基于历史果树生长周期下的果树成熟预测方法及装置制造方法及图纸

本发明专利技术涉及模型预测领域，揭露了一种基于历史果树生长周期下的果树成熟预测方法，包括：在历史果树生长周期记录中，提取初始生长时间及生长周期，利用最大信息系数算法，提取目标生长影响因素，根据初始生长时间及生长周期，计算每一个目标生长影响因素的平均影响因素数值，根据生长周期及每一个目标生长影响因素的平均影响因素数值，对原始XG

【技术实现步骤摘要】
基于历史果树生长周期下的果树成熟预测方法及装置
[0001]

[0002]本专利技术涉及模型预测领域，尤其涉及一种基于历史果树生长周期下的果树成熟预测方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0003]果树生长周期的准确预测对于科学规划果树的种植时间有着关键性的指导意义，而果树干周是衡量果树的生长情况的重要生物学指标。通过合理安排果树的种植时间，可以提高果树的果实产量及经济收益。
[0004]当前预测果树的成熟时间重要通过历史数据以及果农的经验加以判断，通过在历史数据中，查阅当前时间的气候等环境条件，对果树的生长周期粗略的判断，这种果树生长周期的判断方式存在着准确度低，变动性大的问题。

技术实现思路

[0005]本专利技术提供一种基于历史果树生长周期下的果树成熟预测方法、装置及计算机可读存储介质，其主要目的在于解决果树生长周期的判断方式存在着准确度低，变动性大的问题。
[0006]为实现上述目的，本专利技术提供的一种基于历史果树生长周期下的果树成熟预测方法，包括：在预构建的历史果树生长周期记录中，提取历史生长果树的初始生长时间及生长周期；获取果树生长影响因素集，利用预构建的最大信息系数算法，根据所述历史果树生长周期记录，在所述果树生长影响因素集中，提取预设参考数目的目标生长影响因素；根据所述初始生长时间及生长周期，计算每一个所述目标生长影响因素的平均影响因素数值；根据所述生长周期及每一个所述目标生长影响因素的平均影响因素数值，对预构建的原始XG
‑
Boost预测模型进行训练，得到目标XG
‑
Boost预测模型；获取当前果树的种植时间，利用所述目标XG
‑
Boost预测模型，根据所述当前果树的种植时间，预测所述当前果树的成熟时间。
[0007]可选地，所述在预构建的历史果树生长周期记录中，提取历史生长果树的初始生长时间及生长周期，包括：在所述历史果树生长周期记录中，随机抽取所述历史生长果树，其中，所述历史生长果树的抽取数目为预设参考数目；将所述历史生长果树的种植时间设为所述初始生长时间；在所述历史果树生长周期记录中，查询所述果树的成熟时间；
根据所述成熟时间及所述初始生长时间，计算出所述生长周期。
[0008]可选地，所述利用预构建的最大信息系数算法，根据所述历史果树生长周期记录，在所述果树生长影响因素集中，提取预设参考数目的目标生长影响因素，包括：在所述历史果树生长周期记录中，提取所述历史生长果树的挂果量、所在土壤的有机质含量、所受的光照强度、所在空气的湿度以及所在土壤的湿度；以所述历史生长果树的挂果量为自变量，以所述生长周期为应变量，构建挂果量二维坐标系；以所述历史生长果树所在土壤的有机质含量为自变量，以所述生长周期为应变量，构建有机质含量二维坐标系；以所述历史生长果树所受的光照强度为自变量，以所述生长周期为应变量，构建光照强度二维坐标系；以所述历史生长果树所在空气的湿度为自变量，以所述生长周期为应变量，构建空气湿度二维坐标系；以所述历史生长果树所在土壤的湿度为自变量，以所述生长周期为应变量，构建土壤湿度二维坐标系；根据在所述历史果树生长周期记录中，提取的历史生长果树的预设参考数目，确定切分网格密度；利用所述切分网格密度对所述挂果量二维坐标系、有机质含量二维坐标系、光照强度二维坐标系、空气湿度二维坐标系以及土壤湿度二维坐标系，进行切分，得到网格化挂果量二维坐标系、网格化有机质含量二维坐标系、网格化光照强度二维坐标系、网格化空气湿度二维坐标系以及网格化土壤湿度二维坐标系；利用预构建的最大信息系数计算公式，根据所述网格化挂果量二维坐标系、网格化有机质含量二维坐标系、网格化光照强度二维坐标系、网格化空气湿度二维坐标系以及网格化土壤湿度二维坐标系，分别计算出挂果量最大信息系数、有机质含量最大信息系数、光照强度最大信息系数、空气湿度最大信息系数及土壤湿度最大信息系数；按照从大到小的顺序，对所述挂果量最大信息系数、有机质含量最大信息系数、光照强度最大信息系数、空气湿度最大信息系数及土壤湿度最大信息系数进行排序，得到序列化最大信息系数；根据所述目标生长影响因素的预设参考数目，按照所述序列化最大信息系数的顺序，在所述序列化最大信息系数中，提取所述预设参考数目的目标生长影响因素，其中所述目标生长影响因素可包括：所述历史生长果树的挂果量、所述历史生长果树所在土壤的有机质含量、所述历史生长果树所受的光照强度。
