一种种植业数字化的系统搭建方法技术方案

本发明专利技术涉及种植业技术领域，具体涉及一种种植业数字化的系统搭建方法；本发明专利技术所提供的方法，可以实现种植业数字化的科学应用，不仅仅是提供数据采集和数据展示作用，还具有系统完善的整体系统分析步骤分解、方法构建、模型思路、应用思路以及未来的长期优化，可以为种植业数字化的发展提供一种思路，具有较大推广使用价值。使用价值。使用价值。

【技术实现步骤摘要】
一种种植业数字化的系统搭建方法


[0001]本专利技术涉及种植业
，具体涉及一种种植业数字化的系统搭建方法。

技术介绍

[0002]农业的数字化管理系统是一个集信息化、数字化、网络化、自动化等多种现代高新技术为一体的计算机管理和应用系统。目前，市场上普遍存在的种植业领域数字化系统多是数据存储和数据展示为主，通过传感器收集数据，实现数据的实时显示，方便管理者观测。但是只是数据的展示和存储，并没有发挥出数字化系统的全部功能，而对于种植业来说，要想实现更多更专业的数字化应用，需要对不同作物单独定制数据库结构，数据模型及数据应用的方法，目前还没有一套相对完善的方法体系。
[0003]综上所述，研发一种种植业数字化的系统搭建方法，仍是种植业
中急需解决的关键问题。

