提供了一种农作物的采收量预测方法，方法包括：基于全球定位系统、地理信息系统和遥感技术获取农作物的监测数据；确定监测数据对应的特征数据；特征数据表征影响农作物的采收量的数据；将特征数据输入至预先训练完成的回归树模型中，输出农作物的采收量预测数据；其中，回归树模型基于可伸缩回归树算法构建。在本专利技术较佳的实施例中，上述监测数据包括作物生长监测数据、气候环境监测数据和病虫草害监测数据；上述基于全球定位系统、地理信息系统和遥感技术获取农作物的监测数据的步骤，包括：基于全球定位系统确定指定坐标的农作物的种植区域；基于地理信息系统对农作物的种植区域进行成图处理，输出多个图层；通过遥感技术确定多个图层对应的作物生长监测数据、气候环境监测数据和病虫草害监测数据。在本专利技术较佳的实施例中，上述确定监测数据对应的特征数据的步骤，包括：确定影响农作物的采收量的数据的类型；基于数据的类型从监测数据中提取监测数据对应的特征数据。在本专利技术较佳的实施例中，上述将特征数据输入至预先训练完成的回归树模型中的步骤，包括：对特征数据进行归一化处理；将归一化处理后的特征数据输入至预先训练完成的回归树模型中。在本专利技术较佳的实施例中，上述回归树模型通过以下步骤训练：获取训练样本和训练样本对应的采收量；其中，训练样本和训练样本对应的采收量基于农作物的历史监测数据获取；基于训练样本构建回归树模型的预设数量阈值的回归树；根据训练样本的训练结果调整回归树模型的参数；继续执行获取训练样本和训练样本对应的采收量的步骤，直至满足预设的训练结束条件，将训练得到的回归树模型确定为训练好的回归树模型。在本专利技术较佳的实施例中，上述将训练得到的回归树模型确定为训练好的回归树模型的步骤之后，方法还包括：基于预设的验证样本对训练好的回归树模型进行验证。在本专利技术较佳的实施例中，上述方法还包括：基于预设比例从农作物的历史监测数据中确定训练样本和验证样本；其中，历史监测数据包含农作物的历史特征数据和历史特征数据对应的采收量。在本专利技术较佳的实施例中，上述基于训练样本构建回归树模型的第一棵回归树的步骤，包括：计算训练样本中每个特征的增益值，得到增益值的最大值对应的目标特征；基于目标特征进行分支结点，对训练样本进行划分，并构建回归树模型的第一棵回归树；其中，第一棵回归树的树高不超过预设的高度阈值。在本专利技术较佳的实施例中，上述训练结束条件包括：回归树模型的回归树的数量等于数量阈值；并且，回归树模型的参数的改变量小于预设的改变阈值。第二方面，本专利技术实施例还提供一种农作物的采收量预测装置，装置包括：监测数据获取模块，用于基于全球定位系统、地理信息系统和遥感技术获取农作物的监测数据；特征数据确定模块，用于确定监测数据对应的特征数据；特征数据表征影响农作物的采收量的数据；采收量预测模块，用于将特征数据输入至预先训练完成的回归树模型中，输出农作物的采收量预测数据；其中，回归树模型基于可伸缩回归树算法构建。本专利技术实施例带来了以下有益效果：本专利技术实施例提供的一种农作物的采收量预测方法和装置，基于全球定位系统、地理信息系统和遥感技术获取农作物的监测数据，将上述监测数据对应的特征数据输入至基于可伸缩回归树算法构建的回归树模型中，输出农作物的采收量预测数据。该方式中，通过全球定位系统、地理信息系统和遥感技术可以监测农作物全生命周期不同阶段的生长数据，建模时使用的数据全面且存量巨大，从数据角度可最大化提升预测准确性；回归树模型基于可伸缩回归树算法构建，该算法对数据量和计算量的增减变化可同步进行，模型具有可伸缩性。本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，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提供的一种农作物的采收量预测方法的流程图；图2为本专利技术实施例提供的另一种农作物的采收量预测方法的流程图；图3为本专利技术实施例提供的一种农作物的采收量预测方法的示意图；图4为本专利技术实施例提供的一种特征数据的示意图；图5为本专利技术实施例提供的一种农作物的采收量预测装置的结构示意图；图6为本专利技术实施例提供的一种电子设备的结构示意图。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，下面将结合附图对本专利技术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做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。目前，预测农作物的采收量的方法中，进行预测的数据并不全面，准确性并不高。基于此，本专利技术实施例提供的一种农作物的采收量预测方法和装置，可以借助3S技术和大数据分析技术来实时监测并精准预测未来一段时间内农作物产量，其中，3S技术包括基于全球定位系统(GPS，GlobalPositioningSystems)、地理信息系统(GIS，GeographyInformationSystems)和遥感技术(RS，RemoteSensing),具体涉及一种基于可伸缩回归树的农作物的采收量预测方法。为便于对本实施例进行理解，首先对本专利技术实施例所公开的一种农作物的采收量预测方法进行详细介绍。实施例一：本实施例提供了一种农作物的采收量预测方法，参见图1所示的一种农作物的采收量预测方法的流程图，该农作物的采收量预测方法包括如下步骤：步骤S102，基于全球定位系统、地理信息系统和遥感技术获取农作物的监测数据。3S技术是以全球定位系统(GPS)、地理信息系统(GIS)和遥感技术(RS)为基础，将RS、GIS、GPS三种独立
中的有关部分与其他
如网络技术、通讯技术等有机地构本文档来自技高网...