[0009]可选地，所述根据所述初始生长时间及生长周期，计算每一个所述目标生长影响因素的平均影响因素数值，包括：根据所述初始生长时间及生长周期，计算出所述历史生长果树的生长日期序列；在所述历史果树生长周期记录中，提取所述历史生长果树在所述生长日期序列中的每一天的挂果量、所在土壤的有机质含量以及所受的光照强度；根据所述生长日期序列包含的天数，及所述历史生长果树在所述生长日期序列中的每一天的挂果量、所在土壤的有机质含量以及所受的光照强度，计算出所述历史生长果
树在所述生长日期序列中的日均挂果量、日均有机质含量以及日均光照强度；整合所述日均挂果量、日均有机质含量以及日均光照强度，得到每一个所述目标生长影响因素的平均影响因素数值。
[0010]可选地，所述根据所述生长周期及每一个所述目标生长影响因素的平均影响因素数值，对预构建的原始XG
‑
Boost预测模型进行训练，得到目标XG
‑
Boost预测模型之前，所述方法还包括：在所有所述历史生长果树的日均挂果量中随机选取一个日均挂果量，将所述日均挂果量作为原始挂果分裂值；在所有所述历史生长果树的日均有机质含量中随机选取一个日均有机质含量，将所述日均有机质含量作为原始有机质分裂值；在所有所述历史生长果树的日均光照强度中随机选取一个日均光照强度，将所述日均光照强度作为原始光照强度分裂值；在所有所述历史生长果树的生长周期中随机选取一个生长周期作为叶子节点值；根据所述原始挂果分裂值及叶子节点值，构建原始挂果回归树；根据所述原始有机质分裂值及叶子节点值，构建原始有机质回归树；根据所述原始光照强度分裂值及叶子节点值，构建原始光照强度回归树；根据所述原始挂果回归树、原始有机质回归树以及原始光照强度回归树，构建所述原始XG
‑
Boost预测模型。
[0011]可选地，所述根据所述生长周期及每一个所述目标生长影响因素的平均影响因素数值，对预构建的原始XG
‑
Boost预测模型进行训练，得到目标XG
‑
Boost预测模型，包括：利用所述原始XG
‑
Boost预测模型中的原始挂果回归树，根据所述历史生长果树的日均挂果量，对所述历史生长果树的生长周期进行预测，得到初始挂果预测生长周期；利用所述原始XG
‑
Boost预测模型中的原始有机质回归树，根据所述历史生长果树的日均有机质含量，对所述历史生长果树的生长周期进行预测，得到初始有机质预测生长周期；利用所述原始XG
‑
B本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于历史果树生长周期下的果树成熟预测方法，其特征在于，所述方法包括：在预构建的历史果树生长周期记录中，提取历史生长果树的初始生长时间及生长周期；获取果树生长影响因素集，利用预构建的最大信息系数算法，根据所述历史果树生长周期记录，在所述果树生长影响因素集中，提取预设参考数目的目标生长影响因素；根据所述初始生长时间及生长周期，计算每一个所述目标生长影响因素的平均影响因素数值；根据所述生长周期及每一个所述目标生长影响因素的平均影响因素数值，对预构建的原始XG
‑
Boost预测模型进行训练，得到目标XG
‑
Boost预测模型；获取当前果树的种植时间，利用所述目标XG
‑
Boost预测模型，根据所述当前果树的种植时间，预测所述当前果树的成熟时间。2.如权利要求1所述的基于历史果树生长周期下的果树成熟预测方法，其特征在于，所述在预构建的历史果树生长周期记录中，提取历史生长果树的初始生长时间及生长周期，包括：在所述历史果树生长周期记录中，随机抽取所述历史生长果树，其中，所述历史生长果树的抽取数目为预设参考数目；将所述历史生长果树的种植时间设为所述初始生长时间；在所述历史果树生长周期记录中，查询所述果树的成熟时间；根据所述成熟时间及所述初始生长时间，计算出所述生长周期。3.