一种基于指标体系和深度神经网络的杨梅产量预测方法技术

本发明专利技术公开了一种基于指标体系和深度神经网络的杨梅产量预测方法，涉及杨梅产量预测技术领域，包括以下步骤：(1)、数据采集；(2)、数据标准化；(3)、指标体系构建(4)、权重计算；(5)、一级指标计算；(6)、深度神经网络模型建立；(7)、产量预测。该基于指标体系和深度神经网络的杨梅产量预测方法，将指标体系与深度神经网络模型相结合，借助组合赋权法提高重要变量的比重，有效地解决了变量冗杂导致的回归精度低的问题，并对杨梅产量进行有效预测，计算方法简单，通过土壤酸碱性、土壤微量元素含量、叶片生长状态、花序生长状态、果实生长尺寸、果实生长色泽、果实总酸含量、果实总糖量对杨梅的产量进行预测。的产量进行预测。的产量进行预测。

【技术实现步骤摘要】
一种基于指标体系和深度神经网络的杨梅产量预测方法


[0001]本专利技术涉及杨梅产量预测
，具体为一种基于指标体系和深度神经网络的杨梅产量预测方法。

技术介绍

[0002]杨梅属于杨梅科杨梅属小乔木或灌木植物，该属有50多个种，具有很高的药用和食用价值。其果味酸甜适中，既可直接食用，又可加工成杨梅干、酱、蜜饯等，还可酿酒，有止渴、生津、助消化等功能。产量预测是在作物收获前采取一定方法预先测定的产量。
[0003]在杨梅产量预测领域，目前的预测方法参数过多，预测过程复杂，无法衡量种植过程中大量参数的重要性，影响杨梅产量预测的精确度，为此，我们提出一种基于指标体系和深度神经网络的杨梅产量预测方法。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种基于指标体系和深度神经网络的杨梅产量预测方法，解决了上述
技术介绍
中提出的问题。
[0005]为实现以上目的，本专利技术通过以下技术方案予以实现，一种基于指标体系和深度神经网络的杨梅产量预测方法，包括以下步骤：
[0006](1)、数据采集...

【技术保护点】

【技术特征摘要】
1.一种基于指标体系和深度神经网络的杨梅产量预测方法，其特征在于，包括以下步骤：(1)、数据采集获取研究区杨梅种植生长结果时期的采样测量数据；(2)、数据标准化根据所述采样测量数据，确定标准化数据；(3)、指标体系构建根据所述标准化数据，构建杨梅生长指标体系；(4)、权重计算根据所述杨梅生长指标体系，采用组合赋权法确定各级指标对应权重；(5)、一级指标计算根据所述指标权重，确定杨梅生长一级指标指数；(6)、深度神经网络模型建立基于深度神经网络模型，建立杨梅生长指标与杨梅产量的关系模型；(7)、产量预测根据指标数据对杨梅产量进行预测。2.根据权利要求1所述的一种基于指标体系和深度神经网络的杨梅产量预测方法，其特征在于，所述步骤(1)的数据采集具体包括：根据所述采样测量数据，确定种植土壤采样检测数据，所述土壤采样检测数据包括有机质、pH值、磷、硼、锌、锰、钙、镁、钾、氮；确定生长期叶片与花序抽样测量数据，所述生长期叶片与花序抽样测量数据包括：春梢长度、叶片长度、叶片宽度、叶片厚度、叶绿素相对含量、雌花序长度、雌花序粗度；确定生长期果实外观及品质采样测定数据，所述生长期果实外观及品质采样测定数据包括单果质量、纵径、横径、果形指数＝纵径/横径、明度、红绿值、黄蓝值、硬度、柠檬酸、苹果酸、草酸、蔗糖、果糖。3.根据权利要求1所述的一种基于指标体系和深度神经网络的杨梅产量预测方法，其特征在于：所述步骤(2)的数据标准化具体包括：所有数据采用公式确定标准化数据；其中x
i
为各检测指标，μ
i
、σ
i
为第i个指标对应的均值与方差，Z
i
为第i个指标的标准化结果，X
i
为sigmoid函数标准化结果。4.根据权利要求1所述的一种基于指标体系和深度神经网络的杨梅产量预测方法，其特征在于：所述步骤(3)的指标体系构建具体包括：根据所述种植土壤采样标准化数据、生长期叶片与花序抽样标准化数据、生长期果实外观及品质采样标准化数据，确定杨梅生长指标体系二级指标；根据所述杨梅生长指标体系二级指标，确定土壤酸碱性、土壤微量元素含量、叶片生长状态、花序生长状态、果实生长尺寸、果实生长色泽、果实总酸含量、果实总糖量等8个指标为一级...

【专利技术属性】
技术研发人员：郑新立，
申请(专利权)人：浙江天演维真网络科技股份有限公司，
类型：发明
国别省市：