技术实现思路

[0004]本专利技术为了解决上述问题，本专利技术提供了一种种植业数字化的系统搭建方法，本专利技术所提供的方法，可以实现种植业数字化的科学应用，为种植业数字化的发展提供一种思路，并可以扩展应用在其他行业中。
[0005]为实现上述目的，本专利技术提供了如下技术方案：
[0006]本专利技术提供了一种种植业数字化的系统搭建方法，包括以下步骤：
[0007](1)农业系统分析：包括需求分析、现状分析、理想状态分析以及问题梳理；
[0008](2)数字化应用方案设计：包括功能定位、潜能分析、决策模型和参数优化适应；
[0009](3)理想状态设计：包括评价体系、决策系统验证、未知数据获取以及不确定性分析；
[0010](4)对种植业数字化长期学习决策，完成对作物价值指标的预测。
[0011]本专利技术进一步设置为：在步骤(1)中，所述的需求分析是指分析作物主要价值指标的具体需求，确定需求方向，并提出具体的量化指标；
[0012]所述的现状分析是针对主要需求，有针对性的分析该种植业产业目前的现状，以及已知的影响因素，分析目前种植业现状中可控的参数指标，以及该可控参数与主要需求之间的相关性，为数字化应用方案提供依据；
[0013]所述的理想状态分析是指查阅专业知识，找到影响主要需求的各类参数，并进行分类管理；
[0014]所述的问题梳理是针对需求、现状和理想状态，梳理目前距离理想状态的差距和实现的困难，并重新提出新的有限制条件的需求，规避目前不可实现的理想状态，重新进行现状和理想状态分析，直到梳理出来的问题得到解决，并提出解决方案。
[0015]本专利技术进一步设置为：所述的各类参数分可控参数和非可控参数。
[0016]本专利技术进一步设置为：在步骤(2)中，所述的功能定位是结合农业系统分析结果，
确定数字化应用的功能；
[0017]所述的潜能分析是指构建作物光合作用产量模型，进行作物生长潜能分析；
[0018]所述的决策模型是结合理想状态分析的背景知识，将光合作用产量模型中，非常数参数与可控参数进行可解释性关联，建立相关性模型，构建决定性模型f(x)和概率模型N(μ,σ2)，实现影响作物产量的可控参数的量化影响；
[0019]所述的参数优化适应是通过历史数据对于构建模型进行验证和参数适应性校准，针对优化结果，提出方案设计的改进措施，并继续重新功能定位，潜能分析模型优化，决策模型的优化，逐渐提高模型准确。
[0020]本专利技术进一步设置为：所述的构建作物光合作用产量模型的过程如下：
[0021](Ⅰ)概念模型框架：以图表的形式表述所需求的参数和目标之间的关系，定性的表达出其各个参数之间的关系；
[0022](Ⅱ)以公式形式，表述概念框架中各组成成分之间的关系，并量化参数，其中光合作用产量模型的框架模型为：
[0023]式中，W
总
为总的生长量，A
光合作用
为光合作用合成量，R
呼吸作用
为呼吸作用消耗量，A
最大光合作用
为最大光合作用合成量，α、β、γ、δ、θ分别为模型参数；
[0024](Ⅲ)模型参数校准：采用最大似然值计算，通过正态分布模型，计算模型模拟的概率密度，找到最大概率密度情况下的参数组合和参数值，并给定一种参数的评价指标：
[0025]C＝
‑
2ln(对数概率)+参数数量
·
ln(测试数据数量)，通过C值来判断决策模型的模型结构和模型参数的优劣。
[0026]本专利技术进一步设置为：所述的决定性模型f(x)采用线性回归和逻辑回归模型。
[0027]本专利技术进一步设置为：所述的概率模型N(μ,σ2)为正太分布模型。
[0028]本专利技术进一步设置为：在步骤(3)中，所述的评价体系是针对数字化应用方案设计，结合决策模型的概率模型，提出可以接受概率密度模型平均值和方差指标，满足该指标的决策模型，实现理想状态设计，并用于实际应用；
[0029]所述的决策系统验证是指满足评价体系的数字化应用方案设计，进入实际生产环节，进行生产指导，并在实际生产中再次验证决策方案；
[0030]所述的未知数据获取是针对模型的输入要求，获取相应的预报数据获取，为未知的未来提供未知数据来源；
[0031]所述的不确定性分析是针对未知数据的应用，对于整套模型决策的数字化应用系统提供不确定性分析，给出系统整体的不确定性参数，为实际产品提供商业化指标。
[0032]本专利技术进一步设置为：在步骤(4)中，所述的长期学习决策的方法为：
[0033](41)用光合作用产量模型对历史数据计算，给定未来一段时间内的潜能最大值；
[0034](42)通过光合作用产量模型与未来气象数据等的预报数据结合，计算未来实际过
程中通过可控控制系统或农事操作可以达到的值，并与最大潜能值相减，通过求解相减之后值的最小值，求出控制系统的控制策略或农事操作管理方法；
[0035](43)每10分钟重复一次步骤(42)，并覆盖前一步计算的结果，给出新的决策，按照每10分钟一次递进式进行决策指导。
[0036]有益效果
[0037]采用本专利技术提供的技术方案，与已知的公有技术相比，具有如下有益效果：
[0038]本专利技术所提供的方法，可以实现种植业数字化的科学应用，不仅仅是提供数据采集和数据展示作用，还具有系统完善的整体系统分析步骤分解、方法构建、模型思路、应用思路以及未来的长期优化，可以为种植业数字化的发展提供一种思路，具有较大推广使用价值。
附图说明
[0039]图1为本专利技术所提供方法的流程示意图；
[0040]图2为本专利技术中概念模型框架的示意图。
具体实施方式
[0041]本专利技术确定了农业数字化管理系统的建设内容包含三部分工作：数据库建设、监测系统建设以及生长模型的建设，其中数据库建设包含三个主要部分：数据库结构规范化、检索系统构建以及数据安全系统构建，监测系统建设主要包含各类传感器建设、安装：农作物生长环境监测(地上部环境，如光、温本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种种植业数字化的系统搭建方法，其特征在于，包括以下步骤：(1)农业系统分析：包括需求分析、现状分析、理想状态分析以及问题梳理；(2)数字化应用方案设计：包括功能定位、潜能分析、决策模型和参数优化适应；(3)理想状态设计：包括评价体系、决策系统验证、未知数据获取以及不确定性分析；(4)对种植业数字化长期学习决策，完成对作物价值指标的预测。2.根据权利要求1所述的一种种植业数字化的系统搭建方法，其特征在于，在步骤(1)中，所述的需求分析是指分析作物主要价值指标的具体需求，确定需求方向，并提出具体的量化指标；所述的现状分析是针对主要需求，有针对性的分析该种植业产业目前的现状，以及已知的影响因素，分析目前种植业现状中可控的参数指标，以及该可控参数与主要需求之间的相关性，为数字化应用方案提供依据；所述的理想状态分析是指查阅专业知识，找到影响主要需求的各类参数，并进行分类管理；所述的问题梳理是针对需求、现状和理想状态，梳理目前距离理想状态的差距和实现的困难，并重新提出新的有限制条件的需求，规避目前不可实现的理想状态，重新进行现状和理想状态分析，直到梳理出来的问题得到解决，并提出解决方案。3.根据权利要求2所述的一种种植业数字化的系统搭建方法，其特征在于，所述的各类参数分可控参数和非可控参数。4.根据权利要求1所述的一种种植业数字化的系统搭建方法，其特征在于，在步骤(2)中，所述的功能定位是结合农业系统分析结果，确定数字化应用的功能；所述的潜能分析是指构建作物光合作用产量模型，进行作物生长潜能分析；所述的决策模型是结合理想状态分析的背景知识，将光合作用产量模型中，非常数参数与可控参数进行可解释性关联，建立相关性模型，构建决定性模型f(x)和概率模型N(μ,σ2)，实现影响作物产量的可控参数的量化影响；所述的参数优化适应是通过历史数据对于构建模型进行验证和参数适应性校准，针对优化结果，提出方案设计的改进措施，并继续重新功能定位，潜能分析模型优化，决策模型的优化，逐渐提高模型准确。5.根据权利要求4所述的一种种植业数字化的系统搭建方法，其特征在于，所述的构建作物光合作用产量模型的过程如下：(Ⅰ)概念模型框架：以图表的形式表述所需求的参数和目标之间的关系，定性的表达出其各个参数之间的关系；(Ⅱ)以公式形式，表述概念框架中各组成成分之间的关系，并量化参数，其中...

【专利技术属性】
技术研发人员：周波，王柟，康子秋，邴塬皓，赵蕾，费书朗，
申请(专利权)人：成都农业科技中心，
类型：发明
国别省市：