【技术保护点】
1.一种农作物的采收量预测方法，其特征在于，所述方法包括：/n基于全球定位系统、地理信息系统和遥感技术获取农作物的监测数据；/n确定所述监测数据对应的特征数据；所述特征数据表征影响所述农作物的采收量的数据；/n将所述特征数据输入至预先训练完成的回归树模型中，输出所述农作物的采收量预测数据；其中，所述回归树模型基于可伸缩回归树算法构建。/n

【技术特征摘要】
1.一种农作物的采收量预测方法，其特征在于，所述方法包括：
基于全球定位系统、地理信息系统和遥感技术获取农作物的监测数据；
确定所述监测数据对应的特征数据；所述特征数据表征影响所述农作物的采收量的数据；
将所述特征数据输入至预先训练完成的回归树模型中，输出所述农作物的采收量预测数据；其中，所述回归树模型基于可伸缩回归树算法构建。


2.根据权利要求1所述的方法，其特征在于，所述监测数据包括作物生长监测数据、气候环境监测数据和病虫草害监测数据；
基于全球定位系统、地理信息系统和遥感技术获取农作物的监测数据的步骤，包括：
基于全球定位系统确定指定坐标的所述农作物的种植区域；
基于地理信息系统对所述农作物的种植区域进行成图处理，输出多个图层；
通过遥感技术确定多个所述图层对应的所述作物生长监测数据、所述气候环境监测数据和所述病虫草害监测数据。


3.根据权利要求1所述的方法，其特征在于，确定所述监测数据对应的特征数据的步骤，包括：
确定影响所述农作物的采收量的数据的类型；
基于所述数据的类型从所述监测数据中提取所述监测数据对应的特征数据。


4.根据权利要求1所述的方法，其特征在于，将所述特征数据输入至预先训练完成的回归树模型中的步骤，包括：
对所述特征数据进行归一化处理；
将归一化处理后的所述特征数据输入至预先训练完成的回归树模型中。


5.根据权利要求1所述的方法，其特征在于，所述回归树模型通过以下步骤训练：
获取训练样本和所述训练样本对应的采收量；其中，所述训练样本和所述训练样本对应的采收量基于所述农作物的历史监测数据获取；
基于所述训练样本构建所述回归树模型的预设数量阈值的回归树；
根据所述训练样本的训练结果调...

【专利技术属性】
技术研发人员：张曙华，杨安荣，邬旭栋，马睿涛，
申请(专利权)人：上海信联信息发展股份有限公司，
类型：发明
国别省市：上海;31