如权利要求2所述的基于历史果树生长周期下的果树成熟预测方法，其特征在于，所述利用预构建的最大信息系数算法，根据所述历史果树生长周期记录，在所述果树生长影响因素集中，提取预设参考数目的目标生长影响因素，包括：在所述历史果树生长周期记录中，提取所述历史生长果树的挂果量、所在土壤的有机质含量、所受的光照强度、所在空气的湿度以及所在土壤的湿度；以所述历史生长果树的挂果量为自变量，以所述生长周期为应变量，构建挂果量二维坐标系；以所述历史生长果树所在土壤的有机质含量为自变量，以所述生长周期为应变量，构建有机质含量二维坐标系；以所述历史生长果树所受的光照强度为自变量，以所述生长周期为应变量，构建光照强度二维坐标系；以所述历史生长果树所在空气的湿度为自变量，以所述生长周期为应变量，构建空气湿度二维坐标系；以所述历史生长果树所在土壤的湿度为自变量，以所述生长周期为应变量，构建土壤湿度二维坐标系；根据在所述历史果树生长周期记录中，提取的历史生长果树的预设参考数目，确定切分网格密度；利用所述切分网格密度对所述挂果量二维坐标系、有机质含量二维坐标系、光照强度二维坐标系、空气湿度二维坐标系以及土壤湿度二维坐标系，进行切分，得到网格化挂果量二维坐标系、网格化有机质含量二维坐标系、网格化光照强度二维坐标系、网格化空气湿度
二维坐标系以及网格化土壤湿度二维坐标系；利用预构建的最大信息系数计算公式，根据所述网格化挂果量二维坐标系、网格化有机质含量二维坐标系、网格化光照强度二维坐标系、网格化空气湿度二维坐标系以及网格化土壤湿度二维坐标系，分别计算出挂果量最大信息系数、有机质含量最大信息系数、光照强度最大信息系数、空气湿度最大信息系数及土壤湿度最大信息系数；按照从大到小的顺序，对所述挂果量最大信息系数、有机质含量最大信息系数、光照强度最大信息系数、空气湿度最大信息系数及土壤湿度最大信息系数进行排序，得到序列化最大信息系数；根据所述目标生长影响因素的预设参考数目，按照所述序列化最大信息系数的顺序，在所述序列化最大信息系数中，提取所述预设参考数目的目标生长影响因素，其中所述目标生长影响因素可包括：所述历史生长果树的挂果量、所述历史生长果树所在土壤的有机质含量、所述历史生长果树所受的光照强度。4.如权利要求2所述的基于历史果树生长周期下的果树成熟预测方法，其特征在于，所述根据所述初始生长时间及生长周期，计算每一个所述目标生长影响因素的平均影响因素数值，包括：根据所述初始生长时间及生长周期，计算出所述历史生长果树的生长日期序列；在所述历史果树生长周期记录中，提取所述历史生长果树在所述生长日期序列中的每一天的挂果量、所在土壤的有机质含量以及所受的光照强度；根据所述生长日期序列包含的天数，及所述历史生长果树在所述生长日期序列中的每一天的挂果量、所在土壤的有机质含量以及所受的光照强度，计算出所述历史生长果树在所述生长日期序列中的日均挂果量、日均有机质含量以及日均光照强度；整合所述日均挂果量、日均有机质含量以及日均光照强度，得到每一个所述目标生长影响因素的平均影响因素数值。5.如权利要求4所述的基于历史果树生长周期下的果树成熟预测方法，其特征在于，所述根据所述生长周期及每一个所述目标生长影响因素的平均影响因素数值，对预构建的原始XG
‑
Boost预测模型进行训练，得到目标XG
‑
Boost预测模型之前，所述方法还包括：在所有所述历史生长果树的日均挂果量中随机选取一个日均挂果量，将所述日均挂果量作为原始挂果分裂值；在所有所述历史生长果树的日均有机质含量中随机选取一个日均有机质含量，将所述日均有机质含量作为原始有机质分裂值；在所有所述历史生长果树的日均光照强度中随机选取一个日均光照强度，将所述日均光照强度作为原始光照强度分裂值；在所有所述历史生长果树的生长周期中随机选取一个生长周期作为叶子节点值；根据所述原始挂果分裂值及叶子节点值，构建原始挂果回归树；根据所述原始有机质分裂值及叶子节点值，构建原始有机质回归树；根据所述原始光照强度分裂值及叶子节点值，构建原始光照强度回归树；根据所述原始挂果回归树、原始有机质回归树以及原始光照强度回归树，构建所述原始XG
‑
Boost预测模型。6.如权利要求5所述的基于历史果树生长周期下的果树成熟预测方法，其特征在于，所
述根据所述生长周期及每一个所述目标生长影响因素的平均影响因素数值，对预构建的原始XG
‑
Boost预测模型进行训练，得到目标XG
‑
Boost预测模型，包括：利用所述原始XG
‑
Boost预测模型中的原始挂果回归树，根据所述历史生长果树的日均挂果量，对所述历史生长果树的生长周期进行预测，得到初始挂果预测生长周期；利用所述原始XG
‑
Boost预测模型中的原始有机质回归树，根据...

【专利技术属性】
技术研发人员：邬金萍，李健，朱斌，王艳芳，
申请(专利权)人：江西应用技术职业学院，
类型：发明
国别省市：